Korelasyon nedensellik değildir ilkesi, iki değişkenin istatistiksel olarak birlikte değişmesinin, birinin diğerinin nedeni olduğu anlamına gelmediğini belirtir. Futbol verisinde bu ayrımı yapamamak, yanlış çıkarımların ve hatalı beklentilerin en sık rastlanan kaynağıdır.
Bir istatistik tablosuna bakıp “bu iki şey birlikte artıyor, demek ki biri diğerini tetikliyor” demek kolay gelir ama genellikle yanıltıcıdır. Futbolda sayılar bol, zaman kısıtlı, dikkat ise dağınık olduğu için bu tuzağa düşmek şaşırtıcı değil. Bir sezon boyunca takip edilen bir takımın çok pas yapması ile çok kazanması arasındaki ilişki, pasın kazandırdığı anlamına gelmez; asıl belirleyici o pasların hangi bölgede, hangi oyuncu kalitesiyle ve hangi rakip karşısında yapıldığıdır. Metrik seçimi yanlış yapıldığında bu karışıklık daha da büyür.
Korelasyon ile nedensellik arasındaki fark neden karıştırılır?
İnsan zihni doğal olarak örüntü arar; iki olay peş peşe veya birlikte gerçekleştiğinde beynimiz otomatik olarak bir bağlantı kurar. Bu eğilim gündelik hayatta işe yarasa da veri analizinde ciddi hatalara yol açar. Bir orta sahanın oynadığı maçlarda takımın kazanma yüzdesi yüksekse, bu oyuncunun “kazandırdığı” sonucuna atlamak cazip gelir; ama belki de o maçlarda takım zaten güçlü kadroyla çıkmıştır ve oyuncunun sahada olması sadece o güçlü kadronun bir parçası olmasıdır.
Gerçek nedensellik iddiası için üç şart gerekir:
- Zamansal öncelik: neden, sonuçtan önce gerçekleşmelidir.
- Tutarlı ilişki: bu ilişki farklı örneklemlerde tekrar gözlenmelidir.
- Alternatif açıklamaların elenmesi: ortak bir üçüncü faktörün her ikisini de tetiklemediği gösterilmelidir.
Futbol verisinde üçüncü şart en çok ihmal edilendir. Örneğin bir takımın sahasında oynadığı maçlarda hem şut sayısı hem gol sayısı yüksek çıkabilir; ama bunun altında yatan gerçek etken saha avantajı, seyirci desteği veya hakem yönelimi olabilir, tek başına şut sayısı değil.
Örneklem büyüklüğü futbol yorumlarını nasıl etkiler?
Örneklem, incelenen veri kümesinin büyüklüğüdür ve küçük olduğunda sonuçların güvenilirliği düşer. Bir oyuncunun ilk dört haftadaki performansına bakıp sezon tahmini yapmak, aslında çok dar bir pencereden bakmaktır; o dört haftada rastlantısal iyi şans, kolay fikstür veya sakat bir rakip savunmacı gibi geçici etkenler devrede olabilir.
Sezon uzadıkça, yani örneklem büyüdükçe, tesadüfi dalgalanmalar birbirini dengeler ve altta yatan gerçek eğilim daha net görünür. Bu yüzden deneyimli analistler tek maçlık veya tek haftalık verilere büyük anlam yüklemekten kaçınır; bunun yerine birden fazla sezonu veya en azından geniş bir maç aralığını kapsayan verilerle konuşur. Araştırma disiplininde bu ilkeye “küçük sayılar yasası” karşıtı olarak da atıfta bulunulur; küçük örneklemlerin büyük örneklemler gibi davranmayacağını hatırlatır.
Bir başka pratik nokta: farklı büyüklükteki örneklemleri birbiriyle doğrudan kıyaslamak da hata doğurur. On maçlık bir performansı otuz maçlık bir performansla aynı ölçekte değerlendirmek, ikisinin taşıdığı belirsizlik düzeyini göz ardı etmek olur.
Ortalama ile medyan arasındaki fark futbol verisinde neden önemli?
Ortalama, tüm değerlerin toplanıp gözlem sayısına bölünmesiyle bulunur; medyan ise verinin küçükten büyüğe sıralandığında ortada kalan değerdir. İkisi de merkezi eğilimi anlatmaya çalışır ama uç değerlere tepkileri çok farklıdır.
Bir hücum oyuncusunun sezon içindeki gol sayıları düşünüldüğünde, tek bir maçta olağanüstü verimli bir performans (örneğin bir maçta çok sayıda gol) ortalamayı yukarı çeker; oysa medyan bu tek olaydan etkilenmeden oyuncunun “tipik” performansını daha sağlıklı yansıtır. Bu fark özellikle şu durumlarda dikkat gerektirir:
- Az sayıda maçta aşırı yüksek veya aşırı düşük bir değer varsa.
- Veri dağılımı simetrik değilse, yani bazı değerler bir yöne doğru uzun bir kuyruk oluşturuyorsa.
- Karşılaştırma yapılan iki oyuncunun kariyer uzunluğu veya rol dağılımı birbirinden çok farklıysa.
Bu yüzden bir istatistik tablosunda sadece ortalama gösterilmişse, o sayının ardında ne tür bir dağılım yattığını sorgulamak gerekir. Medyanla birlikte sunulan ortalama, tek başına verilen ortalamadan çok daha fazla bilgi taşır.
Yaygın istatistik yanılgıları hangi biçimlerde ortaya çıkar?
Futbol izleyicisinin ve hatta bazı yorumcuların düştüğü tuzaklar genellikle tekrar eden birkaç kalıba bağlıdır. Bunlardan biri seçici hafıza; kişi önceden sahip olduğu görüşü destekleyen anları hatırlar, çelişen anları unutur. Bir başkası “sıcak el” yanılgısıdır; bir oyuncu üst üste iyi performans gösterdiğinde bir sonraki maçta da mutlaka aynısını yapacağı varsayılır, oysa her performans kendi bağımsız koşullarını taşır.
Bir diğer yaygın hata, korelasyonu tersine çevirmektir: “Takım A çok korner kazandığında kazanıyor” ifadesi doğru olsa da, bu ilişkinin yönü belirsizdir; belki de takım zaten baskın oynadığı için hem korner kazanıyor hem de kazanıyor, korner kendisi sonucu değiştirmiyor. Bu ayrımı yapmadan bir metriği “gösterge” gibi kullanmak, gerçek etkiyi olmayan bir sayıya anlam yüklemek demektir.
Yaşamsal önem sıralaması bakımından en tehlikeli yanılgı, hayatta kalma yanlılığıdır: yalnızca başarılı örnekleri inceleyip başarısız örnekleri göz ardı etmek. Örneğin sadece uzun kariyer yapmış oyuncuların erken yaş verilerine bakıp bir “başarı formülü” çıkarmak, aynı yaşta benzer verilere sahip ama kariyeri kısa süren binlerce oyuncuyu görmezden gelir.
Doğru örneklem seçimi ve karşılaştırma nasıl yapılır?
Adil bir karşılaştırma için önce hangi verinin hangi bağlamda toplandığını bilmek gerekir. İki oyuncu farklı liglerde, farklı pozisyonlarda ve farklı dakika yüklerinde oynuyorsa, ham sayıları yan yana koymak yanıltıcı olur. Bunun yerine dakika başına normalize edilmiş veriler veya benzer rol grupları içinde yapılan kıyaslamalar daha güvenilir sonuç verir.
Örneklem seçerken zaman aralığının tutarlı olması da kritik. Bir oyuncunun sakatlık öncesi ve sonrası verilerini aynı sepete koymak, aslında iki farklı “oyuncu durumunu” birleştirmek olur. Benzer şekilde teknik direktör değişikliği, formasyon dönüşümü gibi yapısal kırılmalar da veriyi bölmeyi gerektirir; aksi halde hesaplama sonucu iki farklı gerçekliğin ortalamasına dönüşür ve hiçbirini doğru temsil etmez.
Referans havuzunun genişliği de önemli bir faktördür. Bir oyuncuyu sadece kendi takım arkadaşlarıyla değil, aynı ligde benzer rolü oynayan geniş bir oyuncu grubuyla kıyaslamak, o oyuncunun gerçek konumunu daha net gösterir.
Bu yanılgılardan kaçınmak için hangi pratik alışkanlıklar işe yarar?
Öncelikle her sayıyı gördüğünde “bu kaç maçlık bir veri?” sorusunu sormak faydalı bir refleks haline gelmeli. İkinci olarak, bir ilişki gördüğünde hemen neden-sonuç bağı kurmadan önce “başka hangi faktör bu ikisini birlikte tetikliyor olabilir?” diye düşünmek gerekir. Üçüncüsü, ortalama tek başına verildiğinde medyanı veya dağılımın şeklini de sorgulamak, sayının ardındaki gerçek resmi görmeye yardımcı olur.
Uzun vadede güvenilir bir veri okuma alışkanlığı, tek bir maçın veya tek bir sezonun sunduğu heyecana kapılmadan, geniş örneklemlere ve tutarlı metodolojiye dayanan bir bakış açısı geliştirmekten geçer. Bu yaklaşım, hem oyun sonuçlarını takip ederken hem de genel spor kültürünü değerlendirirken daha sağlıklı bir zihinsel çerçeve sunar. İstatistiksel düşüncenin temel prensipleri konusunda daha derin bir kaynak isteyenler korelasyon ve nedensellik kavramlarının genel tanımına başvurabilir.
18 yaş ve sorumlu oyun ilkeleri çerçevesinde, veri okuryazarlığı sadece analiz kalitesini artırmaz; aynı zamanda beklentilerin gerçekçi kalmasına da katkı sağlar. Sorumlu oyun bilinciyle yaklaşan bir izleyici, tek bir istatistiğin ya da tesadüfi bir serinin peşinden gitmek yerine, geniş resme bakmayı öğrenir.
18+ — bilgilendirme amaçlıdır.
Sıkça Sorulan Sorular
Korelasyon ile nedensellik arasındaki fark nedir?
Korelasyon, iki değişkenin birlikte hareket etmesidir; nedensellik ise bunlardan birinin diğerini gerçekten üretmesidir. Bir takımın çok korner kazandığı maçları çok da kazanması, kornerin galibiyeti "yarattığı" anlamına gelmez; ikisi de başka bir ortak sebepten, örneğin baskın oyundan kaynaklanabilir.
Küçük örneklem futbol yorumlarında neden risklidir?
Küçük örneklemde şans faktörünün etkisi orantısız büyür; üç-beş maçlık bir seri, oyuncunun veya takımın gerçek eğilimini yansıtmaktan çok o dönemin tesadüfi dalgalanmasını gösterir. Sezon uzadıkça bu dalgalanma sönümlenir ve gerçek performans daha görünür hale gelir.
Ortalama yerine medyan ne zaman kullanılmalı?
Veri setinde uç değerler (çok yüksek veya çok düşük ölçümler) varsa medyan daha güvenilir bir merkezi eğilim ölçüsü sunar; çünkü ortalama bu uç değerlerden kolay etkilenirken medyan sıralamanın ortasındaki değeri gösterdiği için daha dayanıklıdır.
Doğrulama yanlılığı (confirmation bias) futbol analizinde nasıl ortaya çıkar?
Bir yorumcu önceden bir görüşe sahipse, o görüşü destekleyen veriyi fark eder ve çelişen veriyi göz ardı eder. Örneğin bir oyuncunun "formda olduğuna" inanan biri, onun kaçırdığı pozisyonları unutup golünü hatırlar; bu seçici hafıza istatistiksel değerlendirmeyi bozar.