| Veri Tanımlama ve Görselleştirme: Ham veriyi merkezi eğilim ölçüleri (ortalama, medyan, mod) ve dağılım ölçüleri (standart sapma, varyans) ile özetleyebilir; veriyi grafikler (histogram, kutu grafiği vb.) aracılığıyla anlamlı hale getirir.
Olasılık ve Dağılım Teorisi: Olasılık kavramlarını kavrayarak, Normal Dağılım, Binom ve Poisson gibi temel olasılık dağılımlarının işleyişini ve bu dağılımların karar verme süreçlerindeki rolünü anlar.
Hipotez Testleri ve Çıkarımsal İstatistik: Örneklemden hareketle anakütle hakkında çıkarım yapma (t-testi, ANOVA, ki-kare testi) becerisi edinir; p-değeri (p-value) ve güven aralıklarını doğru yorumlar.
Korelasyon ve Regresyon Analizi: İki veya daha fazla değişken arasındaki ilişkinin yönünü ve şiddetini belirleyebilir; bağımsız değişkenlerin bağımlı değişken üzerindeki etkisini öngören istatistiksel modeller kurar.
İstatistiksel Yazılım Kullanımı: Veri analizi süreçlerini hızlandırmak ve karmaşık hesaplamaları gerçekleştirmek için SPSS, R veya Excel gibi araçları etkin bir şekilde kullanma altyapısına ulaşır. |