Merkezi Eğilim Ölçüleri: Ortalama, Medyan, Mod (Ne Zaman Hangisi?)
Bir şirketin İK raporunda “ortalama maaş 52.150 TL” yazıyordu. Çalışanların çoğu bu rakamın çok altında maaş alıyordu. Rapor yalan söylemiyordu. Sadece tek bir sayıyla, verinin tamamını anlatmaya çalışıyordu.
Merkezi eğilim ölçüleri, bir veri kümesinin tipik değerini tek sayıyla özetler. Üç ana aday var: ortalama, medyan ve mod. Hangisini seçeceğin, verinin ölçeğine ve dağılımına bağlı.
Aritmetik Ortalama
Tüm değerlerin toplamının gözlem sayısına bölümüdür. En çok kullanılan ölçüdür.
x̄ = (x₁ + x₂ + … + xₙ) / n
Güçlü yanı: Her değeri hesaba katar, matematiksel olarak kullanışlıdır. Varyans, regresyon ve t-testi hep ortalama üzerine kuruludur.
Zayıf yanı: Uç değerlere karşı duyarlıdır. Tek bir yüksek değer ortalamayı kendi yönüne çeker.
Medyan
Veriyi küçükten büyüğe sıraladığında tam ortada kalan değerdir. Gözlem sayısı çiftse ortadaki iki değerin ortalamasıdır.
Güçlü yanı: Aykırı değerlerden etkilenmez. Çarpık dağılımlarda (gelir, fiyat, süre) çoğu zaman daha dürüst bir özet verir.
Zayıf yanı: Tüm değerlerin bilgisini kullanmaz, matematiksel işlemlere ortalama kadar elverişli değildir.
Mod
En sık tekrar eden değerdir. Bir veri kümesinde birden fazla mod olabilir (çok tepeli dağılım) ya da hiç olmayabilir.
Güçlü yanı: Nominal veride kullanılabilen tek ölçüdür. “En çok satılan beden”, “en yaygın hata kodu” gibi sorular modla cevaplanır.
Zayıf yanı: Sürekli verilerde pek anlamlı değildir, çünkü aynı değer nadiren tekrarlanır.
Üçü Bir Arada: Maaş Örneği
Küçük bir şirketin on çalışanının maaşlarına bakalım. Dokuz çalışan 28 ile 32 bin TL arasında, bir yönetici ise 250 bin TL kazanıyor.
import pandas as pd
from scipy import stats
maas = pd.Series([28000, 30000, 31000, 29500, 32000,
30500, 29000, 31500, 30000, 250000])
print("Ortalama:", maas.mean())
print("Medyan :", maas.median())
print("Mod :", maas.mode().tolist())
print("Kırpılmış ortalama (%10):", stats.trim_mean(maas, 0.1))Sonuçlar şöyle çıkar:
- Ortalama: 52.150 TL
- Medyan: 30.250 TL
- Mod: 30.000 TL
- Kırpılmış ortalama: yaklaşık 30.437 TL
Ortalama, çalışanların hiçbirinin kazanmadığı bir rakamı gösteriyor. Medyan ve mod gerçek durumu anlatıyor.
R ile aynısı:
maas <- c(28000, 30000, 31000, 29500, 32000,
30500, 29000, 31500, 30000, 250000)
mean(maas)
median(maas)
mean(maas, trim = 0.1)
# R'da mod için hazır fonksiyon yok
names(sort(table(maas), decreasing = TRUE))[1]Ne Zaman Hangisi?
| Durum | Önerilen ölçü |
|---|---|
| Nominal veri | Mod |
| Ordinal veri | Medyan (ve mod) |
| Simetrik, aykırı değersiz sayısal veri | Ortalama |
| Çarpık dağılım ya da belirgin aykırı değer | Medyan |
| Aykırı değer var ama ortalamanın matematiksel avantajı lazım | Kırpılmış ortalama |
Ortalama ile medyan birbirine yakınsa dağılım büyük olasılıkla simetriktir. Birbirinden belirgin ayrılıyorsa çarpıklık ya da aykırı değer vardır. Bu, ücretsiz bir teşhis aracı. Her zaman ikisini yan yana yaz.
Diğer Ortalama Türleri
Ağırlıklı Ortalama
Her gözlemin eşit önemde olmadığı durumlarda kullanılır. Örneğin üç şubenin müşteri memnuniyet puanlarını birleştirirken şubelerin müşteri sayısını ağırlık alırsın. Küçük şubenin %100’ü ile büyük şubenin %60’ını düz ortalamaya vurmak yanıltır.
import numpy as np
puan = np.array([95, 60, 70])
musteri = np.array([20, 500, 300])
print(np.average(puan, weights=musteri))Geometrik Ortalama
Oranlar ve büyüme hızları için uygundur. Yıllık %10, %20 ve -%5 büyümenin ortalama bileşik etkisi için aritmetik değil geometrik ortalama kullanılır.
Kırpılmış Ortalama
En küçük ve en büyük gözlemlerin belli bir yüzdesini atıp kalan üzerinden ortalama alırsın. Medyan ile ortalama arasında bir orta yol sunar.
Veri Biliminde Kullanımı
- Eksik veri doldurma: Çarpık değişkenlerde ortalama yerine medyanla doldurmak modeli daha az bozar. Kategorik değişkenlerde mod kullanılır.
- Baz modeller: Regresyon problemlerinde “hep ortalamayı tahmin et” modeli, her yeni modelin geçmesi gereken en basit çıtadır.
- KPI raporları: Süre, gelir, sepet gibi metriklerde medyan ve yüzdelikler ortalamadan daha güvenilirdir.
- Sınıflandırma: “Hep çoğunluk sınıfını (modu) söyle” baz modeli, dengesiz verilerde doğruluğun neden yanıltıcı olduğunu gösterir. Ders 1’deki churn örneğini hatırla.
Acı Tecrübe: Ortalamanın Ortalaması
Birkaç bölgenin ortalama sipariş tutarını hesaplayıp bunların da ortalamasını alan bir rapor gördüm. Bölgelerin sipariş sayıları çok farklıydı. Doğru yol, tüm siparişleri birleştirip ortalama almak ya da ağırlıklı ortalama kullanmaktı. Ortalamaların ortalaması, gruplar eşit büyüklükte değilse genel ortalamayı vermez.
Ders 6 Kontrol Listesi
- Ortalama, medyan ve modun tanımını ve güçlü/zayıf yanlarını biliyorum.
- Ortalama ile medyan arasındaki farkın çarpıklık ipucu olduğunu biliyorum.
- Nominal, ordinal ve sayısal veride hangi ölçünün seçileceğini söyleyebiliyorum.
- Ağırlıklı ve kırpılmış ortalamanın ne zaman gerekli olduğunu biliyorum.
- Ortalamaların ortalamasını almanın tehlikesini fark edebiliyorum.
Sıkça Sorulan Sorular
Ortalama mı medyan mı kullanmalıyım?
Dağılım simetrik ve aykırı değer yoksa ortalama, çarpıksa ya da aykırı değer varsa medyan genelde daha güvenilirdir. En iyisi ikisini birlikte raporlamaktır.
Medyan neden aykırı değerlerden etkilenmez?
Medyan sadece sıralamadaki ortanca konuma bakar. En büyük değerin 250 bin mi 2,5 milyon mu olduğu, ortadaki değeri değiştirmez.
Bir veri kümesinde birden fazla mod olabilir mi?
Evet. Buna çok modlu (bimodal, multimodal) dağılım denir. Bu genelde veride iki farklı alt grup olduğunu düşündürür ve ayrıca incelenmelidir.
Modu sayısal veride kullanmak mantıklı mı?
Kesikli verilerde (sipariş adedi gibi) kullanışlıdır. Sürekli verilerde değerleri aralıklara bölüp en sık aralığı bakmak daha anlamlıdır.
Kırpılmış ortalama ne zaman tercih edilir?
Aykırı değerlerden korunmak istediğin ama medyanın bilgi kaybını da istemediğin durumlarda. Spor puanlamalarında en yüksek ve en düşük hakem puanını atmak buna bir örnektir.
Bir sonraki derste şu soruyu soracağız: iki verinin ortalaması aynıysa onlar aynı veri midir? Varyans, standart sapma ve çeyrekler açıklığı ile cevabı göreceksin.







