C/STATF : İstatistik Esasları

2 gün (12 Saat) Orta Sınıf / Online İş Zekası ve İleri Analitik

İş Zekası ve İleri Analitik çalışmalarda istatistiksel tekniklerin kullanılmaması veya hatalı kullanımı yıkıcı maliyetlere gebedir. "İstatistik Esasları" eğitiminde Veri Analistleri, Veri Bilimcileri, Karar vericiler ve akademik çalışmalar içerisinde bulunan herkes için mutlaka bilinmesi gereken istatistiksel teknikleri sezgisel yaklaşımlar ve pratiklerle ela alıyoruz. Bu eğitim sonrasında artık istatistikten nefret etmeyecek üstelik işinizde kullanmaktan keyif alacaksınız.

Eğitim İçeriği

Module 1: Veri Dünyasında Mevcut Durum ve Güncel Kavramlar

  • Hatalı Analize Neden Olan İnsana has Kusurlar
  • Karar Vericilerin Sıkışıp Kaldığı Mevcut Durum
  • Veri Analitiği Tipleri
  • Veri Yönetiminde Trendler
  • İş Zekası (BI) ve İleri Analitik (AA)
  • Veri ve Metaveri
  • Veri Analitiği Süreçleri
  • Veri Analitiğinde Mücadele Noktaları

Module 2: Temel İstatistik Kavramları

  • İstatistik Nedir?
  • İstatistiksel Çalışmalarda Temel Adımlar
  • Veri Toplama Yöntemleri
  • İstatistiksel Veri Analizi Yöntemleri
  • İstatistiğin Güvenirliği
  • Veri Nedir?
  • Birim-Gözlem, Değişken, Şık
  • Ölçme Düzeyleri (Ölçekler)
  • Seriler
  • Grafik Türleri
  • Etkili Tasarım Teknikleri

Module 3: Merkezi Eğilim ve Değişkenlik Ölçüler

  • Merkezi Eğilim Ölçüleri (Means, Mod, Medyan, Quartiles vs.)
  • Değişkenlik Ölçüleri (Varyans, Standard Deviation, Standart Error, Range vs.)
  • Kurtosis ve Skewness
  • Excel ile Betimleyici İstatistik Uygulamaları

Module 4: Olasılık

  • Temel Tanımlar
  • Olasılık Yaklaşımları
  • Koşullu Olasılık
  • Çarpma Kuralı
  • Bayes Teoremi
  • Toplama Kuralı

Module 5: Kesikli Rassal Değişkenler ve Bazı Kesiklik Dağılımlar

  • Rassal Değişken
  • Olasılık Dağılımı
  • Bernoulli Dağılımı
  • Binom Dağılımı
  • Poisson Dağılımı

Module 6: Sürekli Rassal Değişkenler ve Olasılık Dağılımları

  • Sürekli Rassal Değişkenler
  • Normal Dağılım
  • Standart Normal Dağılım
  • Binom Dağılımın Yakınsaması

Module 7: Örnekleme ve Örnekleme Dağılımları

  • Veri Toplama Yöntemleri
  • Örnekleme Süreci
  • Örnekleme Dağılımları
  • Ortalamanın Örneklem Dağılımı
  • Standart Hata
  • Oranların Örnekleme Dağılımı
  • İki Örneklem Ortalaması Arasındaki Farkın (𝑿 ̅_1−𝑿 ̅_2) Örnekleme Dağılımı
  • İki Örneklem Oranı Arasındaki Farkın (𝒑_𝟏−𝒑_2) Örnekleme Dağılımı

Module 8: İstatistiksel Tahminleme

  • Nokta ve Aralık Tahminlemesi
  • Evren Ortalaması (𝜇) Aralık Tahminlemesi
  • Evren Oranı (𝜋) Aralık Tahminlemesi
  • Evren Ortalamaları Arasındaki Farkın (𝜇,−𝜇_2) Aralık Tahminlemesi
  • Evren Oranı Arasındaki Farkın (𝜋_1−𝜋_𝟐) Aralık Tahminlemesi

Module 9: İstatistiksel Karar Alma

  • İstatistiksel Hipotez ve Hipotez Testleri
  • Hipotez Test Sürecinin Adımları
  • Tek Evren Parametresiyle İlişkili Hipotez Testleri
  • İki Evren Parametresiyle İlişkili Hipotez Testleri
  • F Testi – Varyans Analizi (ANOVA)

Module 10: Ki-Kare Testi

  • (𝑥^2) Ki-Kare Testi
  • Ki-Kare Bağımsızlık Testi
  • Ki-Kare Homojenlik Testi
  • Ki-Kare Uygunluk (İyi Uyum) Testi
  • Kontenjans Katsayısı

Module 11: Regresyon ve Korelasyon Analizi

  • Regresyon Analizi
  • Basit Doğrusal Korelasyon Katsayısı (Pearson)
  • Belirlilik Katsayısı

Module 12: Zaman Serileri Analizi

  • Zaman Serileri Analizi
  • Trend Analizi (Hareketli ortalamalar)
  • Trend Analizi (En küçük kareler yöntemi)
  • Standart Hata

Module 13: İndeksler

  • İndeksler
  • Basit İndeksler
  • Bileşik İndeksler
  • İndeks Ortalamaları Tekniği
  • Ortalamalar İndeks Tekniği
  • Laspeyres ve Paasche indeksleri
  • Fisher (ideal) İndeksi

Module 14: Karar Teorisi

  • Karar Teorisi
  • Belirsizlik Altında Karar Verme
  • Risk Altında Karar Verme
  • Tam Bilginin Beklenen Değeri
  • Karar Ağacı

Öncesinde Önerilenler

Sonrasında Önerilenler