Verilerin yanıtlayabileceği bir soru.

İstatistik bir soruyla başlar ve her soru istatistik sorusu değildir.

Şu iki soruyu karşılaştırın:

• "Tablomuzun 1. satırındaki penguenin kütlesi ne kadar?"
• "Yetişkin Gentoo penguenlerinin kütlesi ne kadar?"

İlk sorunun tek bir yanıtı vardır: bakıp bulursunuz (3 750 g). İkinci sorunun ise penguenler birbirinden farklı olduğu için birçok yanıtı vardır. Bu soruyu ancak birçok ölçümün özetini kullanarak yanıtlayabilirsiniz: tipik bir değer, bir aralık, bir görsel. İstatistik sorusu, yanıtların değişmesini beklediğiniz ve topladığınız verilerin de değişeceği bir sorudur.

"Bugün sınıfımızda kaç öğrenci var?" tek yanıtı olan bir sayma sorusudur. "Okul gecelerinde okulumuzdaki öğrenciler kaç saat uyur?" ise istatistik sorusudur: farklı öğrenciler farklı yanıtlar verecek ve ilginç olan kısım örüntü olacaktır.

Veriler genellikle bir tablo olarak gelir. Bilinmesi gereken kelimeler:

• Gözlem birimi (vaka da denir): her satırın tanımladığı şey. Penguen tablosunda bu, tek bir penguendir.
• Değişken: her birim hakkında ölçülen veya kaydedilen bir şeydir; her değişken için bir sütun bulunur: tür, ada, yüzgeç uzunluğu, vücut kütlesi, cinsiyet.
• Değer: "Gentoo" veya 214 mm gibi, tek bir hücredeki girdidir.

Genellikle tidy data olarak adlandırılan standart düzen üç kuralı izler: her satır bir birimdir, her sütun bir değişkendir ve her hücre bir değer içerir. Düzenli tabloları sıralamak, filtrelemek, saymak ve grafik hâline getirmek kolaydır. Bu yüzden veri analizi araçlarının neredeyse tamamı bu tabloları bekler.

Penguen tablosunun ilk üç satırı şöyledir:

• Adelie · Torgersen · gaga uzunluğu 39,1 mm, derinliği 18,7 mm · yüzgeç 181 mm · 3 750 g · erkek · 2007
• Adelie · Torgersen · gaga uzunluğu 39,5 mm, derinliği 17,4 mm · yüzgeç 186 mm · 3 800 g · dişi · 2007
• Adelie · Torgersen · gaga uzunluğu 40,3 mm, derinliği 18,0 mm · yüzgeç 195 mm · 3 250 g · dişi · 2007

Penguen ölçümleri Palmer penguenleri veri kümesidir: 2007, 2008 ve 2009 yıllarında Antarktika'daki Palmer İstasyonu'nda ölçülen 344 kuş (Gorman, Williams ve Fraser, 2014); kamu malı olarak paylaşılmıştır (CC0).

Değişkenler iki ana gruba ayrılır.

• Kategorik değişkenler her birimi bir gruba koyar: tür, ada, cinsiyet. Değerler etiketlerdir. Her grupta kaç tane olduğunu sayabilirsin.
• Sayısal (nicel) değişkenler, aritmetik işlemlerin anlamlı olduğu ölçümler veya sayımlardır: yüzgeç uzunluğu, vücut kütlesi. Bunların ortalamasını alabilirsin.

Sayısal değişkenler bir kez daha ayrılır. Kesikli bir değişken, sayabileceğin ayrı değerleri alır; örneğin bir yuvadaki yumurta sayısı (0, 1, 2, 3 …). Sürekli bir değişken, yalnızca ölçümünü ne kadar hassas yaptığına bağlı olarak bir aralıktaki herhangi bir değeri alabilir: bir yüzgeç 214 mm, 214,3 mm veya 214,27 mm olabilir. Tabloda vücut kütlesi ve yüzgeç uzunluğu gram veya milimetre cinsinden tam sayılar olarak kaydedilse de bunlar süreklidir.

“Sayısal” değişkeni anlamanın iyi bir yolu şudur: ortalaması anlamlı mı? Bir penguen grubunun ortalama vücut kütlesi anlamlıdır. Posta kodları listesinin ortalaması ise anlamlı değildir.