Hipotez testi

Hipotez testi diğer bir deyişle tahmin sınamaları olarak adlandırabiliriz. Hipotez testinin ne olduğunu tam olarak anlayabilmemiz için gerekli olan birkaç tanımı bilmemizdir. Bunlardan ilki hipotez kelimesinin ne anlama geldiği bizim için ne ifade ettiğidir.

Hipotez kısaca doğruluğu bir araştırma ya da deney ile test edilmeye çalışılan öngörülere, denencelere denir.

Hipotez testleri bir örneklem ortalaması ile bu örneklemin çekilmiş olduğunu düşündüğümüz ortalaması etrafındaki farkın anlamlı olup olmadığını (yani önemli bir fark olup olmadığını) araştırmamızı sağlayan testlerdir.

Eğer iki anakütlenin ortalamaları arasındaki fark ile ilgileniyorsak; bunlardan çekilen örneklemlerin ortalamalar arasındaki farka ait hipotez testleri yaparak, farkın doğru olup olmadığını anlayabiliriz.

Hipotez testleri için temel varsayımlar

Örneğe alınan birimler birbirlerinden bağımsız olarak seçilmiş olmalıdırlar.
Anakütle normal dağılıma sahip olmalıdır.
İki anakütle söz konusu ise bunların varyansları eşit olmalıdır.

Hipotez testinin aşamaları

Hipotezlerin oluşturulması nasıl yapacağım?
Anlam düzeyinin (α) belirlenmesi
Örnekleme dağılımının belirlenmesi
Ret alanının ve kritik değerin belirlenmesi
Karşılaştırmalar, sonuç ve yorum

Sıfır hipotezi (H_o)^[1]

Null, Yokluk Hipotezi, İstatistiksel Hipotez => :Örneklemden elde edilen ortalama ile anakütleye ait ortalamanın farkı "sıfır","0" sayılabilir. Yani anakütle üzerinde yapılan deformasyonların anakütle aritmetik ortalamasını değiştirmeyeceği görüşünü savunur. Bu görüş savunulurken istatistiksel anlamlılık denilen (%99 %97 veya %95) yanılgı payı göz önüne alınır. Zaten yapılan işlemlerden sonra farkın çok küçük de olsa sıfırdan farklı olduğu görülür

Karşıt Hipotez (H₁)

Alternatif, Araştırma Hipotezi.:Yani yapılan deformasyonun anakütle aritmetik ortalamasını değiştireceği öngürüsüdür.

Karşılaşılabilecek durumlar

"H_o doğrudur": Hipotez testi sonunda biz doğru olduğunu buluyoruz. Yani "kabul" ediyoruz. ((1-α) güven katsayısı ile bu çıkardığımız sonuç doğrudur.)
"H_o doğru" olmasına karşın hipotez testi sonunda biz onun yanlış olduğunu zannedip H_o'ı reddediyoruz. (I. tür hata veya α hata)
"H₀ hatalı veya yanlıştır": Biz onu doğru zannedip kabul ettik. Hata! (II. tür hata veya β hata)
"H₀ hatalı veya yanlıştır": Biz onun yanlış olduğunu bulduk; H₀'ı reddettik. ((1-β) veya testin gücü ile bu çıkardığımız sonuç doğrudur .

"Güç", bir hipotez testinin isabetliliği için önemli bir kriterdir ve her zaman maksimize edilmek istenir. Güç'ün 1 çıkması o testin ideal olduğunu gösterir ama pratikte "Güç = 1" olan testlere çok nadir rastlanır.

I. Tür - α ve II. Tür - β tipi hatalar bilinçli olarak yapılan hatalardır. Burada bu hataların bilinçli yapılmasının sebebi olaylara bir de tersinden bakma gereksiniminden dolayıdır.

Özetle:

	$H_{0}$ gerçek	$H_{0}$ hatalı
$H_{0}$ kabulu	Doğru karar çıkarım	II.Tür hata (β)
$H_{0}$ reddi	I.Tür hata (α)	Doğru karar çıkarım

Olasılıklar

α : Hatalı karar, H_o doğru, biz onu yanlış diye reddediyoruz. (I. Tip Hata)

β : Hatalı karar, H_o yanlış, biz onu doğru diye kabul ediyoruz.

(1-α) : Doğru bir H_o hipotezini kabul etmemiz olasılığı olup buna testin güvenilirlik düzeyi denir.

(1-β) : Yanlış bir H₀ hipotezini reddetmemiz olasılığı olup buna testin gücü denir.

Hipotez testi yaparken, α ve β hatalarını en aza indirmek için örneklemdeki birim sayısını olabildiğince fazlalaştırmak gerekir. α hatası yapma olasılığı azalırsa β hatası yapma olasılığı artar. İki hatanın olasılığından biri azalırken diğeri artar. Aynı testte hem α hem de β hatası beraber yapılamaz. Hatasız bir test yapmak mümkün değildir. %100 doğru karar verilemez. Normal dağılım asimtotik olup x-ekseni ile kesişmediği için çok küçük de olsa bir risk söz konusudur.

Tek Anakütle Ortalaması İçin Test

Burada araştırma sorunu tek bir anakütle paramatresi (anakütle ortalaması) hakkındadır. Bu anakütle ortalama değeri tam olarak bilinmemekte ve belirlenen bir hipotez değerde $\mu _{0}$ (Mü sıfır diye okunur) olduğu varsayılmaktadır. Hipotez testi anakütle ortalamasına verilen değer hakkındadır. "Sıfır hipotez" değeri bu parametre için belirtilen değerde olduğudur ve yani

H_o : μ = μ_o

alternatif hipotez ise

H_o : μ <> μ_o

Bir anakütleden "basit olasılık örnekleme yöntemi" kullanarak "n" örneklem büyüklüğü olan bir örneklem ele geçirilir; istenilen değerler ölçülür ve ${\bar {x}}$ (x bar diye okunur) değerindeki örneklem ortalaması bulunur. Hipotez testi yönteminde araştırma hedefi bu örneklemin söz konusu anakütleden çekilmiş olup olamayacağını ya da kaynagi olan anakütleden çekilmiş olabilmesinin olasılığının ne olabileceğini ortaya koymaktir.

Örnek

Bir alçı dolum makinesi μ_o=20 kg ortalama ağırlıklı alçı dolumu yaparken arıza yapar. Tamirci getirip tamir ettirilir. Acaba yine μ_o=20kglık dolum yapabilecek midir?

Deneme yapıp görmek gerekir.

40 torba basit örneklem yöntemine göre seçilip bu 40 alçı torbası ağırlıkları şöyle ölçülmüştür:

$X_{1}$ = 19,8 kg, $X_{2}$ = 20,5 kg, $X_{3}$ = 21,2 kg, $X_{4}$ = 18,9 kg, ... , $X_{40}$ = 20,8 kg

Örneklem ististikleri şöyle hesaplanmıştır:

n = 40 torba

Örneklem ortalaması : ${\bar {x}}$ = 21,4 kg

Örneklem standard sapması: σ = 3,2 kg

$\sigma _{\bar {x}}$ = $3,2/{\sqrt {4}}0=0,506$

${\bar {x}}\mp \sigma _{\bar {x}}$ -> 21,4±0,506 kg

Buradan sonra hipotez tesleri sürecine geçilir.

Hipotezler

H_o: Elimizdeki örneklem anakütle ortalaması "M_o = 20 kg" olan bir anakütleden çekilmiş bir rassal örneklem olup, örneklem ortalaması X- değeri anakütle ortalamasına eşit olarak kabul edilebilir. Aradaki 1,4 kg lık fark ise tesadüfe bağlanabilecek, önemli olmayan, anlam taşımayan çok küçük bir farktır. Dolayısıyla X- = Mo yazabiliriz. Yani elimizdeki örneklemin ait olduğu anakütle ortalamasını M ile gösteririz.

H₁: Bu örneklem "M_o = 20 kg" olan bir anakütleden çekilmiş bir rassal örneklem olamaz. Aradaki 1,4 kg lık fark tesadüfe bağlı değil, ayarlamanın yapılmamış olması nedeni ile gerçekleşmiştir. Bu kadarlık farkın tesadüfen ortaya çıkmış olması olasılığı çok küçüktür. Dolayısıyla dolum ayarı iyi olmadığı için istenenden daha hafif ya da daha ağır dolumlarla karşılaşmamız olasıdır. Bu örneklemin çekilmiş olduğu anakütle 20 kg olamaz. Örneklemimiz kendine ait başka bir anakütleden çekilmiş olmalıdır.

İstatistiksel anlamlılık düzeyinin belirlenmesi (Risk düzeyi, Yanılgı Payı, Hata payı)

α nın saptanması.

Hatasız bir test yapamayacağımız için her testte bir miktar yanılma riskimiz vardır. Bunu 0,05 ; 0,01 ; 0,005 ; 0,0001;... gibi bir düzey olarak benimseyebiliriz. Yanılma payımız küçüldükçe, teste olan güven düzeyimiz yükselir. O nedenle istatistikçiler olabildiğince az yanılma ile test yapmak isterler. Yine de α =0,05 ve α=0,01 düzeyleri en çok kullanılanlardır.

α=0,05 olsun. Testin güven düzeyi = 1 - α = 0,95 olur.

Örnekleme dağılımının belirlenmesi

Elimizdeki veriler tartma yoluyla elde edilmiş sürekli, nitelik, nicel bir değişkene aittir. Bu tip veriler genelde normal dağılım gösterirler. Yani örneklemimiz "normal dağılım" lı bir anakütleden çekilmiştir. Anakütle sonsuz büyüklüktedir. Seçim iadesiz seçimdir ve tamamen rassal bir süreçle yapılmıştır. Yani torbaların ağırlıkları birbirini etkilememiştir. n>30 olduğu için büyük bir örneklem ile çalışıyoruz. Aynı anakütleden n=40 birimli pek çok sayıda örneklem çekmiş olsak, bunların X- ortalama dağılımı bir normal dağılım olur. Bu ortalamaların ortalaması anakütle ortalamasını verir. "kg" biriminden kurtulmak için X- ortalama değerlerini standardize edersek, verilerimiz z değerlerine dönüşür ve dağılımımız bir standart normal dağılım olan z dağılımı na dönüşür.

Ret alanının belirlenmesi

Kritik değerin saptanması

Ret alanı demek; normal dağılım eğrisi altında seçtiğimiz güven alanı (H_o'ın kabul alanı) dışında kalan H_o'ın reddedilmesini sağlayan küçük alanlardır. Ret alanı çift yönlü olabilir. (eksi taraf, artı taraf) veya tek taraflı olabilir. (Yani ya sol tarafta ya da sağ tarafta) Bunun anlaşılması için H₁ hipotezine bakarız.

Test istatistiği

Elimizdeki örnekleme ait zh değeri örneklemin bir istatistiğidir. Bu istatistik yardımıyla hipotez testini sonuçlandıracağız. O nedenle, z_h değerine Test İstatistiği adını veriyoruz.

$z_{h}={\frac {{\overline {x}}-\mu _{0}}{\frac {\sigma }{\sqrt {n}}}}$

= (21,4-20)/0,51 = 2,74

Karşılaştırma, sonuç ve yorum

Bir hipotez testinde; z_h < z_α ise; H_o kabul edilir. Bu elimizdeki X-in, M ye yakın kabul edilebilecek bir konumda (H_o'ın kabul alanında) bulunduğunu gösterir.

Eğer z_h > z_α ise; H_o reddedilir. Elimizdeki örneklemin, M_o ortalamalı bir anakütleden çekilmiş rassal bir örneklem olmayacağı çünkü böyle bir şeyin gerçekleşmesi olasılığının çok küçük (p<0,05 veya p<0,01) olduğu sonucuna ulaşılır.

Sonuç

z_h = 2,74 > z_0,05 = 1,96 --> Ho RET

Bu duruma göre: elimizdeki örneklemin ortalaması, ilgilendiğim anakütlenin ortalamasından çok uzağa düşen bir büyüklüktedir. O nedenle iki ortalama arasındaki farkı z değerine dönüştürdüğümde, bulduğum z_h = 2,74 değeri de z_0,05 = 1,96 nın ötesine düşmüştür. Yani %5'lik ret alanına düşmüştür. Bu durumda X- = M_o biçiminde ifade ettiğim ve oradan M=M_o düzeyine yükselttiğim H_o hipotezini kabul edemem. Demek ki, bu makine hatalı dolum yapmakta, ortalaması 20 kg olan dolumlar gerçekleştirememektedir. Aynı deneyi n=40 olan 100 örneklem ile tekrarlarsam, bunun 95inde gene aynı sonuçla karşılaşmayı beklerim. Belki yalnızca 5inde makinenin ayarı iyiymiş gibi hatalı bir sonuca ulaşabilirim.

Dolayısıyla; verdiğim kararın doğru olması olasılığı %95 iken hatalı olması olasılığı en fazla %5 tir.

Test sonucundaki değerlendirmeler ve yorum

1) z_h<z_α olduğunda, H_o hipotezini kabul ediyoruz ve;

Bu iki örneklemin çekilmiş olduğu anakütle ortalamalarının birbirlerine eşit olduklarını,
Bu iki anakütlenin aynı anakütleden çekilmiş birer rassal örneklem olduğunu,
İki örneklem ortalaması arasında gözlediğimiz farkın bir olasılık eseri olarak ortaya çıkmış, istatistik bakımından anlamlı olmayan, önemli olmayan küçük bir fark olduğunu düşünürüz.

2) z_h>z_α olduğunda, H_o hipotezini reddediyoruz ve;

Ho hipotezine ait olan düşüncemizin tersini kabul ediyoruz, yani H₁'i kabul ediyoruz.
Bu büyüklükteki z_h değerinin olasılığa bağlı olarak ortaya çıkmış olması olasılığı (ihtimali) çok düşüktür. Bu olasılık (p değeri) seçtiğimiz α dan da küçüktür. Bu kadar küçük bir olasılıkla ortaya çıkan bu z değerini artık rastgeleliğe değil anakütlenin gerçekten farklı olmasına bağlarız.

Önemli parametrik hipotez sınamaları özeti

Tek örneklem ve tek anakütle parametresi için hipotez sınamaları

İsim	Formül	Varsayımlar
Tek-örneklem z-testi	$z={\frac {{\overline {x}}-\mu _{0}}{\frac {\sigma }{\sqrt {n}}}}$	(Normal dağılım veya n > 30) ve bilinen σ değeri. (z standard sapmalar sayı birimleri ile ölçülen ortalamaya uzaklıktır. n standard sapma aralığına düşen bir anakütlenin oranin en küçük değerini hesaplamak mümkündür; (bakin: Chebyshev'in eşitsizliği).
Tek-örneklem t-testi	$t={\frac {{\overline {x}}-\mu _{0}}{\frac {s}{\sqrt {n}}}},$ $df=n-1\$	(Normal anakütle veya n < 30) ve bilinmeyen σ değeri
Tek-oran için z-testi	$z={\frac {{\hat {p}}-p}{\sqrt {\frac {p(1-p)}{n}}}}$	n^.p > 10 ve n (1 − p) > 10

İki-örneklem ve iki anakütle parametresi farkı için hipotez sınamaları

İsim	Formül	Varsayımlar
İki-örneklem z-testi	$z={\frac {({\overline {x}}_{1}-{\overline {x}}_{2})-(\mu _{1}-\mu _{2})}{\sqrt {{\frac {\sigma _{1}^{2}}{n_{1}}}+{\frac {\sigma _{2}^{2}}{n_{2}}}}}}$	Normal dağılım ve bağımsız gözlemler ve (bilinen σ₁ ve σ₁ değerleri)
İki-örneklem pool edilmiş t-testi	$t={\frac {({\overline {x}}_{1}-{\overline {x}}_{2})-(\mu _{1}-\mu _{2})}{s_{p}{\sqrt {{\frac {1}{n_{1}}}+{\frac {1}{n_{2}}}}}}},$ $s_{p}^{2}={\frac {(n_{1}-1)s_{1}^{2}+(n_{2}-1)s_{2}^{2}}{n_{1}+n_{2}-2}},$ $df=n_{1}+n_{2}-2\$	(Normal anakütle veya n1+n2 > 40) ve bağımsız gözlemler ve σ₁ = σ₂ ve (bilinmeyen σ₁ ve σ₂ değerleri)
İki-örneklem pool edilmemiş t-testi	$t={\frac {({\overline {x}}_{1}-{\overline {x}}_{2})-(\mu _{1}-\mu _{2})}{\sqrt {{\frac {s_{1}^{2}}{n_{1}}}+{\frac {s_{2}^{2}}{n_{2}}}}}},$ $df={\frac {(n_{1}-1)(n_{2}-1)}{(n_{2}-1)c^{2}+(n_{1}-1)(1-c)^{2}}},$ $c={\frac {\frac {s_{1}^{2}}{n_{1}}}{{\frac {s_{1}^{2}}{n_{1}}}+{\frac {s_{2}^{2}}{n_{2}}}}}$ veya $sd=\min\{n_{1},n_{2}\}-1\$	(Normal anakütleler veya n₁+n₂ > 40) ve bağımsız gözlemler ve σ₁ ≠ σ₂ ve (bilinmeyen σ₁ ve σ₂ değerleri)
Çiftleştirilmiş t-testi	$t={\frac {{\overline {d}}-d_{0}}{s_{d}}},$ $sd=n-1\$	(Normal farklar anakütlesi veya n < 30) ve bilinmeyen σ değeri
İki-oran için z-testi, eşit varyanslar	$z={\frac {{p}_{1}-{p}_{2}}{\sqrt {{\hat {p}}(1-{\hat {p}})({\frac {1}{n_{1}}}+{\frac {1}{n_{2}}})}}}$ ${\hat {p}}={\frac {x_{1}+x_{2}}{n_{1}+n_{2}}}$	n₁^.p₁ > 5 ve n₁(1 − p₁) > 5 ve n₂^.p₂ > 5 ve n₂(1 − p₂) > 5 ve bağımsız gözlemler
İki-oran için z-testi, eşit olmayan varyanslar	$z={\frac {({\hat {p}}_{1}-{\hat {p}}_{2})-(p_{1}-p_{2})}{\sqrt {{\frac {{\hat {p}}_{1}(1-{\hat {p}}_{1})}{n_{1}}}+{\frac {{\hat {p}}_{2}(1-{\hat {p}}_{2})}{n_{2}}}}}}$	n₁^.p₁ > 5 ve n₁(1 − p₁) > 5 ve n₂^.p₂ > 5 ve n₂(1 − p₂) > 5 ve bağımsız gözlemler

Sembollerin tanımlanması

$n$ = örneklem büyüklüğü
$\overline{x}$ = örneklem ortalaması
$\mu _{0}$ = anakütle ortalaması
$\sigma$ = anakütle standard sapması
$t$ = t istatistiği
$sd$ = serbestlik derecesi
$n_{1}$ = örneklem 1 büyüklüğü
$n_{2}$ = örneklem 2 büyüklüğü
$s_{1}$ = örneklem 1 std. sapması
$s_{2}$ = örneklem 2 std. sapması
$p_{1}$ = oran 1
$p_{2}$ = oran 2
$\mu _{1}$ = anakütle 1 ortalaması
$\mu _{2}$ = anakütle 2 ortalaması
$\min\{n_{1},n_{2}\}$ = n1 veya n2 için en küçük değer

Kaynakça

Işık, İ. (2014). Yokluk Hipotezi Anlamlılık Testi ve Etki Büyüklüğü Tartışmalarının Psikoloji Araştırmalarına Yansımaları. Eleştirel Psikoloji Bülteni, Nisan 2014, sayı: 5, sayfa:55-80. http://elestirelpsikoloji.org/wp-content/uploads/2014/11/55-80-Isik.pdf

Dış bağlantılar

Halk sağlığı

Genel

Oksoloji • Biological hazard • Chief Medical Officer • Cultural competence • Deviance • Çevre sağlığı • Euthenics • Genomics • Globalization and disease • Health economics • Health literacy • Sağlık politikaları • (Health system • Healthcare reform •Public health law) •Maternal health •Tıbbi antropoloji •Medical sociology •Mental health •Pharmaceutical policy •Public health laboratory •Reproductive health • Sosyal psikoloji • Sociology of health and illness • Tropical disease

Koruyucu sağlık hizmetleri

Behavior change • Aile planlaması • Health promotion • Human nutrition • Hijyen • (El yıkama • Infection control • Oral hygiene) • İş güvenliği ve sağlığı • (Ergonomi • Injury prevention • Medicine • Nursing) • Patient safety • (Organization) • Pharmacovigilance • Safe sex • (Cinsel yolla bulaşan hastalıklar) • Sanitation • (Fecal-oral transmission • Open defecation • Vector control • Waterborne diseases) • Smoking cessation • Aşılama

Population health

Biyoistatistik • Child mortality • Community health • Epidemiyoloji • Global health • Health impact assessment • Health system • Bebek ölümü • Open-source healthcare software • Public health informatics • Social determinants of health • (Health equity • Race and health) • Social medicine

Biyolojik ve
epidemiyolojik istatistikler

Hipotez testi • case-control study • randomized controlled trials • Klinik epidemiyoloji • ROC eğrisi • Öğrencilere t-testi • Z-test • Varyans analizi • Regresyon • Göreceli risk • statistical software • (SAS • SPSS • Stata)

Bulaşıcı ve epidemik
hastalıkların önlenmesi

Cinsel yolla bulaşan hastalıklar • vaccine regulation • Aşılama • tropical diseases • Enfeksiyon hastalıkları • Epidemiyoloji • surveillance • Karantina • health economics

Gıda hijyeni ve
sertifikasyon sistemleri

Gıda güvenliği • Gıda katkısı • Gıda işleme • Certified Agricultural • GMP • GSP • GAP • CSP • ISO • HACCP • CCP • Halal (for Islam) • Gıda mühendisliği • Food microbiology • food Chemistry • food technology • Genetik mühendisliği

Sağlık davranışları
bilimleri

Health belief model • rational behavior model • theory of planned behavior • Transtheoretical model • Social cognitive theory • Social Support theory • health Communication • precede porceed model • Community health • Ecosystem model

Sağlık ve
politika analizi

policy analysis • Insurance Economics • İstatistik • regional regulations • social security system • Muhasebe • Sosyal psikoloji • İletişim

Organizasyonlar
Eğitim
ve Geçmiş

Kuruluş ve Örgütler	Europe (Avrupa Hastalık Önleme ve Kontrol Merkezi • Committee on the Environment, Public Health and Food Safety) India (Ministry of Health and Family Welfare) U.S. (Amerika Birleşik Devletleri Hastalık Kontrol ve Korunma Merkezleri • Center for Minority Health • Council on Education for Public Health • Public Health – Seattle & King County • Public Health Service) • Globalization and Health • Dünya Sağlık Örgütü • World Toilet Organization East Asia (Health and Welfare Ministry • Gıda ve İlaç Dairesi • Çevre Koruma Ajansı)

Eğitim	Bachelor of Science in Public Health • Master of Public Health • Doctor of Public Health • European Programme for Intervention Epidemiology Training (EPIET) • Health education • Professional Further Education in Clinical Pharmacy and Public Health

Geçmiş	Sara Josephine Baker • Samuel Jay Crumbine • Carl Rogers Darnall • Joseph Lister • Margaret Sanger • John Snow • Mary Mallon • Hastalık yapıcı mikrop teorisi • Social hygiene movement

İstatistik

Betimsel istatistik

Sürekli veriler

Merkezî konum	Ortalama (Aritmetik, Geometrik, Harmonik) • Medyan • Mod

Yayılma	Açıklık • Standart sapma • Varyasyon katsayısı • Çeyrekler açıklığı • Kesirlilikler (kantil) (Dörttebirlik,Ondabirlik, Yüzdebirlik)

Dağılım şekli	Varyans • Çarpıklık • Basıklık • Momentler

İstatistiksel tablolar

Sıklık dağılımı • Çoklu sayılı özetleme tabloları • İlişki tablosu • Çoklu-yönlü sınıflandırma tabloları

İstatistiksel grafikler

Dairesel grafik • Çubuk grafiği • Kutu grafiği • Dal Yaprak Grafikleri •Kontrol diyagramı • Histogram • Sıklık çizelgesi • Q-Q grafiği • Serpilme diyagramı

Veri toplama

Örnek tasarımı	Anakütle •Basit rassal örnekleme Örüntülü örnekleme • Tabakalı örnekleme • Küme örneklemesi • Çok aşamalı örnekleme •

Deneysel tasarım	Anakütle • İstatistiksel deneysel tasarım tipleri • Deneysel hata • Yineleme • Bloklama • Duyarlılık ve belirleme

Örneklem kavramları	Örneklem büyüklüğü • Sınama gücü • Etki büyüklüğü • Örnekleme dağılımı •Standart hata

Çıkarımsal istatistik
ve
İstatistiksel kestirim ve testler

Çıkarımsal analiz tipleri

Kestirim • Parametrik çıkarımsal analiz •Parametrik olmayan çıkarımsal analiz • Bayesci çıkarımsal analiz • Meta-analiz

Çıkarımsal kestirim

Genel kestirim kavramları	Momentler yöntemi • Maksimum olabilirlilik • Bayes-tipi kestirimci • Minimum uzaklık • Maksimum aralık verme

Tekdeğişkenli kestirim	Kestirim • Güven aralığı • İnanılır aralık

Hipotez testi

İstatistiksel test ana kavramları	Sıfır hipotez • I.Tür ve II.Tür hata • Anlamlılık seviyesi •p-değeri

Basit tek-değişkenli ve iki-değişkenli parametrik hipotez testi	μ için testi • π için test • μ₁-μ₂ için test • π₁-π₂ için test • σ₁/σ₂ için test

Tek-değişkenli ve iki-değişkenli parametrik olmayan test analizi	Medyan testi • Ki-kare testi • Pearson ki-kare testi •Phi katsayısı • Wald testi • Mann-Whitney U testi • Wilcoxon'in işaretli sıralama testi

Korelasyon
ve
Regresyon analizi

Korelasyon	Pearson çarpım-moment korelasyonu • Sıralama korelasyonu ( Spearman'in rho • Kendall'in tau)

Doğrusal regresyon	Regresyon analizi • Doğrusal model • Genel doğrusal model • Genelleştirilmiş doğrusal model

Doğrusal olmayan regresyon	Parametrik olmayan • Yarıparametrik • Logistik

Varyans analizi	Tek-yönlü varyans analizi • Kovaryans analizi • Bloklu tek-yönlü varyans analizi • Etki karışımı değişkeni

Çokdeğişkenli istatistik

Çokdeğişkenli regresyon • temel bileşenler · Faktör analizi •Kanonik korelesyon • Uygunluk analizi • Kümeleme analizi

Zaman serileri analizi

Yapısal model tanımlanması	Zaman serisi yapisal model ögeleri • Zaman serisi ögeleri saptanması • Zaman grafiği • Korrelogram

Zaman serileri kestirim teknik ve modelleri	Dekompozisyon • Trend uygulama kestirimi • Üssel düzgünleştirme • ARIMA modelleri • Box–Jenkins • Spektral yoğunluk kestirimi

Kestirim değerlendirmesi	Zaman seri kestirim değerlendirmesi

Sağkalım analizi

Sağkalım fonksiyonu • Kaplan–Meier • Log-sıra testi • Başarısızlık oranı • orantılı tehlikeler modeli

Kategori • Outline • Endeks

↑ Işık, İ. (2014). Yokluk Hipotezi Anlamlılık Testi ve Etki Büyüklüğü Tartışmalarının Psikoloji Araştırmalarına Yansımaları. Eleştirel Psikoloji Bülteni, Nisan 2014, sayı: 5, sayfa:55-80. http://elestirelpsikoloji.org/wp-content/uploads/2014/11/55-80-Isik.pdf

This article is issued from Vikipedi - version of the 3/10/2016. The text is available under the Creative Commons Attribution/Share Alike but additional terms may apply for the media files.

Hipotez testi

Hipotez testleri için temel varsayımlar

Hipotez testinin aşamaları

Sıfır hipotezi (Ho)[1]

Karşıt Hipotez (H1)

Karşılaşılabilecek durumlar

Olasılıklar

Tek Anakütle Ortalaması İçin Test

Örnek

Hipotezler

İstatistiksel anlamlılık düzeyinin belirlenmesi (Risk düzeyi, Yanılgı Payı, Hata payı)

α nın saptanması.

Örnekleme dağılımının belirlenmesi

Ret alanının belirlenmesi

Test istatistiği

Karşılaştırma, sonuç ve yorum

Sonuç

Test sonucundaki değerlendirmeler ve yorum

Önemli parametrik hipotez sınamaları özeti

Tek örneklem ve tek anakütle parametresi için hipotez sınamaları

İki-örneklem ve iki anakütle parametresi farkı için hipotez sınamaları

Sembollerin tanımlanması

Kaynakça

Dış bağlantılar

Sıfır hipotezi (H_o)^[1]

Karşıt Hipotez (H₁)