İstatistiğin Gücü: R ile Veri Analizi ve Modelleme
R Studio kullanarak istatistiksel veri analizi süreçlerini, veri görselleştirmeyi ve temel doğrusal regresyon modellemelerini nasıl gerçekleştirdiğimi anlatıyorum.
R ile Veri Bilimine Giriş
Bir istatistik öğrencisi olarak, verilerin arkasındaki hikayeyi ortaya çıkarmak için en güçlü silahlarımdan biri şüphesiz R Studio'dur. R dili, veri analizi ve istatistiksel hesaplama için özel olarak tasarlanmış yapısıyla veri bilimcileri için eşsiz bir ekosistem sunar.
Bu yazıda, bir veri setini ele aldığımızda izlediğimiz temel adımlardan ve R'ın güçlü kütüphanelerinden bahsedeceğim.
1. Veri Keşfi ve Ön İşleme
Bir veri analizi projesinde zamanın büyük bölümü modelleme değil, veri temizleme ve ön işleme adımlarında geçer. R ekosisteminde tidyverse paketi (özellikle dplyr ve tidyr) veri manipülasyonunu son derece sezgisel ve hızlı hale getirir. Kayıp gözlemleri (NA) analiz etmek, değişken tiplerini düzenlemek ve filtrelemeler yapmak tek satırlık boru hattı (pipe) %>% işlemleriyle çözülebilir.
library(dplyr)
# Veriyi temizleme ve filtreleme örneği
clean_data <- raw_data %>%
filter(!is.na(Gelir)) %>%
mutate(Segment = ifelse(Gelir > 50000, 'Yüksek', 'Standart'))2. Veriyi Görselleştirmek (ggplot2)
İstatistiksel bulguları görselleştirmeden sunmak, hikayenin yarım kalmasına neden olur. R'ın en popüler grafik kütüphanesi olan ggplot2, 'Grammar of Graphics' (Grafik Grameri) felsefesini kullanır. Bu sayede verilerimizi katman katman işleyerek göz alıcı ve akademik standartlarda grafikler elde edebiliriz.
Örneğin, bir dağılım grafiğine doğrusal eğilim çizgisi eklemek sadece birkaç satır sürer:
library(ggplot2)
ggplot(data = clean_data, aes(x = Yas, y = Gelir, color = Segment)) +
geom_point(alpha = 0.6) +
geom_smooth(method = 'lm', se = TRUE) +
theme_minimal() +
labs(title = 'Yaş ve Gelir İlişkisi', x = 'Yaş', y = 'Gelir (TL)')3. İstatistiki Modelleme (Regresyon)
Grafiklerimizi inceledikten sonra, değişkenler arasındaki ilişkilerin istatistiksel olarak anlamlı olup olmadığını test etmek için doğrusal regresyon analizine geçeriz. R içinde yerleşik olarak bulunan lm() fonksiyonu, En Küçük Kareler (OLS) yöntemini kullanarak modeli saniyeler içinde kurar.
summary(model) çıktısını aldığımızda elde ettiğimiz R² (Belirlilik Katsayısı), p-değerleri ve F-istatistiği, modelimizin veriyi ne kadar iyi açıkladığını ve katsayılarımızın anlamlılığını doğrular. Bu süreç, teorik istatistik bilgilerimizin gerçek veri setlerinde nasıl canlandığını gösteren en heyecan verici adımdır.
Sonuç
R Studio, akademik çalışmalarımda ve veri bilimi stajımda en çok başvurduğum araçlardan biri. Eğer istatistiksel analizi derinlemesine öğrenmek ve veri bilimine sağlam bir temel ile girmek istiyorsanız, R'ı kesinlikle öğrenim listenizin en üst sıralarına eklemelisiniz.