# Çıkarımsal İstatistik (Data Science & ML)

> Hipotez testleri, güven aralıkları, p-değeri, t-test, ki-kare, ANOVA, doğrusal regresyon

- 24 mülakat soruları
- Mid-Level
- [Mülakat Soruları: Data Science & ML](https://sharpskill.dev/tr/technologies/data-science/mulakat-sorulari.md)

## 1. Hipotez testinde sıfır hipotezi (H₀) nedir?

**Cevap**

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.

## 2. İstatistiksel bir testte p-değeri neyi temsil eder?

**Cevap**

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.

## 3. Çıkarımsal istatistikte Tip I hata nedir?

**Cevap**

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.

## 21 soru daha mevcut

- Çıkarımsal istatistikte Tip II hata nedir?
- %95 güven aralığı neyi temsil eder?

Ücretsiz kaydol: https://sharpskill.dev/tr/login

## Diğer Data Science & ML mülakat konuları

- [Python Temelleri](https://sharpskill.dev/tr/technologies/data-science/mulakat-sorulari/python-basics.md): 25 soru, Junior
- [Python Nesne Yönelimli Programlama](https://sharpskill.dev/tr/technologies/data-science/mulakat-sorulari/python-oop.md): 20 soru, Junior
- [Python Veri Yapıları](https://sharpskill.dev/tr/technologies/data-science/mulakat-sorulari/python-data-structures.md): 20 soru, Junior
- [Git Temelleri](https://sharpskill.dev/tr/technologies/data-science/mulakat-sorulari/git-fundamentals.md): 18 soru, Junior
- [SQL Temelleri](https://sharpskill.dev/tr/technologies/data-science/mulakat-sorulari/sql-basics.md): 20 soru, Junior
- [NumPy Temelleri](https://sharpskill.dev/tr/technologies/data-science/mulakat-sorulari/numpy-fundamentals.md): 22 soru, Junior
- [Pandas Temelleri](https://sharpskill.dev/tr/technologies/data-science/mulakat-sorulari/pandas-basics.md): 22 soru, Junior
- [Jupyter & Google Colab](https://sharpskill.dev/tr/technologies/data-science/mulakat-sorulari/jupyter-colab.md): 16 soru, Junior
- [SQL Joins ve Gelişmiş Sorgular](https://sharpskill.dev/tr/technologies/data-science/mulakat-sorulari/sql-joins-advanced.md): 22 soru, Mid-Level
- [İleri Pandas](https://sharpskill.dev/tr/technologies/data-science/mulakat-sorulari/pandas-advanced.md): 24 soru, Mid-Level
- [Matplotlib & Seaborn ile Görselleştirme](https://sharpskill.dev/tr/technologies/data-science/mulakat-sorulari/matplotlib-seaborn.md): 20 soru, Mid-Level
- [Plotly ile Etkileşimli Görselleştirmeler](https://sharpskill.dev/tr/technologies/data-science/mulakat-sorulari/plotly-interactive.md): 18 soru, Mid-Level
- [Tanımlayıcı İstatistik](https://sharpskill.dev/tr/technologies/data-science/mulakat-sorulari/statistics-descriptive.md): 20 soru, Mid-Level
- [Web Scraping](https://sharpskill.dev/tr/technologies/data-science/mulakat-sorulari/web-scraping.md): 18 soru, Mid-Level
- [BigQuery & Cloud Data](https://sharpskill.dev/tr/technologies/data-science/mulakat-sorulari/bigquery-cloud.md): 18 soru, Mid-Level
- [Feature Engineering](https://sharpskill.dev/tr/technologies/data-science/mulakat-sorulari/feature-engineering.md): 22 soru, Mid-Level
- [Denetimli ML: Regresyon](https://sharpskill.dev/tr/technologies/data-science/mulakat-sorulari/ml-supervised-regression.md): 24 soru, Mid-Level
- [Denetimli ML: Sınıflandırma](https://sharpskill.dev/tr/technologies/data-science/mulakat-sorulari/ml-supervised-classification.md): 24 soru, Mid-Level
- [Karar Ağaçları ve Topluluk Yöntemleri](https://sharpskill.dev/tr/technologies/data-science/mulakat-sorulari/ml-trees-ensembles.md): 24 soru, Mid-Level
- [Denetimsiz ML](https://sharpskill.dev/tr/technologies/data-science/mulakat-sorulari/ml-unsupervised.md): 22 soru, Mid-Level
- [ML Pipeline'ları & Doğrulama](https://sharpskill.dev/tr/technologies/data-science/mulakat-sorulari/ml-pipelines-validation.md): 22 soru, Mid-Level
- [Zaman Serileri & Tahminleme](https://sharpskill.dev/tr/technologies/data-science/mulakat-sorulari/time-series-forecasting.md): 22 soru, Mid-Level
- [Deep Learning Temelleri](https://sharpskill.dev/tr/technologies/data-science/mulakat-sorulari/deep-learning-fundamentals.md): 24 soru, Senior
- [TensorFlow & Keras](https://sharpskill.dev/tr/technologies/data-science/mulakat-sorulari/tensorflow-keras.md): 22 soru, Senior
- [CNN ve görüntü sınıflandırma](https://sharpskill.dev/tr/technologies/data-science/mulakat-sorulari/cnn-image-classification.md): 24 soru, Senior
- [RNN ve Diziler](https://sharpskill.dev/tr/technologies/data-science/mulakat-sorulari/rnn-sequences.md): 22 soru, Senior
- [Transformers ve Attention](https://sharpskill.dev/tr/technologies/data-science/mulakat-sorulari/transformers-attention.md): 24 soru, Senior
- [NLP ve Hugging Face](https://sharpskill.dev/tr/technologies/data-science/mulakat-sorulari/nlp-huggingface.md): 24 soru, Senior
- [GenAI ve LangChain](https://sharpskill.dev/tr/technologies/data-science/mulakat-sorulari/genai-langchain.md): 24 soru, Senior
- [MLOps ve Dağıtım](https://sharpskill.dev/tr/technologies/data-science/mulakat-sorulari/mlops-deployment.md): 24 soru, Senior

---

Source: SharpSkill (https://sharpskill.dev), tech interview preparation for your real stack.
HTML version of this page: https://sharpskill.dev/tr/technologies/data-science/mulakat-sorulari/statistics-inferential