AP Statistics çalışırken en çok karışan konulardan biri örnekleme yöntemleri olur. Terimler İngilizce, senaryolar uzun, zaman ise sınırlı. Yine de güzel bir haber var: Mantığı bir kez oturtursan, bu kısım oldukça düzenli ve tahmin edilebilir hale gelir.
İstatistikte çoğu zaman tüm popülasyonu inceleyemeyiz. Bunun yerine, daha küçük bir grup, yani bir örnek (sample) alırız ve popülasyon hakkında çıkarım yaparız. AP sınavında da tam olarak bu mantığı test eden çok sayıda çoktan seçmeli ve FRQ soru çıkar.
Bu yazı, AP müfredatındaki başlıca örnekleme yöntemlerini, sade bir dil ve sınav odaklı notlarla açıklayacak. Özellikle örnekleme türünü senaryodan tanımaya ve “iyi / kötü yöntem” yorumlarını yazmaya odaklanacağız. AP seviyesine hazır olup olmadığını düşünüyorsan, girişteki eksiklerini görmek için şu kaynağa da göz atabilirsin: AP İstatistik kursuna hazır mısınız? 3 adımlı kontrol.
AP İstatistik İçin Örnekleme Temelleri: Neden Örnek Alıyoruz?
Tüm popülasyonu ölçmek çoğu zaman gerçekçi değildir. Maliyet yüksek, zaman az, bazı kişilere ya da yerlere erişmek çok zordur. Bu yüzden, popülasyonu temsil eden daha küçük bir grup seçeriz.
Amaç, bu örnekten elde ettiğimiz bilgiyi tüm popülasyona genellemek olur. Bu noktada iki fikir önemli: yanlılık (bias) ve rassallık (randomness). Yanlılık, yöntemin sistematik hata üretmesi demektir. Rassallık ise seçimin şansa bırakılmasıdır. Detayına daha sonra döneceğiz.
Popülasyon, örnek ve parametre–istatistik farkını basitçe anlamak
Bir okul düşün. Okuldaki tüm öğrenciler popülasyon olsun. Bu okuldan seçtiğin 100 öğrenci ise örnek (sample) olur.
- Popülasyonun özelliği, örneğin okulun gerçek ortalama sınav notu, parametre (parameter) şeklinde adlandırılır.
- Örneğin özelliği, seçtiğin 100 öğrencinin ortalama notu, istatistik (statistic) adını alır.
AP Statistics’te dil hep böyledir: “population parameter” için genellikle bilinmeyen gerçek değerden, “sample statistic” için hesapladığın sayıdan söz eder. Sınavda “statistic mi, parameter mı?” diye sorulduğunda, “bu değer tüm popülasyonu mı, yoksa sadece örneği mi anlatıyor?” diye düşünmek yeterlidir.
İyi bir örneklemin ortak özellikleri: rassal, temsil edici ve yeterince büyük
İyi bir örneklemin üç ana niteliği vardır:
- Rastgele seçilmiş olması (random): Her bireyin seçilme şansı pozitif olmalı ve seçim şansa bağlı olmalıdır.
- Temsil edici olması: Örnek, popülasyondaki önemli alt grupları kabaca yansıtmalıdır. Sadece başarılı öğrencileri seçersen, okul ortalamasını olduğundan yüksek tahmin edersin.
- Yeterince büyük olması: Daha büyük örnekler, genelde daha kararlı tahminler verir. Tek bir küçük örnek, şans nedeniyle uç bir sonuç üretebilir.
Küçük, yanlı ve iyi karışmamış bir örnek, AP sorularında çoğu zaman “kötü örnekleme” ya da “sampling bias” örneği olarak karşına çıkar.
AP Statistics’te En Önemli Rassal Örnekleme Yöntemleri
AP müfredatında temel olarak dört ana rassal örnekleme yöntemi öne çıkar. Bunlar için güzel özetler bulmak istersen, sampling methods review yazısı kaynağına da bakabilirsin.
Basit rastgele örnekleme (Simple Random Sampling) nedir?
Simple Random Sampling (SRS), popülasyondaki her bireyin eşit seçilme şansına sahip olduğu yöntemdir. Genelde herkes numaralandırılır, sonra rastgele sayı üreteci ya da tablo ile seçim yapılır.
Okul örneği: Okuldaki tüm 800 öğrenciye 1’den 800’e kadar numara verirsin. Bilgisayarda 50 rastgele sayı üretirsin ve bu numaralara karşılık gelen öğrenciler örneğe girer.
Avantajları:
- Adil bir yöntemdir, herkesin seçilme olasılığı eşit ve bağımsızdır.
- Teoride çok güçlü ve analiz etmesi kolaydır.
Dezavantajları:
- Büyük ve dağınık popülasyonlarda uygulaması zor olabilir.
- Alt gruplar, SRS ile dengesiz temsil edilebilir. Örneğin 50 kişilik örnekte hiç 9. sınıf gelmeyebilir.
AP FRQ cevaplarında özellikle şu ifadeyi kullanmak önemlidir: “Her bir bireyin eşit ve bağımsız seçilme olasılığı vardır.” Bu ifade, cevabının tam puan almasını sağlar.
Tabakalı örnekleme (Stratified Sampling) ile alt grupları dengede tutmak
Stratified Sampling, popülasyon çok karışık olduğunda ve bazı grupların mutlaka temsil edilmesini istediğinde kullanılır. İki adım vardır:
- Popülasyonu benzer özelliklere göre alt gruplara ayırırsın, bu gruplara strata denir.
- Her tabakadan ayrı ayrı rassal örnek alırsın.
Örneğin öğrencileri sınıf düzeyine göre 9, 10, 11, 12 diye ayırırsın. Sonra her düzeyden rastgele 25 öğrenci seçip 100 kişilik örnek oluşturursun.
Avantajı: Her tabaka örnekte yer aldığı için, daha küçük örnekle bile daha tutarlı tahminler elde edebilirsin. Popülasyon heterojen, tabakalar ise kendi içinde daha homojen olur.
Dezavantajı: Tabakaları tanımlamak ve listeleri hazırlamak zaman alabilir. Yanlış tanımlanmış tabakalar da faydayı azaltır.
Küme örnekleme (Cluster Sampling) ile pratik ama riskli seçim
Cluster Sampling, popülasyonun zaten doğal gruplara ayrılmış olduğu durumlarda kullanılır. Sınıflar, mahalleler, apartman blokları buna örnek olabilir.
Adımlar kabaca şöyledir:
- Popülasyonu doğal kümelere ayırırsın.
- Kümelerden bazılarını rassal olarak seçersin.
- Seçilen kümelerin içindeki bireylerin tamamını örneğe alırsın.
Bir şehirdeki seçmenleri düşün. Şehir, mahallelere ayrılmıştır. Rastgele 10 mahalle seçersin, bu mahallelerde yaşayan herkes örneğe girer.
Stratified ile farkı önemlidir:
- Stratified için “tabakalar kendi içinde benzer, ama popülasyon farklı” diye düşünebilirsin.
- Cluster için “kümeler, popülasyonun küçük kopyaları gibi olmalı” yorumu yapılır.
Avantajı: Saha çalışmaları için çok daha ucuz ve pratiktir.
Dezavantajı: Seçilen kümeler popülasyonu iyi temsil etmeyebilir, bu da daha yüksek varyans üretir.
Sistematik örnekleme (Systematic Sampling) ile her k’inci kişiyi seçmek
Systematic Sampling şu üç basit adımdan oluşur:
- Popülasyonu uygun bir liste halinde sıralarsın.
- 1 ile k arasında bir rastgele başlangıç seçersin.
- Sonra listeden her k’inci kişiyi alırsın.
Örneğin bir mağazada kapıdan giren her 10. müşteri ile anket yapmak gibi. İlk müşteri 1 ile 10 arasında rastgele seçilir, sonra her 10. kişi örneğe eklenir.
Avantajı: Çok hızlı ve uygulaması kolaydır.
Dezavantajı: Listede belirli bir periyodik düzen varsa, örnek yanlı olur. Örneğin sınıflar sırayla “başarılı sınıf, hazırlık sınıfı, başarılı sınıf, hazırlık sınıfı” diye dizilmişse, her 2. sınıfı almak ciddi yanlılık üretir.
AP sorularında öğrenciler çoğu zaman rastgele başlangıç şartını unuturlar. Cevabında “rastgele bir başlangıç noktası seçilir ve sonra her k’inci birey alınır” ifadesini mutlaka yaz.
Rassal Olmayan Örnekleme Yöntemleri ve AP Sınavında Neden Tehlikeli
Şimdi de rassal olmayan yöntemlere bakalım. Bunlar gerçek hayatta sık kullanılır ama AP bağlamında çoğu zaman “kötü yöntem” ve “bias kaynağı” olarak geçer. Özellikle Different Sampling Methods, Types & Error gibi özetlerde de bu ayrımı net görürsün.
Kolayda örnekleme (Convenience Sampling): En kolay ama en yanlı yöntem
Convenience Sampling, araştırmacıya en kolay ulaşılabilen kişileri seçmek demektir. Örneğin sadece kendi arkadaşlarına anket yapman buna girer.
Avantajı: Çok hızlı ve neredeyse maliyetsizdir.
Dezavantajı: Yanlılık çok yüksektir, örnek popülasyonu temsil etmez. Genelleme yapmak doğru değildir.
AP sorularında “convenience sample” ifadesi görürsen, şu eleştiriler beklenir:
- Örnek sadece belirli tür kişileri içerir.
- Farklı görüşler dışarıda kalır.
- Sonuç belirli bir yöne kaymış olabilir.
Kota örnekleme (Quota Sampling) ve AP bağlamında sınırlamaları
Quota Sampling için önce bazı kotalar belirlersin, örneğin “yüzde 50 kadın, yüzde 50 erkek” gibi. Sonra bu kotaları dolduracak kişileri rasgele olmayan bir biçimde seçersin.
AVM’de anket yapan birini düşün. Araştırmacı, “20 kadın oldum, şimdi 20 erkek bulmalıyım” der ve yürüyen ilk kişilere sorar. Kotalar sayısal denge sağlar, ama seçim süreci rastgele değildir.
Avantaj: Bazı alt grupların sayısal temsili korunur.
Dezavantaj: Kimi seçeceğine anketi yapan kişi karar verir, bu da güçlü bir yanlılık kaynağıdır.
AP Statistics Sorularında Örnekleme Yöntemlerini Tanımak ve Yorumlamak
AP soruları genelde bir senaryo verir, sonra da senden yöntemi adlandırmanı, iyi ve kötü yanlarını açıklamanı ya da bias kaynaklarını yazmanı ister.
İstatistik konularını hem AP hem IB sürecinde kullanıyorsan, daha geniş sınav stratejileri açısından IB Matematik SL ve HL sınav hazırlık rehberi de işine yarar.
Senaryo sorularında yöntemi doğru etiketlemek için pratik ipuçları
Senaryoya bakarken şu küçük kontrol listesini kullanabilirsin:
- “Herkes numaralandırıldı ve rastgele sayı ile seçildi” ifadesi varsa, bu büyük olasılıkla Simple Random Sampledır.
- “Önce gruplara ayır, sonra her gruptan rastgele seç” görüyorsan, bu Stratified Samplingdir.
- “Doğal gruplar var, bazı gruplar rastgele seçildi ve bu grupların içindekilerin hepsi alındı” ise, bu Cluster Samplingdir.
- “Liste var, rastgele bir başlangıç ve her k’inci kişi” anlatılıyorsa, bu Systematic Samplingdir.
- “Sadece yoldan geçenler, arkadaşlar, gönüllüler” anlatılıyorsa, bu Convenience ya da başka bir rassal olmayan yöntemdir.
Özellikle stratified ile cluster çok karışır. Kendine şu soruyu sor: “Her grubun içinden az sayıda kişi mi seçilmiş, yoksa seçilen grupların içindekilerin hepsi mi alınmış?” İlki stratified, ikincisi cluster işaretidir.
Bias, temsiliyet ve örnekleme hatası hakkında ne yazmalısın?
İki önemli kavram var:
- Sampling bias (örnekleme yanlılığı): Yöntem gereği bazı kişiler sistematik biçimde dışarıda kalır. Yöntem bozuk olduğu için sonuç ortalama olarak bile yanlış yöne kayar.
- Sampling variability (örnekleme değişkenliği): Aynı yöntemi tekrar kullansan bile, her seferinde biraz farklı sonuç alırsın. Bu, rastgele seçimin doğal sonucudur.
AP FRQ’de bias açıklarken küçük bir şablon kullanabilirsin:
- “Bu örnekleme yöntemi, şu grupları eksik bırakıyor: …”
- “Bu yüzden sonuç, muhtemelen şu yöne doğru kayacaktır: …”
Örneğin sadece okulun onur öğrencilerini seçen bir örnek için şöyle yazarsın: “Orta düzey ve düşük başarıdaki öğrenciler eksik kalıyor, bu nedenle ortalama başarı olduğundan yüksek görünecektir.”
Sonuç: Örnekleme Yöntemlerini Özetleyip İleri Konulara Hazırlanmak
Bu yazıda Simple Random, Stratified, Cluster, Systematic, Convenience ve Quota örnekleme yöntemlerini, AP sınavındaki tipik kullanımlarıyla gördük. Her yöntemin nasıl kurulduğunu, hangi senaryoya uyduğunu ve nerede bias üretebileceğini artık çok daha net görebilirsin.
Kendi notlarında küçük bir karşılaştırma tablosu ya da kart hazırlaman iyi olur. Bir yüzüne yöntemin adını, diğer yüzüne “nasıl seçiliyor, ne zaman kullanılır, en büyük risk nedir” gibi kısa başlıklar yazabilirsin. Bu tür kartlar, son hafta tekrarlarında büyük zaman kazandırır.
Örnekleme kavramını sağlam kuran bir öğrenci, inferans, güven aralıkları ve hipotez testleri konularında çok daha rahat ilerler. Çünkü her tahmin, her interval ve her testin altında aslında seçtiğin örnekleme yöntemi yatar. Bu temeli ne kadar net kurarsan, kalan ünitelerde o kadar özgüvenli olursun.
