Question 1

Hipotez testinde sıfır hipotezi (H₀) nedir?

Accepted Answer

Sıfır hipotezi (H₀), bir etki veya anlamlı farkın olmadığını varsayan varsayılan ifadedir. Toplanan verilere dayanarak reddetmeye veya reddetmemeye çalıştığımız hipotezdir. Örneğin, H₀ yeni bir tedavinin plaseboya kıyasla hiçbir etkisi olmadığını belirtebilir. İstatistiksel test, verilerin bu hipotezi reddedip alternatif hipotezi (H₁) destekleyecek yeterli kanıt sağlayıp sağlamadığını değerlendirir.

Question 2

İstatistiksel bir testte p-değeri neyi temsil eder?

Accepted Answer

P-değeri, sıfır hipotezinin doğru olduğu varsayılarak, gözlemlenen sonuç kadar veya daha aşırı bir sonuç elde etme olasılığıdır. Düşük bir p-değeri (genellikle < 0.05), gözlemlenen verinin H₀ altında olası olmadığını gösterir ve reddedilmesine yol açar. Not: P-değeri H₀'ın doğru olma olasılığı değildir, sonuçların şansa bağlı olma olasılığı da değildir.

Question 3

Çıkarımsal istatistikte Tip I hata nedir?

Accepted Answer

Tip I hata (yanlış pozitif), sıfır hipotezi aslında doğruyken onu reddettiğimizde meydana gelir. Anlamlılık düzeyi α (genellikle 0.05), bu hatayı yapmanın maksimum kabul edilebilir olasılığını temsil eder. Örneğin, bir ilacın etkili olmadığı halde etkili olduğu sonucuna varmak bir Tip I hata oluşturur. Bu hata, anlamlılık düzeyinin seçimi ile kontrol edilir.

Çıkarımsal İstatistik

Hipotez testinde sıfır hipotezi (H₀) nedir?

Cevap

İstatistiksel bir testte p-değeri neyi temsil eder?

Cevap

Çıkarımsal istatistikte Tip I hata nedir?

Cevap

Çıkarımsal istatistikte Tip II hata nedir?

%95 güven aralığı neyi temsil eder?

Diğer Data Science & ML mülakat konuları

Python Temelleri

Python Nesne Yönelimli Programlama

Python Veri Yapıları

Git Temelleri

SQL Temelleri

NumPy Temelleri

Pandas Temelleri

Jupyter & Google Colab

SQL Joins ve Gelişmiş Sorgular

İleri Pandas

Matplotlib & Seaborn ile Görselleştirme

Plotly ile Etkileşimli Görselleştirmeler

Tanımlayıcı İstatistik

Web Scraping

BigQuery & Cloud Data

Feature Engineering

Denetimli ML: Regresyon

Denetimli ML: Sınıflandırma

Karar Ağaçları ve Topluluk Yöntemleri

Denetimsiz ML

ML Pipeline'ları & Doğrulama

Zaman Serileri & Tahminleme

Deep Learning Temelleri

TensorFlow & Keras

CNN ve görüntü sınıflandırma

RNN ve Diziler

Transformers ve Attention

NLP ve Hugging Face

GenAI ve LangChain

MLOps ve Dağıtım

Bir sonraki mülakatın için Data Science & ML'de uzmanlaş