# Statistical Interpretation and Visualization

> Source: https://sukruyusufkaya.com/en/learn/claude-ustaligi/istatistik-yorumlama
> Updated: 2026-05-11T13:48:33.912Z
> Category: Claude Ustalığı
> Module: 6. Data Analysis and Research
**TLDR:** Stories, not just numbers — interpret statistical results with Claude, with significance thresholds and visualization choices.

# Sayıyı Hikâyeye Çevir

Bir A/B testi sonucu '%2.7 daha iyi, p < 0.05' olduğunda Claude'a sadece "yorumla" demek yetmez. Üç soruyu sor:

1. **Efekt boyutu** ne? (büyüklüğü iş için anlamlı mı)
2. **Anlamlılık** ne? (istatistiksel güven nasıl)
3. **Karar nedir?** (yayınla, devam et, kapat)

$$
p\text{-value} = P(\text{gözlemden eşit veya daha aşırı veri} \mid H_0)
$$

```text
<role>Kıdemli istatistikçi + ürün analisti.</role>

<context>
Test: yeni onboarding akışı vs. eski.
Metrik: 7. günde aktif kullanım oranı.
N: kontrol 12,403; varyant 12,389.
Sonuç: control 28.4%, variant 31.1%.
p-value: 0.012, CI95: [+1.6%, +3.8%].
</context>

<task>
1) Etki boyutunu sözel ifade et (delta, oransal artış).
2) Belirsizliği aralıklarla ifade et.
3) İş etkisi tahminin (kabaca) — eğer trafik 1M/ay ise.
4) Önerin: yayınla / devam et / kapat?
5) Önerinin altında 2 risk yaz.
</task>
```

### Görselleştirme: hangi grafik?

- **Trend / zaman:** çizgi grafik
- **Karşılaştırma (az kategori):** bar
- **Dağılım:** histogram veya box plot
- **İlişki / korelasyon:** scatter
- **Kompozisyon:** stacked bar / treemap (donut'tan kaçın)
- **Akış:** sankey

Pasta grafik genelde kötü seçim — 3 dilim üstü pasta yorumlanamaz.

### Yanlış yorumlama tuzakları

- p < 0.05 'doğru' demek değildir; sadece 'rastlantı düşük olasılıkla' der.
- Büyük örneklemde küçük etki kolayca anlamlı görünür → efekt boyutu önemli.
- Çoklu test yapıldığında p-value şişer (Bonferroni / Benjamini-Hochberg).
- Korelasyon nedensellik değildir (Modül 6.5'te detaylı).

### Görsel öneriyi koddan yaz

Claude'a yorumdan sonra bir matplotlib / vega-lite / observable plot kodu yazdır. Renkleri marka paletine sabitle.

## A/B testi sonuçlarını sözel hâle çevir

```python
def interpret_ab(c_rate, v_rate, p, ci95_lo, ci95_hi, monthly_users):
    delta_abs = (v_rate - c_rate) * 100  # %
    delta_rel = (v_rate - c_rate) / c_rate * 100
    incremental = (v_rate - c_rate) * monthly_users
    return {
        "delta_pp": round(delta_abs, 2),
        "delta_rel_pct": round(delta_rel, 2),
        "p": p,
        "ci95_pp": [round(ci95_lo*100, 2), round(ci95_hi*100, 2)],
        "incremental_users_per_month": round(incremental),
        "verdict": "yayınla" if p < 0.05 and ci95_lo > 0 else "devam et",
    }

print(interpret_ab(0.284, 0.311, 0.012, 0.016, 0.038, 1_000_000))
```

**Boşluk doldurma egzersizi (text):**
```text
İstatistiksel sonuçta efekt _____ , anlamlılık ve karar üçü birlikte yorumlanır. Çoklu test için _____ veya Benjamini-Hochberg düzeltmesi gerekir. Korelasyon _____ değildir.
```

> ✋ Kontrol noktası: `q-602-mc1`