Örneklem Büyüklüğü: 8/8 ile 720/800 Neden Aynı Değil?

Sekizde sekizlik bir seride ortaya çıkan tam başarı tablosu, sayısal açıdan kusursuz görünse de veri analizinde en aldatıcı yapılardan biridir. Bir olayın geçmişte sekiz kez gerçekleşip sekizinde de aynı sonuçla bitmesi, gelecekteki dokuzuncu olayın olasılığı hakkında istatistiksel açıdan zayıf bir temel sunar. İstatistiksel güven, yalnızca başarı oranına değil, o oranın kaç bağımsız gözlem sonucunda elde edildiğine doğrudan bağlıdır.

Örneğin bir bozuk para atışında üç kez üst üste yazı gelmesi, paranın hileli olduğunu kanıtlamaz. Benzer şekilde, kısıtlı bir veri kümesinde yakalanan seriler, takımların veya oranların gerçek performans potansiyelini yansıtmaktan uzaktır. Örneklem büyüklüğü arttıkça, tesadüfi sapmaların etkisi azalır ve verinin evreni temsil kabiliyeti güçlenir.

Spor verilerini incelerken temel amaç, rastlantısal sonuçları elerken sürdürülebilir kalıpları ortaya çıkarmaktır. Küçük veri kümelerinde karşılaşılan yüksek yüzdeler, çoğunlukla şans faktörünün veya kısa vadeli form dalgalanmalarının bir ürünüdür. Bu nedenle oran analizinde sadece başarı oranına bakmak yerine gözlem sayısına odaklanmak analitik bir zorunluluktur.

Küçük Örneklemlerin İstatistiksel Zafiyeti ve Sapma Riski

İstatistik literatüründe küçük sayılar yasası olarak bilinen kavram, insanların küçük örneklemlerin genel evreni tam temsil ettiğine dair yanlış inancını açıklar. Diyelim ki A takımı son 8 maçında 2.5 üstü gol barajını aştı. Bu durum, söz konusu takımın oyun anlayışının kalıcı bir sonucu olabileceği gibi tamamen denk gelen fikstür şartlarından da kaynaklanabilir.

Küçük örneklemlerde tek bir aykırı veri, toplam yüzdeyi devasa oranda değiştirir. Sekiz maçlık bir seride tek bir farklı sonuç yaşandığında başarı oranı bir anda yüzde 87.5 seviyesine geriler. Oysa 800 maçlık bir veri kümesinde yaşanan tek bir aykırı sonuç, genel ortalamayı neredeyse hiç etkilemez ve yüzde 89.88 seviyesinde korur.

Duyarlılığın bu denli yüksek olması, küçük veri kümeleriyle yapılan çıkarımların ne kadar kırılgan olduğunu gösterir. Karar alma süreçlerinde kullanılan verinin varyansı yüksekse, yapılan tahminlerin hata payı da aynı oranda büyür. Analiz yaparken ilk hedef, varyansı düşürerek istatistiksel güven seviyesini yükseltmek olmalıdır.

Aynı Yüzde Farklı Hacim: Güven Aralığı ve Veri Güvenilirliği

Yüzde 90 başarı oranı, 10 maçta 9 galibiyet anlamına gelebileceği gibi 1000 maçta 900 galibiyet anlamına da gelebilir. Kâğıt üzerinde her iki oran da matematiksel olarak eşit görünse de istatistiksel güven açısından aralarında uçurum vardır. İlk örnekte standart hata çok yüksekken, ikinci örnekte standart hata sıfıra yaklaşır.

Matematiksel hesaplamalarda veri hacmi genişledikçe güven aralığı daralır. Diyelim ki 10 maçta 9 başarısı olan bir veri için gerçek olasılık bandı yüzde 55 ile yüzde 99 arasında geniş bir aralıkta salınır. Buna karşın 1000 maçta 900 başarısı olan bir veri kümesinde gerçek olasılık bandı yüzde 88 ile yüzde 92 arasında son derece dar bir alana sıkışır.

Karşılaşmaları değerlendirirken bu hacim farkını anında görmek analitik süreci hızlandırır. Nitekim Oto Analiz kullanıldığında kullanıcı yalnızca maçı seçer; sistem o maçın veride bulunan bütün marketlerini tek seferde ölçer ve her biri için örneklemi yazar. Böylece analiz yapan kişi, göz önünde bulundurduğu yüzdenin kaç maçlık bir geçmişe dayandığını anında tespit edebilir.

Bir Yüzdeyi Okurken Yanında Aratılması Gereken Temel Metrikler

Bir istatistiksel tabloya bakıldığında yalnızca başarı yüzdesine odaklanmak, resmin büyük bölümünü kaçırmak demektir. Yüzdenin hemen yanında yer alması gereken en kritik metrik, toplam gözlem sayısı olan N değeridir. N değeri belirtilmeyen hiçbir oransal veri, analitik açıdan bir anlam taşımaz.

Analiz sürecinde bir yüzde değerlendirilirken şu Dört temel bileşen mutlaka aranmalıdır:

• Toplam gözlem sayısı (N değeri)
• Verinin toplandığı zaman aralığı ve güncelliği
• Oranın dönemler arası standart sapması ve varyansı
• Veri kümesinin homojenlik ve temsil gücü

İkinci önem taşıyan metrik ise verinin zamansal dağılımıdır. 800 maçlık bir örneklemin son iki yıla mı yoksa son on yıla mı ait olduğu, verinin güncelliğini doğrudan belirler. Kendi içinde homojen dağılmayan ve zamanla yapısal değişime uğramış veriler, yüksek hacme sahip olsalar dahi yanıltıcı olabilir.

Ayrıca verinin varyansı ve standart sapması da incelenmelidir. Bir marketin başarı oranı yüksek görünürken, dönemler arası dalgalanması aşırı yüksekse orada bir istikrarsızlıktan söz edilebilir. Analiz sürecinde başarı yüzdesi, gözlem sayısı, zaman aralığı ve sapma miktarı bir arada değerlendirilmelidir.

Veri Filtrelemesinde Eşik Belirleme Yaklaşımları ve Standartlar

Analiz yaparken hangi veri kümesinin güvenilir kabul edileceğini belirlemek için belirli eşik değerler koymak gerekir. Çok dar tutulan filtreler küçük örneklem tuzağına düşürürken, çok geniş tutulan filtreler güncelliğini kaybetmiş verilerin sürece dahil olmasına yol açar. Dengeli bir eşik belirlemek, analitik doğruluğun anahtarıdır.

Genellikle 30 altındaki gözlem sayıları istatistiksel olarak küçük örneklem sınıfına girer ve yüksek ihtiyatla yaklaşılmalıdır. 30 ile 100 arasındaki örneklemler orta düzey güven sunarken, 100 ve üzerindeki homojen gözlemler sağlam bir istatistiksel zemin oluşturur. Filtreler kurulurken bu derecelendirme dikkate alınmalıdır.

Aşağıdaki tablo, farklı örneklem büyüklüklerinin sunduğu istatistiksel nitelikleri ve değerlendirme yaklaşımlarını özetlemektedir:

Adım Adım Senaryo: 8/8 İle 720/800 Karşılaştırmasının Pratik Analizi

Konuyu somutlaştırmak adına iki farklı veri kümesine sahip olan hipotetik bir lig senaryosunu adım adım inceleyelim. İlk senaryoda, A takımı ile B takımı arasındaki son 8 maçın tamamında ev sahibi galibiyeti çıkmış olsun. İkinci senaryoda ise benzer oran aralığında oynanan 800 geçmiş maçın 720'sinde ev sahibi galibiyeti elde edilmiş olsun.

Birinci senaryoda başarı oranı eksiksiz (8/8) görünmektedir. Ancak burada N=8 olduğu için standart hata oldukça yüksektir. Takımlardan birinin o maçlarda yaşadığı kırmızı kart, hakem kararı veya sakatlık gibi dönemsel etkenler bu 8 maçlık seriyi yaratmış olabilir. Bir sonraki maçta bu serinin bozulma olasılığı istatistiksel olarak oldukça yüksektir.

İkinci senaryoda ise başarı oranı yüzde 90 (720/800) seviyesindedir. Görünürde tam başarıdan daha düşük bir oran olsa da N=800 olduğu için elde edilen veri muazzam bir istatistiksel güce sahiptir. 800 farklı maçlık tecrübe; hava şartları, sakatlıklar, hoca değişiklikleri gibi onlarca değişkeni zaten bünyesinde eritmiştir. Dolayısıyla yüzde 90'lık bu veri, 8/8'lik tablodan katbekat daha güvenilir bir göstergedir.

Küçük Örneklem Durumunda İnceleme Mantığı Nasıl Olmalı?

Bazı durumlarda geniş veri kümelerine ulaşmak mümkün olmayabilir. Ligin henüz ilk haftaları oynanıyor olabilir ya da iki takım tarihlerinde ilk kez karşılaşıyor olabilir. Veri hacminin yetersiz olduğu böyle durumlarda analitik yaklaşımı tamamen terk etmek yerine yöntem değiştirmek gerekir.

Küçük örneklemle karşılaşıldığında, tekil oranlara yüksek ağırlık vermek yerine daha geniş lig ortalamalarından veya benzer profil takımların verilerinden yararlanılmalıdır. Ayrıca nicel verilerin yetersiz kaldığı noktalarda sakatlık durumları, taktiksel uyum ve saha koşulları gibi nitel unsurlar analize dahil edilmelidir.

Manuel incelemelerin yanı sıra sistematik taramalar da bu süreçte yardımcı olur. Örnek olarak JARVIS günlük olarak geçmiş veriyle en güçlü desteklenen maçları ve marketleri seçer; her tahminin yanında örneklem ve güven yüzdesi bulunur. Böylece küçük ve yetersiz veriyle çalışan maçlar yerine, arkasında yeterli veri hacmi olan karşılaşmalar kolayca ayırt edilebilir.

Örneklem Odaklı Analizde Sık Yapılan Hatalar

Örneklem değerlendirmesinde en sık yapılan hata, kısa süreli form serilerini kalıcı bir trend olarak kabul etmektir. Bir takımın son 4 maçta üst üste yüksek skorlu bitmesi, o takımın sezon genelinde yüksek gol ortalamasına sahip olacağını göstermez. İstatistiksel okumada kısa vadeli seriler ile uzun vadeli ortalamalar birbirine karıştırılmamalıdır.

Yapılan bir diğer yaygın hata ise yanlı örneklem (selection bias) kullanmaktır. Yalnızca belirli bir şartı sağlayan küçük bir veri grubunu seçip genel hakkında hüküm vermek analizi sakatlar. Örneğin sadece güneşli havalarda oynanan 5 maçı baz alıp takımın genel gol beklentisini hesaplamak hatalı bir çıkarım sunar.

Sık karşılaşılan hataları şu şekilde özetleyebiliriz:

• Küçük örneklemdeki 8'de 8 gibi tam başarı oranlarına aşırı güvenmek.
• Verinin hangi zaman diliminde toplandığını ve güncelliğini göz ardı etmek.
• Gözlem sayısı (N) değerini hesaba katmadan sadece yüzdelere bakarak kararlar almak.
• Aykırı değerlerin küçük veri kümeleri üzerindeki bozucu etkisini hesaba katmamak.

Örneklem Analizinin Sınırları ve Yöntemin İşe Yaramadığı Durumlar

Örneklem büyüklüğü ne kadar yüksek olursa olsun, istatistiksel modellerin de belirli sınırları vardır. Spor dünyası dinamik bir yapıya sahip olduğu için geçmişteki 1000 maçlık veri, bugünkü radikal bir değişimi tamamen öngöremez. Yapısal kırılmaların yaşandığı dönemlerde geçmiş veri hacminin değeri düşer.

Örneğin bir takımın teknik direktörü, oyuncu kadrosu veya oyun felsefesi baştan aşağı değiştiğinde, o takıma ait geçmiş 200 maçlık örneklem geçerliliğini yitirebilir. Yeni dönemin dinamikleri eski veri kümesiyle uyuşmadığında, büyük örneklem kullanıcıyı yanlış bir güven hissine sürükleyebilir.

Ayrıca kural değişiklikleri, lig formatı güncellemeleri veya seyircisiz oynama kararları gibi olağanüstü durumlarda da geçmiş verinin temsil gücü zayıflar. İstatistiksel analiz, sayısal veri ile sahada gerçekleşen reel şartların birleşimiyle anlam kazanır. Tek başına sayısal hacim, futbolun dinamik doğasını açıklamaya yetmez.

İlgili yazılar

• Tam İsabetli Görünen Geçmiş Sonuçları Nasıl Okumalı?
• Veri Odaklı İddaa Analizi Nasıl Yapılır? Baştan Sona Örnek Analiz Sistemi