Çıkarım ve tahmin: fark nedir?

İstatistiklerde genellikle verileri iki nedenden biriyle kullanmak isteriz:

(1) Çıkarım: Mevcut bir veri kümesindeki yordayıcı değişkenler ile yanıt değişkeni arasındaki ilişkinin doğasını anlamak istiyoruz.

(2) Tahmin: Yeni bir gözlemin yanıt değişkeninin değerini tahmin eden bir model oluşturmak için mevcut bir veri kümesini kullanmak istiyoruz.

Örneğin, evler hakkında bilgi içeren aşağıdaki veri setine sahip olduğumuzu varsayalım:

Bir çıkarım örneği:

Tahmin edici değişkenler olarak metrekare, yatak odası sayısı ve banyo sayısını ve yanıt değişkeni olarak fiyatı kullanarak çoklu doğrusal regresyon modeli oluşturduğumuzu varsayalım.

Daha sonra, tahmin değişkenlerinin her birindeki bir birimlik değişiklikle ilişkili fiyattaki ortalama değişikliği anlamak için regresyon katsayılarını kullanabiliriz.

Örneğin, her ilave yatak odası, her ilave banyo ve her ilave metrekare ile fiyatın (ortalama olarak) ne kadar değiştiğini anlayabiliriz.

Bir tahmin örneği:

Aynı çoklu doğrusal regresyon modelini oluşturabilir ve bunu, metrekaresine, yatak odası sayısına ve banyo sayısına göre yeni bir evin değerini tahmin etmek için kullanabiliriz.

Örneğin, modeli 3 yatak odalı, 3 banyolu ve 2.000 metrekarelik yeni bir evin fiyatını tahmin etmek için kullanabiliriz.

Daha sonra tahminimizi gerçek liste fiyatıyla karşılaştırabilir ve evin değerinin altında mı yoksa aşırı değerli mi göründüğünü değerlendirebiliriz.

Aşağıdaki örnekler, farklı senaryolarda çıkarım ve tahmin arasındaki farkı göstermektedir:

Örnek 1: Sporda çıkarım ve tahmin

Profesyonel basketbol takımları hakkında bilgi içeren aşağıdaki veri setine sahip olduğumuzu varsayalım:

Bir çıkarım örneği:

Tahmin değişkenleri olarak sayıları, ribaundları ve asistleri ve tepki değişkeni olarak galibiyetleri kullanarak çoklu doğrusal bir regresyon modeli oluşturduğumuzu varsayalım.

Daha sonra modeli, her ilave sayı, ribaund ve asistle galibiyet sayısının (ortalama olarak) ne kadar değiştiğini anlamak için kullanabiliriz.

Bir tahmin örneği:

Aynı çoklu doğrusal regresyon modelini oluşturabilir ve bunu bir takımın sayı, ribaund ve asist sayılarına göre kaç galibiyet alacağını tahmin etmek için kullanabiliriz.

Örneğin bu modeli 90 sayı, 40 ribaund ve 30 asist yapan bir takımın kaç galibiyet alacağını tahmin etmek için kullanabiliriz.

Örnek 2: İş dünyasında çıkarım ve tahmin

Çeşitli şirketlerin yıllık gelirlerine (milyon cinsinden) ilişkin bilgileri içeren aşağıdaki veri setine sahip olduğumuzu varsayalım:

Bir çıkarım örneği:

Tahmin edici değişkenler olarak reklam harcamalarını, çalışan sayısını ve toplam satın almaları ve yanıt değişkeni olarak yıllık geliri kullanarak çoklu doğrusal bir regresyon modeli oluşturduğumuzu varsayalım.

Daha sonra modeli, reklama harcanan her ek dolar, her ek çalışan ve her ek satın alma ile toplam yıllık gelirin (ortalama olarak) ne kadar değiştiğini anlamak için kullanabiliriz.

Bir tahmin örneği:

Aynı çoklu doğrusal regresyon modelini oluşturabilir ve bunu bir şirketin toplam pazarlama harcamasına, çalışan sayısına ve toplam satın almalara dayalı olarak yıllık gelirini tahmin etmek için kullanabiliriz.

Örneğin, reklama 25 milyon dolar harcayan, 40 çalışanı olan ve 2 satın alma gerçekleştiren bir şirketin yıllık gelirini tahmin etmek için bu modeli kullanabiliriz.

Ek kaynaklar

Aşağıdaki eğitimler istatistikte anlaşılması gereken önemli terimler hakkında ek bilgi sağlar:

Tanımlayıcı veya çıkarımsal istatistikler: fark nedir?
Ölçüm seviyeleri: nominal, sıralı, aralık ve oran
Niteliksel ve niceliksel değişkenler: fark nedir?