istatistik
DESCRIPTION
TRANSCRIPT
![Page 1: Istatistik](https://reader033.vdocuments.pub/reader033/viewer/2022061214/5499ad02b479591e268b4588/html5/thumbnails/1.jpg)
İstatistik Araştırmalar, Bilimsel Çalışmalar ve Günlük Olaylardan
sistemli bir biçimde veri toplama ve bilgilerin incelenmesi, özetlenmesi, ölçülmesi, sınıflandırılması, çözümlenmesi, neden sonuç ilişkilerinin belirlenmesi, karşılaştırılması, aralarındaki ilişkilerin ortaya konması, elde edilen sonuçların kitlelere anlayabilecekleri ve etkili bir şekilde sunulmasının tüm evrelerini kapsayan bilim dalıdır.
• Teorik İstatistik• Uygulamalı İstatistik
![Page 2: Istatistik](https://reader033.vdocuments.pub/reader033/viewer/2022061214/5499ad02b479591e268b4588/html5/thumbnails/2.jpg)
Herhangi bir konu hakkındaHerhangi bir konu hakkında
►Bilgi toplamak,►Bilgi toplamak,
►Toplanan bilgileri düzenlemek,►Toplanan bilgileri düzenlemek,
►Çözümlemek►Çözümlemek
►Yorumlamak►Yorumlamak
►için gerekli yöntemler topluluğudur. ►için gerekli yöntemler topluluğudur.
veve
![Page 3: Istatistik](https://reader033.vdocuments.pub/reader033/viewer/2022061214/5499ad02b479591e268b4588/html5/thumbnails/3.jpg)
Tanımlayıcı İstatistik
(Descriptive Statistics)
Tanımlayıcı İstatistik
(Descriptive Statistics)
olarak iki ana gruba ayrılır.
Çıkarımsal İstatistik
(Inferential Statistics)
Çıkarımsal İstatistik
(Inferential Statistics)
![Page 4: Istatistik](https://reader033.vdocuments.pub/reader033/viewer/2022061214/5499ad02b479591e268b4588/html5/thumbnails/4.jpg)
Tablo ve grafiklerle
sunulmasını içerir.
Verilerin özetlenmesi,
Sınıflandırılması,
![Page 5: Istatistik](https://reader033.vdocuments.pub/reader033/viewer/2022061214/5499ad02b479591e268b4588/html5/thumbnails/5.jpg)
Karara varmaKarara varma
Örneklemden elde edilen bulgular yardımıylaÖrneklemden elde edilen bulgular yardımıyla
Evren hakkında kestirimde bulunma,Evren hakkında kestirimde bulunma,
Hipotezleri test etme Hipotezleri test etme
İşlemlerini içerirİşlemlerini içerir
![Page 6: Istatistik](https://reader033.vdocuments.pub/reader033/viewer/2022061214/5499ad02b479591e268b4588/html5/thumbnails/6.jpg)
Evren(population): Belirli özellikleri gösteren bireylerin ya da nesnelerin oluşturduğu topluluktur.
Türkiye’deki spor yüksekokullarındaki öğrencilerin evreni, tüm spor yüksekokullarındaki tüm bölümlerdeki öğrencileri kapsar.
Örnek(sample): Evrenin tüm özelliklerini taşıyan, onu tanımlama yeteneğine sahip bir parçasıdır.
Parametre(parameter): Evrende incelenen değişkenleri tanımlamak için kullanılan ölçütlerdir ortalama(), varyans(2), oran(p) v.b.
İstatistik: örneklemi tanımlamak için kullanılan ölçütlerdir. Örneklem ortalaması (X) standart sapma (s) v.b.
Denek(subject): Bilimsel çalışmanın yapıldığı birim (insan, hayvan, nesne v.s.)
![Page 7: Istatistik](https://reader033.vdocuments.pub/reader033/viewer/2022061214/5499ad02b479591e268b4588/html5/thumbnails/7.jpg)
Evren ve örneklemde gösterim
Tanımlayıcı ölçüt Örneklemde (istatistik)
Evrende (parametre)
Ortalama X
Oran p P
Standart sapma S
Varyans S2 2
Gözlem sayısı N N
Değişken(variable): İncelenen faktör ya da karakter, farklı bireylerde farklı değerler alabiliyorsa buna değişken denir
![Page 8: Istatistik](https://reader033.vdocuments.pub/reader033/viewer/2022061214/5499ad02b479591e268b4588/html5/thumbnails/8.jpg)
Veri (data): Herhangi bir konuda bilinmeyeni ortaya çıkarmak amacıyla yapılan araştırma, deney, gözlem, uğraşı veya olay sonucu elde edilen nicel ya da nitel ham materyaldır.
VERİDE BULUNMASI GEREKEN ÖZELLİKLER
• DOĞRULUK• GÜNCELLİK• GÜVENİLİRLİK• EKSİKSİZLİK• KULLANILABİLİRLİK• AMACA UYGUNLUK
Bilgi (information): Verilerin ve önceki bilgilerin işlenmesiyle elde edilen anlamlı mesaj veren kavramlardır.
![Page 9: Istatistik](https://reader033.vdocuments.pub/reader033/viewer/2022061214/5499ad02b479591e268b4588/html5/thumbnails/9.jpg)
VERİBİLGİ
VERİ BİLGİ
VERİLERİN İŞLENMESİ
![Page 10: Istatistik](https://reader033.vdocuments.pub/reader033/viewer/2022061214/5499ad02b479591e268b4588/html5/thumbnails/10.jpg)
Nicelik belirten (ölçü-lerek yada sayılarak elde edilen) verilerdir.
Örneğin, yaş, ağırlık, boy gibi.
Bireylerin sahip olduğu belli özelliklerin sınıflara ayrılarak belirtildiği verilerdir.
Örneğin, cinsiyet, medeni durum, başarılı-başarısız gibi.
Niceliksel (Quantitative) Niteliksel (Qualitative)
![Page 11: Istatistik](https://reader033.vdocuments.pub/reader033/viewer/2022061214/5499ad02b479591e268b4588/html5/thumbnails/11.jpg)
Sıralanabilir(Ordered)
Sıralanabilir(Ordered)
Sınıflanabilir(Nominal)
Sınıflanabilir(Nominal)
Nitelik verilerde belli bir sıralama söz konusu ise (kötü-orta-iyi-mükemmel gibi ya da Okur yazar olmayan, okur yazar, ortaokul, lise, üniversite mezunu) bu tür verilere sıralanabilir nitelik veriler denir.
Nitelik verilerde belli bir sıralama yoksa bu tür verilere sınıflanabilir nitelik veriler denir Örneğin cinsiyet, medeni durum gibi.
İki Sınıflıİki Sınıflı Çok SınıflıÇok Sınıflı
![Page 12: Istatistik](https://reader033.vdocuments.pub/reader033/viewer/2022061214/5499ad02b479591e268b4588/html5/thumbnails/12.jpg)
Kesikli SayısalDiscrete numeric variable
Kesikli SayısalDiscrete numeric variable
Sürekli SayısalContinuous numeric variableSürekli SayısalContinuous numeric variable
Belirli bir aralıktaki tam sayıları alan veri türüdür. Örnek: Sınıftaki öğrenci sayısı, çocuk sayısı gibi
Ölçümle belirtilirler ve bir aralıktaki bütün değerleri alırlar. Örnek: Boy uzunluğu, yaş, günlük kalsiyum tüketim miktarı (mg) gibi.
Aralık ÖlçekliInterval Scale
Aralık ÖlçekliInterval Scale
Oran ÖlçekliRatio Scale
Oran ÖlçekliRatio Scale
![Page 13: Istatistik](https://reader033.vdocuments.pub/reader033/viewer/2022061214/5499ad02b479591e268b4588/html5/thumbnails/13.jpg)
ÖLÇME-ÖLÇEK KAVRAMLARI
• Gözlenen olayları sınıflandırma, değer verme ile sonuçlanan işlem
• Gözlenen olaylara sayısal bir değer verme, ya da olayları belli kurallara göre sayısallaştırma işlemidir
![Page 14: Istatistik](https://reader033.vdocuments.pub/reader033/viewer/2022061214/5499ad02b479591e268b4588/html5/thumbnails/14.jpg)
ÖLÇEK TÜRLERİ• Sınıflandırma ölçeği
– Erkek=1, Kadın=2• Sıralama ölçeği
– Ölçümler sadece sıra dizisini gösterir, ama aralarındaki uzaklık kesin değildir
– Doktora, yüksek lisans, lisans, önlisans• Aralık ölçeği
– Eşit bölme aralığına sahiptir– Başlangıç noktasının sıfır olma zorunluluğu yoktur,
varsa da yokluğu göstermez– Zeka testinden sıfır almak zekasız olmayı göstermez
• Oran ölçeği– Puanlar değişkenin gerçek miktarını yansıtır, eşit
ölçme birimi vardır– Sıfır değeri sıfır olma halini gösterir, (uzunluk, ağırlık
ölçümleri gibi)
![Page 15: Istatistik](https://reader033.vdocuments.pub/reader033/viewer/2022061214/5499ad02b479591e268b4588/html5/thumbnails/15.jpg)
Dağılım(distribution): Verilerin oluşturduğu yığınların biçimine dağılım denir.
Kesikli Dağılım: Dağılım aralığı içinde her değeri alamayan verilerin dağılımı kesikli dağılımdır. (Hiçbir zaman 3.7 bebek olamaz). Hasta-sağlam gibi.
Sürekli Dağılım: Sürekli verilerin (ölçüm ve tartımla belirtilen) oluşturduğu dağılımlardır.
Sürekli veriler sınıflandırılarak kesikli hale getirilebilirler.
Örneğin kişileri boylarına göre uzun boylu, orta boylu ve kısa boylu olarak sınıflandırabiliriz.
Sınılandırma yaparken objektif olmaya çalışmak gerekmektedir.
![Page 16: Istatistik](https://reader033.vdocuments.pub/reader033/viewer/2022061214/5499ad02b479591e268b4588/html5/thumbnails/16.jpg)
VERİLERİN SINIFLANDIRILMASI
![Page 17: Istatistik](https://reader033.vdocuments.pub/reader033/viewer/2022061214/5499ad02b479591e268b4588/html5/thumbnails/17.jpg)
Sınıflandırma
• Bir kitlenin veya grubun özelliklerine göre yapısını ortaya çıkarabilmek amacıyla, elde edilen bilgileri bir özellik ya da özellikler bakımından çeşitli seçeneklere ayırarak aynı seçeneğe ait birimleri kümeler halinde bir araya getirmedir
• Veri sayısı sınırlıyken yapılır
![Page 18: Istatistik](https://reader033.vdocuments.pub/reader033/viewer/2022061214/5499ad02b479591e268b4588/html5/thumbnails/18.jpg)
Sınıflandırmaya örnek
Yaş Frekans (sıklık)
18 21
19 25
20 30
21 18
22 6
TOPLAM 100
![Page 19: Istatistik](https://reader033.vdocuments.pub/reader033/viewer/2022061214/5499ad02b479591e268b4588/html5/thumbnails/19.jpg)
Gruplama
• Eğer sınıflandırılacak veri sayısı çok fazla ise bunları sınıflandırma yoluyla kümelere ayırmak mümkün olsa bile anlamlı ve işlemlere elverişli olmayabilir
• Böyle durumlarda bir özelliğin birbirine yakın olana seçenekleri gruplar halinde toplanır ve yeni gruplamalara başvurulur
![Page 20: Istatistik](https://reader033.vdocuments.pub/reader033/viewer/2022061214/5499ad02b479591e268b4588/html5/thumbnails/20.jpg)
![Page 21: Istatistik](https://reader033.vdocuments.pub/reader033/viewer/2022061214/5499ad02b479591e268b4588/html5/thumbnails/21.jpg)
![Page 22: Istatistik](https://reader033.vdocuments.pub/reader033/viewer/2022061214/5499ad02b479591e268b4588/html5/thumbnails/22.jpg)
Frekans Dağılımları (Frequency Distributions)
• Verilerin her bir sınıf aralığına düşen gözlem sayısını (frekans) gösterecek şekilde gruplandırılması işlemi
![Page 23: Istatistik](https://reader033.vdocuments.pub/reader033/viewer/2022061214/5499ad02b479591e268b4588/html5/thumbnails/23.jpg)
Frekans Dağılımları ile İlgili Temel Kavramlar• Dağılım genişliği = Verilerin minimum
ile maksimum değerleri arasındaki fark• Sınıf sayısı= O dağılımın incelemek
istenen sınıf sayısı• Sınıf sınırları= Sınıfa ait minimum ve
maksimum sınır değerleri• Sınıf aralığı= Sınıfın alt ve üst sınırları
arasındaki fark• Sınıf orta noktası=Sınıfın alt ve üst
sınırlarının ortalaması
![Page 24: Istatistik](https://reader033.vdocuments.pub/reader033/viewer/2022061214/5499ad02b479591e268b4588/html5/thumbnails/24.jpg)
![Page 25: Istatistik](https://reader033.vdocuments.pub/reader033/viewer/2022061214/5499ad02b479591e268b4588/html5/thumbnails/25.jpg)
![Page 26: Istatistik](https://reader033.vdocuments.pub/reader033/viewer/2022061214/5499ad02b479591e268b4588/html5/thumbnails/26.jpg)
Sınıf aralığının belirlenmesi
• Sınıf aralığı = Dağılım GenişliğiSınıf Sayısı
Maksimum değer-minimum değer sınıf sayısı33.625 – 12.546 = 21.079 = 3011 7
![Page 27: Istatistik](https://reader033.vdocuments.pub/reader033/viewer/2022061214/5499ad02b479591e268b4588/html5/thumbnails/27.jpg)
Frekans Dağılım Tablosunun Hazırlanması
Sınıflar Alt sınırlar Üst Sınırlar
1 12.546
(12.546 + 3.011)= 15.55715.557 – 1 = 15.55615.556
2 15.557
(15.557 + 3.011) = 18.56818.568 – 1 = 18.56718.567
3 18.568
(18.568 + 3.011) = 21.57921.579– 1 =21.57821.578
4 21.579
(21.579 + 3.011) = 24.59024.590 – 1 = 24.58924.589
![Page 28: Istatistik](https://reader033.vdocuments.pub/reader033/viewer/2022061214/5499ad02b479591e268b4588/html5/thumbnails/28.jpg)
Frekans Dağılım Tablosunun Hazırlanması
Sınıflar Alt sınırlar Üst Sınırlar
5 24.590
(24.590 + 3.011) = 27.60127.601 – 1 = 27.60027.600
6 27.601
(27.601 + 3.011) = 30.61230.612 – 1 = 30.61130.611
7 30.612 33.625
![Page 29: Istatistik](https://reader033.vdocuments.pub/reader033/viewer/2022061214/5499ad02b479591e268b4588/html5/thumbnails/29.jpg)
Frekans dağılım tablosu
![Page 30: Istatistik](https://reader033.vdocuments.pub/reader033/viewer/2022061214/5499ad02b479591e268b4588/html5/thumbnails/30.jpg)
HİSTOGRAM
![Page 31: Istatistik](https://reader033.vdocuments.pub/reader033/viewer/2022061214/5499ad02b479591e268b4588/html5/thumbnails/31.jpg)
Frekans Dağılımlarının Oluşturulmasında Dikkat Edilecek Noktalar
• Mümkün olduğu kadar eşit sınıf aralıkları seçilmelidir
• Eşit olmayan sınıf aralıkları frekansların grafiksel gösterimlerinde yanlış algılamalara yol açabilir
![Page 32: Istatistik](https://reader033.vdocuments.pub/reader033/viewer/2022061214/5499ad02b479591e268b4588/html5/thumbnails/32.jpg)
SUNU YÖNTEMLERİ
•METİN•TABLO•GRAFİK
![Page 33: Istatistik](https://reader033.vdocuments.pub/reader033/viewer/2022061214/5499ad02b479591e268b4588/html5/thumbnails/33.jpg)
TABLO
•TEK BOYUTLU
• İKİ BOYUTLU
•ÇOK BOYUTLU
![Page 34: Istatistik](https://reader033.vdocuments.pub/reader033/viewer/2022061214/5499ad02b479591e268b4588/html5/thumbnails/34.jpg)
TABLO YAPIMINDA DİKKAT EDİLECEK NOKTALAR
• BAŞLIK– Başlık kısa, özlü olmalıdır. – Genelde tablonun üstüne yazılır– Başlığın bölüm ve sıra no’ su yazılır
• Kolon ve satır başlıkları,ölçekler,birimler yazılır
• Değerlere ek olarak yüzdeler de verilir• Üçten çok değişken aynı tabloda
verilmez, verilirse çizgilerle ayrılır
![Page 35: Istatistik](https://reader033.vdocuments.pub/reader033/viewer/2022061214/5499ad02b479591e268b4588/html5/thumbnails/35.jpg)
TEK BOYUTLU TABLO
n %
voleybol 15 30
judo 10 20
tenis 15 30
basketbol 5 10
yüzme 5 10
TOPLAM 50 100
Tablo 1.1 Sporcuların Branşlarına Göre Dağılımı
![Page 36: Istatistik](https://reader033.vdocuments.pub/reader033/viewer/2022061214/5499ad02b479591e268b4588/html5/thumbnails/36.jpg)
İKİ BOYUTLU TABLO
E K TOPLAM
n % n %
voleybol 10 20 5 10 15
judo 8 16 2 4 10
tenis 5 10 10 20 15
basketbol 2 4 3 6 5
yüzme 1 2 4 8 5
TOPLAM 26 52 24 48 50
Tablo 1.2 Sporcuların Branşlarına ve Cinsiyetlerine Göre Dağılımları
![Page 37: Istatistik](https://reader033.vdocuments.pub/reader033/viewer/2022061214/5499ad02b479591e268b4588/html5/thumbnails/37.jpg)
ÇOK BOYUTLU TABLO
Erkek Kadın Toplam
Yaş Yaş
<20 20-22 22> <20 20-22 22>
voleybol 2 3 5 1 1 3 15
judo 1 3 4 0 1 1 10
tenis 2 1 2 1 1 8 15
basketbol 0 0 2 0 1 2 5
yüzme 0 0 1 0 2 2 5
TOPLAM 5 7 14 2 6 16 50
Tablo 1.3 Sporcuların Branşlarına Cinsiyetlerine ve Yaşlarına Göre Dağılımları
![Page 38: Istatistik](https://reader033.vdocuments.pub/reader033/viewer/2022061214/5499ad02b479591e268b4588/html5/thumbnails/38.jpg)
GRAFİK ÇEŞİTLERİ• SÜTUN GRAFİK• ÇUBUK GRAFİK• ÇİZGİ GRAFİK• PASTA-DAİRE DİLİMLERİ GRAFİĞİ• ALAN GRAFİĞİ• HİSTOGRAM, DAĞILIM POLİGONU• KUTU VE ÇİZİGİ GRAFİĞİ• DAL VE YAPRAK GRAFİĞİ• ORTALAMA STANDART SAPMA GRAFİĞİ• SAÇILIM (NOKTA GRAFİĞİ)
![Page 39: Istatistik](https://reader033.vdocuments.pub/reader033/viewer/2022061214/5499ad02b479591e268b4588/html5/thumbnails/39.jpg)
GRAFİK YAPIMINDA DİKKAT EDİLECEK NOKTALAR
• BAŞLIK– Her grafiğin bir başlığı olmalıdır– Grafiğin altına veya üstüne yazılabilir– Başlığın bölüm ve sıra no’ su yazılır.(Grafik 3.2)
• Eksenlerin neyi ifade ettiği ve değişkenlerin birimleri belirtilir.
• Kullanılan alan ve çizgi türleri çeşitlilik gösteriyorsa grafiğin iç sağ üstünde ya da dış sol altında açıklanmalıdır
• Başlıktaki ölçeklendirme ve kısaltmalar belirtilmelidir.
![Page 40: Istatistik](https://reader033.vdocuments.pub/reader033/viewer/2022061214/5499ad02b479591e268b4588/html5/thumbnails/40.jpg)
SÜTUN GRAFİK
Grafik 1.1 Sporcuların Branşlarına Göre Dağılımı
10
8
5
21
5
2
10
34
0
2
4
6
8
10
12
Basketbol Tenis Yüzme Judo Okçuluk
BRANŞLAR
Spor
cu S
ayıs
ı
ErkekKadin
![Page 41: Istatistik](https://reader033.vdocuments.pub/reader033/viewer/2022061214/5499ad02b479591e268b4588/html5/thumbnails/41.jpg)
Sütun Grafik
Çoğunlukla nitelik verilerde kullanılır.
Her bir kategori birbirinden ayrı çubuklarla gösterilir.
Çubukların eni birbirine eşittir ve bitişik değildir.
Yatay eksende incelenen değişkene ilişkin kategoriler dikey eksene
bu kategorilere ilişkin sayı ya da yüzde değerleri konulur.
105Şişman10050Toplam
2010Hafif Şişman
4020Normal
3015Zayıf
%SayıVücut Ağırlığı
![Page 42: Istatistik](https://reader033.vdocuments.pub/reader033/viewer/2022061214/5499ad02b479591e268b4588/html5/thumbnails/42.jpg)
Öğrencilerinin Ağırlıklarına Göre Dağılımı
0
5
10
15
20
25
Zayıf Normal Hafif Şişman Şişman
Öğrencilerin Ağırlıkları
Sayı
![Page 43: Istatistik](https://reader033.vdocuments.pub/reader033/viewer/2022061214/5499ad02b479591e268b4588/html5/thumbnails/43.jpg)
ÇUBUK GRAFİK
Grafik 1.1 Sporcuların Branşlarına Göre Dağılımı
10
8
5
2
1
5
2
10
3
4
0 2 4 6 8 10 12
Voleybol
Judo
Okçuluk
Tenis
Hentbol
Bra
nşla
r
Sporcu Sayısı
KadinErkek
![Page 44: Istatistik](https://reader033.vdocuments.pub/reader033/viewer/2022061214/5499ad02b479591e268b4588/html5/thumbnails/44.jpg)
0
20
40
60
80
100
Okur YazarDeğil
İlkolul Ortaokul Lise Üniversite
Öğrenim Durumu
Yüz
de (%
)
Kullanmayan
Kullanan
Öğrenim Düzeylerine Göre Aile Planlaması Kullanma Durumu
Aile P.
![Page 45: Istatistik](https://reader033.vdocuments.pub/reader033/viewer/2022061214/5499ad02b479591e268b4588/html5/thumbnails/45.jpg)
ALAN GRAFİK
Grafik 1.1 Sporcuların Branşlarına ve Cinsiyetlerine Göre Dağılımı
25
812
155
2
10 3
4
0
5
10
15
20
Voleybol Tenis Basketbol Judo Okçuluk
Branşlar
Spor
cu S
ayıs
ı
KadınErkek
![Page 46: Istatistik](https://reader033.vdocuments.pub/reader033/viewer/2022061214/5499ad02b479591e268b4588/html5/thumbnails/46.jpg)
3B SÜTUN GRAFİK
VoleybolHentbol
JudoOkçuluk
Tenis
Erkek
Kadın0
2
4
6
8
10
Spo
rcu
Say
ısı
Branşlar
Grafik 1.1 Sporcuların Branşlarına ve Cinsiyetlerine Göre Dağılımı
ErkekKadın
![Page 47: Istatistik](https://reader033.vdocuments.pub/reader033/viewer/2022061214/5499ad02b479591e268b4588/html5/thumbnails/47.jpg)
ÇİZGİ GRAFİK
Grafik 1.1 Spor Yüksekokulu Öğrencilerinin Başarı Durumlarının Yıllara Göre Dağılımı
0
20
40
60
80
100
1.yıl 2.yıl 3.yıl 4.yıl
Yıllar
Not
Ort
alam
ası
ErkekKadın
![Page 48: Istatistik](https://reader033.vdocuments.pub/reader033/viewer/2022061214/5499ad02b479591e268b4588/html5/thumbnails/48.jpg)
Z AM A N (ay)
6543Başlangıç1
Ort
ala
ma (
S.s
apm
a)
8
7
6
5
4
3
İ L A Ç
A
B
C
![Page 49: Istatistik](https://reader033.vdocuments.pub/reader033/viewer/2022061214/5499ad02b479591e268b4588/html5/thumbnails/49.jpg)
PASTA GRAFİKGrafik 1,1 Sporcuların Branşlarına GöreDağılımı
14%
37%
8%
14%
27%
Tenis
Voleybol
Basketbol
Yüzme
Judo
![Page 50: Istatistik](https://reader033.vdocuments.pub/reader033/viewer/2022061214/5499ad02b479591e268b4588/html5/thumbnails/50.jpg)
Pasta-Daire Dilimleri Grafiği
Nitelik verilerde kullanılan bir grafik yöntemidir.
105Şişman10050Toplam
2010Hafif Şişman
4020Normal
3015Zayıf
%SayıVücut Ağırlığı
Zayıf için:
Normal için:
Hafif Şişman için:
Şişman için:
derece
derece
derece
derece
![Page 51: Istatistik](https://reader033.vdocuments.pub/reader033/viewer/2022061214/5499ad02b479591e268b4588/html5/thumbnails/51.jpg)
Zayıf30%
Normal40%
Hafif Şişman20%
Şişman10%
Öğrencilerinin Ağırlıklarına Göre Dağılımı
![Page 52: Istatistik](https://reader033.vdocuments.pub/reader033/viewer/2022061214/5499ad02b479591e268b4588/html5/thumbnails/52.jpg)
X-Y DAĞILIMI
YAS(AY)
121086420
AG
IRLI
K(k
g)
9
8
7
6
5
4
3
Grafik 1.2 Çocuklarda Yaşa Göre Ağırlık
![Page 53: Istatistik](https://reader033.vdocuments.pub/reader033/viewer/2022061214/5499ad02b479591e268b4588/html5/thumbnails/53.jpg)
Gebelik Haftası
44
42
40
38
36
34
32
Do
ğu
m A
ğır
lığ
ı
3600
3400
3200
3000
2800
2600
2400
Sigara
İçiyor
İçmiyor
Doğum Ağırlığı Gebelik Haftası Sigara 2940 38 içiyor3130 38 İçmiyor2420 36 içiyor2450 34 İçmiyor
Annenin Sigara İçme ve Gebelik Haftası
Durumuna Göre Çocukların Doğum Ağırlığı Dağılımı
![Page 54: Istatistik](https://reader033.vdocuments.pub/reader033/viewer/2022061214/5499ad02b479591e268b4588/html5/thumbnails/54.jpg)
Histogram
Sürekli değişkenler için kullanılan grafik türüdür.
Çubuklar birbirine bitişik olarak çizilir.
Sayı ya da yüzde kullanmak grafiğin şeklini değiştirmez.
Yatay eksende sınıf değeri dikey eksende sayı ya da yüzde bulunur. (Yatay eksene alt sınır ve üst sınır değerleri de yazılabilir)
![Page 55: Istatistik](https://reader033.vdocuments.pub/reader033/viewer/2022061214/5499ad02b479591e268b4588/html5/thumbnails/55.jpg)
ANTREMAN SONRASI 10. DAKİKA NABIZ ÖLÇÜMLERİ
Std. Dev = 17,70 Mean = 92,4N = 26,00
NABIZ 10.DK
130,0120,0110,0100,090,080,070,060,0
6
5
4
3
2
1
0
HİSTOGRAM
![Page 56: Istatistik](https://reader033.vdocuments.pub/reader033/viewer/2022061214/5499ad02b479591e268b4588/html5/thumbnails/56.jpg)
Öğrencilerin BoyUzunluklarına Göre Dağılımı
0
5
10
15
20
25
30
35
147-150 151-154 155-158 159-162 163-166 167-170 171-174 175-178 179-182
Boy Uzunlukları (cm)
Fre
kansSimetrik Dağılım
![Page 57: Istatistik](https://reader033.vdocuments.pub/reader033/viewer/2022061214/5499ad02b479591e268b4588/html5/thumbnails/57.jpg)
Öğrencilerin BoyUzunluklarına Göre Dağılımı
0
10
20
30
40
50
60
147-150 151-154 155-158 159-162 163-166 167-170 171-174 175-178
Boy Uzunlukları (cm)
Fre
kans
Sağa Çarpık (Pozitif Çarpık) Dağılım
![Page 58: Istatistik](https://reader033.vdocuments.pub/reader033/viewer/2022061214/5499ad02b479591e268b4588/html5/thumbnails/58.jpg)
Sola Çarpık (Negatif Çarpık) Dağılım
Öğrencilerin Boy Uzunluklarına Göre Dağılımı
0
10
20
30
40
50
60
70
147-150 151-154 155-158 159-162 163-166 167-170 171-174 175-178 179-182
Boy Uzunlukları (cm)
Frek
ans
![Page 59: Istatistik](https://reader033.vdocuments.pub/reader033/viewer/2022061214/5499ad02b479591e268b4588/html5/thumbnails/59.jpg)
Dağılım PoligonuHistogramdaki çubukların en üst orta noktalarının çizgilerle
birleştirilmesiyle elde edilir.
Öğrencilerin Boy Uzunlıklarına Göre Dağılımı
0
5
10
15
20
25
30
35
147-150 151-154 155-158 159-162 163-166 167-170 171-174 175-178 179-182
Boy Uzunlukları
Fre
kans
![Page 60: Istatistik](https://reader033.vdocuments.pub/reader033/viewer/2022061214/5499ad02b479591e268b4588/html5/thumbnails/60.jpg)
5. Kutu ve Çizgi Grafiği
Yüzdelikler yardımıyla veriyi özetlemekte kullanılan basit ve çok kullanışlı bir grafik yöntemidir.
Grafikte 25., 50., 75., Yüzdelikler en küçük değer ve en büyük değer bulunmaktadır.
Daha çok dağılım çarpık olduğunda kullanılır.
Dağılımdaki aşırı gözlemlerin varlığı konusunda da bilgi verir.
![Page 61: Istatistik](https://reader033.vdocuments.pub/reader033/viewer/2022061214/5499ad02b479591e268b4588/html5/thumbnails/61.jpg)
25.Yüzdelik
Sola Çarpık (Negatif Çarpık) Dağılım
Ortanca
*21 Çok Aşırı Değer
o22 Aşırı Değer
Aşırı değer Olmayan En Büyük Değer
Aşırı değer Olmayan En Küçük Değer
75.Yüzdelik
175
170
165
160
155
150
145
140
Öğr
enci
leri
n B
oy U
zunl
uğu
(cm
)
![Page 62: Istatistik](https://reader033.vdocuments.pub/reader033/viewer/2022061214/5499ad02b479591e268b4588/html5/thumbnails/62.jpg)
Ortanca
*21 Çok Aşırı Değer
o22 Aşırı Değer
Aşırı değer Olmayan En Büyük Değer
Aşırı değer Olmayan En Küçük Değer
75.Yüzdelik
Sağa Çarpık (Pozitif Çarpık) Dağılım
25.Yüzdelik
175
170
165
160
155
150
145
140
Öğr
enci
leri
n B
oy U
zunl
uğu
(cm
)
![Page 63: Istatistik](https://reader033.vdocuments.pub/reader033/viewer/2022061214/5499ad02b479591e268b4588/html5/thumbnails/63.jpg)
Simetrik Dağılım
175
170
165
160
155
150
145
140
Öğr
enci
leri
n B
oy U
zunl
uğu
(cm
) Ortanca
Aşırı değer Olmayan En Büyük Değer
Aşırı değer Olmayan En Küçük Değer
75.Yüzdelik
25.Yüzdelik
![Page 64: Istatistik](https://reader033.vdocuments.pub/reader033/viewer/2022061214/5499ad02b479591e268b4588/html5/thumbnails/64.jpg)
Tepe Değeri
Ortanca
Ortalama
Tepe DeğeriOrtanca
Ortalama
Tepe DeğeriOrtanca
Ortalama
Sola ÇarpıkSağa Çarpık Simetrik
![Page 65: Istatistik](https://reader033.vdocuments.pub/reader033/viewer/2022061214/5499ad02b479591e268b4588/html5/thumbnails/65.jpg)
Öğrenim Durumu
ÜNİVERSTELİSEORTAOKULİLKOKULOYD
Ço
cu
k B
ak
ım B
ilg
i P
uan
ı 100
90
80
70
60
50
40
30
20
100
46111
27
34
2921
14
Annelerin Öğrenim Düzeylerine Göre
Çocuk Bakım Bilgi Puanlarının Dağılımı
![Page 66: Istatistik](https://reader033.vdocuments.pub/reader033/viewer/2022061214/5499ad02b479591e268b4588/html5/thumbnails/66.jpg)
Dal ve Yaprak Grafiği
Dal ve yaprak grafik yöntemi veri kümesini özetlemek için çok basit ve kullanışlı bir grafik yöntemidir.
Bu grafikte hem grafiğin şeklini hem de dağılımdaki gözlem değerlerini görmek olanaklıdır.
Dal ve Yaprak grafiği her sınıfın karşısına doğrudan frekansı yazmak yerine bu aralıktaki değerlerin son haneleri yazılır.
![Page 67: Istatistik](https://reader033.vdocuments.pub/reader033/viewer/2022061214/5499ad02b479591e268b4588/html5/thumbnails/67.jpg)
45 5 6 7 22 3
80 1 2 2 3 4 4 4 135 6 6 7 7 8 8 8 9 9 9 9 980 2 2 2 3 4 4 4 36 6 920 4
65-6970-74
60-6455-5950-5445-4940-44
SayıYapraklarDallar
Dal ve Yaprak Grafiği
Veriler: 40, 44, 46, 46, 49, 50, 52, 52, 52, 53, 54, 54, 54, 55, 56, 56, 57, 57,
58, 58, 58, 59, 59, 59, 59, 59, 60, 61, 62, 63, 64, 64, 64,65, 66, 66, 67, 72, 73
![Page 68: Istatistik](https://reader033.vdocuments.pub/reader033/viewer/2022061214/5499ad02b479591e268b4588/html5/thumbnails/68.jpg)
1 7 7 8 8
2 11 2 2 4 5 5 7
3 0 3 3 3 3 3 6 6 6 6 8
4 0 1 3 4 4 5 8 8 9
5 1 2 2 5 5 6 8
Dallar Yapraklar
Dal ve Yaprak Grafiği
Veriler: 17, 17, 18, 18, 21, 21, 22, 22, 24, 25, 25, 27, 30, 33, 33, 33, 33, 33, 36, 36, 36, 36, 38, 40, 41, 43, 44, 44, 45, 48, 48, 49, 51, 52, 52, 55, 55, 56, 58
![Page 69: Istatistik](https://reader033.vdocuments.pub/reader033/viewer/2022061214/5499ad02b479591e268b4588/html5/thumbnails/69.jpg)
Ortalama ve Standart Sapma Grafiği
Sürekli değişkenler için kullanılan grafik türüdür.
Dağılım simetrik olduğunda kullanılır.
Grafikte ortalama 1 x (standart sapma değeri) bulunur
Bazen ortalama 2 x (standart sapma değeri) de kullanılabilir.
![Page 70: Istatistik](https://reader033.vdocuments.pub/reader033/viewer/2022061214/5499ad02b479591e268b4588/html5/thumbnails/70.jpg)
Ortalama ve Standart Sapma Grafiği
170
160
150
140
Öğr
enci
leri
n B
oy U
zunl
uğu
(cm
) (O
rtal
ama
S. S
apm
a
Ortalama
+ 1 Standart Sapma
- 1 Standart Sapma
Ortalama=158.3
Standart Sapma=9.9
![Page 71: Istatistik](https://reader033.vdocuments.pub/reader033/viewer/2022061214/5499ad02b479591e268b4588/html5/thumbnails/71.jpg)
Saçılım (Nokta) Grafiği
Sınıftan Rasgele Seçilen 10 Öğrencinin Boy Uzunluğu Dağılımı
150
155
160
165
170
175
180
185
Öğr
enci
leri
n B
oy U
zunl
uğu
(cm
)
![Page 72: Istatistik](https://reader033.vdocuments.pub/reader033/viewer/2022061214/5499ad02b479591e268b4588/html5/thumbnails/72.jpg)
A Ğ I R L I K (Kg)
1009080706050
G L U K O Z (mg/100 ml)
130
120
110
100
90
80
70
Ağırlık Glukoz(x) (y)64.0 9075.3 10973.0 10482.1 10276.2 10595.7 121. .. .
77.6 87
Görünüşte Sağlıklı Bireylerin Ağırlık ve Glikoz Değerlerinin Saçılım Grafiği
![Page 73: Istatistik](https://reader033.vdocuments.pub/reader033/viewer/2022061214/5499ad02b479591e268b4588/html5/thumbnails/73.jpg)
MATRİS SAÇILIM GRAFİĞİ
GTOP
MAXVO2
SPORYAS
![Page 74: Istatistik](https://reader033.vdocuments.pub/reader033/viewer/2022061214/5499ad02b479591e268b4588/html5/thumbnails/74.jpg)
Tanımlayıcı İstatistikler
Yer Gösteren Ölçüler Yaygınlık Ölçüleri
Tanımlayıcı İstatistikler bir değerler dizisinin istatistiksel olarak genel özelliklerini tanımlayan ölçülerdir
![Page 75: Istatistik](https://reader033.vdocuments.pub/reader033/viewer/2022061214/5499ad02b479591e268b4588/html5/thumbnails/75.jpg)
Yer Gösteren Ölçütler• Bir dağılımı tanımlayabilmek
için gereklidiriler• İki grupta incelenmektedir:
– Merkezi ölçütler-ortalama ölçütler•Ortalama, ortanca, tepe değeri
– Merkezi olmayan ölçütler-konum bildiren ölçütler•Çeyrekler, yüzdeler
![Page 76: Istatistik](https://reader033.vdocuments.pub/reader033/viewer/2022061214/5499ad02b479591e268b4588/html5/thumbnails/76.jpg)
Ortalama Ölçütleri • Dağılımdaki değerlerin en fazla yoğunlaştığı
bir merkezi referans değeri verirler• Frekans dağılımları ve grafiklerle gösterilen
değişkenlerin karşılaştırılmasında daha somut olarak bilgi veren ölçütlerdir.
• En yaygın olarak kullanılanları– Aritmetik ortalama– Ortanca (medyan)– Tepe değeri (mod)– Geometrik ortalama
![Page 77: Istatistik](https://reader033.vdocuments.pub/reader033/viewer/2022061214/5499ad02b479591e268b4588/html5/thumbnails/77.jpg)
Aritmetik ortalama
• Çoğunlukla simetrik bir yapıya sahip olan sürekli sayısal verilerde kullanılan bir ortalama ölçüsüdür.
• Büyüklük belirtmesi açısından kesikli sayısal verilerde de kullanılabilir. (Örneğin ortalama şut sayısı gibi)
• Sınıflandırılmış ve sınıflandırılmamış veriler için ayrı ayrı hesaplanır.
• X ile gösterilir• Sınıflandırılmamış verilerde her bir
gözleme ilişkin değerlerin toplamı denek sayısına bölünerek elde edilir:
![Page 78: Istatistik](https://reader033.vdocuments.pub/reader033/viewer/2022061214/5499ad02b479591e268b4588/html5/thumbnails/78.jpg)
Aritmetik OrtalamaÇoğunlukla sayısal verilerde kullanılan bir merkezi eğilim ölçüsüdür. Her bir gözleme ilişkin değerlerin toplamının denek sayısına bölünmesi ile elde edilir.
N : Kitledeki n : Örneklemdeki denek sayısını göstermek üzere
KitleA.Ortalaması
ÖrneklemA. Ortalaması
Nμ
N
1ii
x
nx
n
1ii
x
Aritmetik ortalama dağılımdaki tüm değerleri dikkate alır. Ancak dağılımdaki aşırı değerlerden etkilenir.
![Page 79: Istatistik](https://reader033.vdocuments.pub/reader033/viewer/2022061214/5499ad02b479591e268b4588/html5/thumbnails/79.jpg)
Aritmetik ortalama
• Sınıflandırılmamış verilerde:
xi
X = i=1,2,3...n n
5 kişinin yaşları: 20, 25, 22, 21, 18 olarak verilmiş olsun
X = (20+25+22+21+18)/5 = 21,2 olarak bulunur
İ=1
n
![Page 80: Istatistik](https://reader033.vdocuments.pub/reader033/viewer/2022061214/5499ad02b479591e268b4588/html5/thumbnails/80.jpg)
Aritmetik ortalama
• Sınıflandırılmış verilerde:
fi . si
X = i=1,2,3...k (sınıf sayısı) n
fi = i.sınıfın frekansı,
si=i.sınıfın sınıf değeri olmak üzere
İ=1
k
![Page 81: Istatistik](https://reader033.vdocuments.pub/reader033/viewer/2022061214/5499ad02b479591e268b4588/html5/thumbnails/81.jpg)
Aritmetik ortalamaMaxVO2 fi si fisi
40-44 2 42 84
45-49 3 47 141
50-54 8 52 416
55-59 13 57 741
60-64 8 62 494
65-69 4 67 268
70-74 2 72 144
Toplam 40 2290
X = 2290 /40 = 57.25 ml/kg/dk
![Page 82: Istatistik](https://reader033.vdocuments.pub/reader033/viewer/2022061214/5499ad02b479591e268b4588/html5/thumbnails/82.jpg)
Ortanca (medyan) • Bir dağılımdaki değerleri iki eşit parçaya bölen
ve uç değerlerin bulunduğu durumlarda kullanılan bir ortalama ölçüsüdür.
• Verileri küçükten büyüğe doğru dizdiğimizde gözlem sayısı tek sayılı bir değerse ortanca (n+1)/2. gözlem değeridir
• Verileri küçükten büyüğe doğru dizdiğimizde gözlem sayısı çift sayılı bir değerse ortanca n/2 ile (n+2)/2. gözlem değeridir
• Dağılımdaki aşırı değerlerden etkilenmediği için dağılımın çarpık olduğu durumlarda kullanılması gerekir.
• Ortalamaya göre zayıf olan tarafı dağılımdaki her değerin dikkate alınmamış olmasıdır.
![Page 83: Istatistik](https://reader033.vdocuments.pub/reader033/viewer/2022061214/5499ad02b479591e268b4588/html5/thumbnails/83.jpg)
Ortanca (medyan)
• 9 adet sporcunun milli olma sayıları şu şekilde verilmiş olsun:
5,6,4,7,5,8,38,7,4Medyanı bulmak için değerler önce
küçükten büyüğe dizilir:4,4,5,5,6,7,7,8,38 , ortanca (n+1)/2’den (9+1)/2=5. değer olan 6 olurDağılımın aritmetik ortalaması ise 9.3’tür aşırı değer olan 38’den
etkilenmiştir.
![Page 84: Istatistik](https://reader033.vdocuments.pub/reader033/viewer/2022061214/5499ad02b479591e268b4588/html5/thumbnails/84.jpg)
Ortanca (medyan) • 6 adet sporcunun şut sayıları şu şekilde
verilmiş olsun:15 21 17 42 18 19Medyanı bulmak için değerler önce
küçükten büyüğe dizilir:15 17 18 19 21 42 , ortanca (n)/2’den (6)/2=3. gözlem ile (6+2)/2= 4.gözlem
değerinin ortalamasıdır. yani: (18+19)/2= 18.5 olarak gerçekleşir.
Yani gözlemlerin %50’si 18.5’in altında %50’si ise üstündedir.
![Page 85: Istatistik](https://reader033.vdocuments.pub/reader033/viewer/2022061214/5499ad02b479591e268b4588/html5/thumbnails/85.jpg)
Tepe Değeri (mod) • Dağılımda en fazla tekrarlanan değerdir.Örneğin şu şekilde bir dağılımda:13 26 19 16 19 18 19 19 tepe değeri 19 olurSınıflandırılmış verilerde en yüksek frekansa
sahip sınıfın sınıf değeri tepe değeridir.Burada tepe değeri 57 dir
MaxVo2 Frekans %
40-44 2 5
45-49 3 7.5
50-54 8 20
55-59 13 32,5
60-64 8 20
65-69 4 10
70-74 2 5
Toplam 40 100
![Page 86: Istatistik](https://reader033.vdocuments.pub/reader033/viewer/2022061214/5499ad02b479591e268b4588/html5/thumbnails/86.jpg)
Tepe değeri (mod)
• Tek tepe değeri olan dağılımlar olabildiği gibi birbirine çok yakın frekansa sahip iki sınıf olabilir.
• Böyle dağılımlara bimodal dağılım denir• İkiden fazla tepe değeri görüldüğü de olabilmektedir. • Aritmetik ortalama ve ortancaya göre daha az kullanılan
bir ortalama ölçüsüdür• Hesaplaması kolay olduğu için dağılım ortalamasının
kestiriminde yaklaşık bilgi verebilir• Dezavantajları ise
– Yapılan sınıflamaya göre tepe değeri değşmektedir– Bazı dağılımlarda tepe değeri olmayacağı gibi bazı
dağılımlarda birden fazla tepe değeri olabilir– Tepe değeri sonuç bir istatistiktir, daha ileri hesaplamalar
için pek kullanılmaz
![Page 87: Istatistik](https://reader033.vdocuments.pub/reader033/viewer/2022061214/5499ad02b479591e268b4588/html5/thumbnails/87.jpg)
KONUM ÖLÇÜTLERİ
Çeyrekler: dağılımı 4 eşit parçaya bölen değerlerdir. Bunlar,
Değerlerin %25’i Ç1’e eşit ya da ondan küçüktür.
Değerlerin %50’si Ç2’ye eşit ya da ondan küçüktür. Bu değer aynı zamanda ortancadır.
Değerlerin %75’i Ç3’e eşit ya da ondan küçüktür.
1. Çeyrek (Ç1)1. Çeyrek (Ç1)1. Çeyrek (Ç1)1. Çeyrek (Ç1) 2. Çeyrek (Ç2)2. Çeyrek (Ç2)2. Çeyrek (Ç2)2. Çeyrek (Ç2) 3. Çeyrek (Ç3)3. Çeyrek (Ç3)3. Çeyrek (Ç3)3. Çeyrek (Ç3)
Yüzdelikler
Yüzdelikler sıraya dizilmiş verilerde yığılımlı sıklıkları gösterirler.Yüzdelikler sıraya dizilmiş verilerde yığılımlı sıklıkları gösterirler.
Örneğin verilerin ilk %30’u 30. Yüzdeliğe Örneğin verilerin ilk %30’u 30. Yüzdeliğe (Y30)(Y30) eşit ya da ondan küçüktür. eşit ya da ondan küçüktür.
![Page 88: Istatistik](https://reader033.vdocuments.pub/reader033/viewer/2022061214/5499ad02b479591e268b4588/html5/thumbnails/88.jpg)
• ÇEYREKLER: Dağılımdaki gözlemler büyüklüklerine göre sıralandıklarında %25' inci değer 1. çeyrek, %75.değer 3. çeyrektir. %50' nci değer 2. çeyrek olup, bu değer aynı zamanda ortancadır
• • Q1 = n/4' üncü gözlemin aldığı değer• Q2 = n/2' inci gözlemin aldığı değer• Q3 = 3n/4' üncü gözlemin aldığı
değer• • eşitlikleriyle hesaplanır.
![Page 89: Istatistik](https://reader033.vdocuments.pub/reader033/viewer/2022061214/5499ad02b479591e268b4588/html5/thumbnails/89.jpg)
• Yüzücülerin %25’i hangi değerden az değeri almıştır?(25. yüzdelik nedir? sorusudur) 0.25 x 40 = 10.
gözlemin değeri olan 53’tür
Sıra Gözlem Sıra Gözlem Sıra Gözlem Sıra Gözlem
1 40 11 54 21 58 31 63
2 44 12 54 22 59 32 64
3 46 13 54 23 59 33 64
4 46 14 55 24 59 34 64
5 49 15 56 25 59 35 65
6 50 16 56 26 59 36 66
7 52 17 57 27 60 37 66
8 52 18 57 28 61 38 67
9 52 19 58 29 62 39 72
10 53 20 58 30 62 40 73
Yüzdeliklerin hesaplanması
![Page 90: Istatistik](https://reader033.vdocuments.pub/reader033/viewer/2022061214/5499ad02b479591e268b4588/html5/thumbnails/90.jpg)
YAYGINLIK GÖSTEREN ÖLÇÜTLER
• Dağılım içindeki değerler ortalamaya ne kadar yakınsa ortalama o dağılım için o denli iyi bir ölçüttür. Dağılım içindeki her bir değerin ortalamaya olan uzaklığı dağılımın yaygınlığını belirler. Ortalamadan ayrılışlar ne kadar küçükse dağılım o denli dik, ne kadar büyükse o denli yaygındır.
• VARYANS ( 2 , s 2 )• STANDART SAPMA ( , s )• STANDART HATA ( , sx)• VARYASYON KATSAYISI (v)
![Page 91: Istatistik](https://reader033.vdocuments.pub/reader033/viewer/2022061214/5499ad02b479591e268b4588/html5/thumbnails/91.jpg)
Standart Sapma• Bir dağılımın yaygınlığını gösteren en
önemli yaygınlık ölçütlerinden biridir• Dağılımdaki tüm değerlerin aritmetik
ortalamaya olan uzaklıklarının ortalamasıdır• Standart sapma büyüdükçe dağılımın
yaygınlığı artar• Dağılımda değerler aynı olduğunda
yaygınlık yoktur ve standart sapma sıfır olur• Hesaplanırken dağılımdaki tüm değerler
dikkate alınır• Aritmetik ortalamayla birlikte kullanılır X ±
s
![Page 92: Istatistik](https://reader033.vdocuments.pub/reader033/viewer/2022061214/5499ad02b479591e268b4588/html5/thumbnails/92.jpg)
• VARYANS (2, S2) : Bir dağılıma ilişkin gözlemlerin ortalamadan ayrılışlarının kareleri ortalamasına VARYANS denir.
• • s2 = (Xi - X)2 / (n - 1) i=1, 2 … , n• • eşitliği ile ya da bu eşitliğin değişik şekilde ifadesi
olan,• • n
• Xi2 - ( Xi)
2 / n• i=1
• s2 =• n-1• ile hesaplanır
![Page 93: Istatistik](https://reader033.vdocuments.pub/reader033/viewer/2022061214/5499ad02b479591e268b4588/html5/thumbnails/93.jpg)
s2 = (Xi - X)2 / (n - 1)i=1, 2 … , n
eşitliği ile hesaplanır.
Şu şekilde bir dağılımımız olsun: 2, 1, 4, 3, 5. Bu dağılımın ortalaması (2+1+4+3+5)/5=3. Her bir gözlemin ortalamadan ayrılışlarını bulalım, bunların karesini alalım ve toplayalım
Ortalamadan ayrılış Kareler varyans
2- 3 = -1 1 10 / (5-1) = 2,5
1-3 = -2 4
4-3 = 1 1
3-3 = 0 0
5-3 = 2 + 4
Toplam 10
![Page 94: Istatistik](https://reader033.vdocuments.pub/reader033/viewer/2022061214/5499ad02b479591e268b4588/html5/thumbnails/94.jpg)
Varyansın sınıflandırılmamış verilerde hesaplanması
• Dağılımımızın şu şekilde olduğunu varsayalım:• 2, 6, 1, 15, 6• n
• Xi2 - ( Xi)
2 / n• i=1
• s2 =• n-1
• Xi2 = 22+62+12+152+62 =302
• ( Xi)2 / n = (2+6+1+15+6)=30
• s2 = 302 – (30)2/5 = 30,5002 5-1
![Page 95: Istatistik](https://reader033.vdocuments.pub/reader033/viewer/2022061214/5499ad02b479591e268b4588/html5/thumbnails/95.jpg)
• Sınıflandırılmış veriler için varyans aşağıdaki eşitlikle hesaplanır.
• • n
• fibi2 - ( fibi)
2 / n• i=1
• s2 =• n-1 • Buradaki fi, i.sınıfın frekansı, bi i.
sınıfın sınıf değeridir.
![Page 96: Istatistik](https://reader033.vdocuments.pub/reader033/viewer/2022061214/5499ad02b479591e268b4588/html5/thumbnails/96.jpg)
Varyansın sınıflandırılmış verilerde hesaplanması
s2 = 133100 – (2290)2 /40 =51,12 39
MaxVo2 fi si si2 fisi fisi
2
40-44 2 42 1764 4 3528
45-49 3 47 2209 141 6627
50-54 8 52 2704 416 21632
55-59 13 57 3249 741 42237
60-64 8 62 3844 496 30752
65-69 4 67 4489 268 17956
70-74 2 72 5184 144 10368
Toplam 40 2290 133100
![Page 97: Istatistik](https://reader033.vdocuments.pub/reader033/viewer/2022061214/5499ad02b479591e268b4588/html5/thumbnails/97.jpg)
• STANDART SAPMA (, S): varyansın kareköküdür. Varyans ve Standart Sapma dağılımın yaygınlığına ilişkin genel bir bilgi veriri. Bu değerlerin büyük mü, küçük mü olduğu ya da dağılımın homojenliği konusunda yargıya varabilmek için ortalaması ile kıyaslamak gerekir.
• Sınıflandırılmamış verilerdeki örneğimizde varyansımız s2 = 30,5002 standart sapmamız
s= 30,5002 = 5,5227• Sınıflandırılmış verilerdeki örneğimizde
varyansımız s2 = 51,1225, standart sapmamız
s= 51,1225 = 7,15 olur
![Page 98: Istatistik](https://reader033.vdocuments.pub/reader033/viewer/2022061214/5499ad02b479591e268b4588/html5/thumbnails/98.jpg)
• STANDART HATA (, SX): Standart hata, gözlem başına düşen sapma miktarıdır. Aritmetik ortalama genellikle standart hatası ile birlikte X Sx biçiminde verilir. STANDART HATA,
• • Sx = (S2 / n) 1/2 eşitliği ya da
s/n eşitliği ile hesaplanır. • Örneğimizde s= 30,5002 = 5,5227,
n=5 olduğuna göre
• Sx = 5,5227 / 5 olur
![Page 99: Istatistik](https://reader033.vdocuments.pub/reader033/viewer/2022061214/5499ad02b479591e268b4588/html5/thumbnails/99.jpg)
• VARYASYON KATSAYISI(v) : Standart Sapmanın ortalamaya göre yüzdesine VARYASYON KATSAYISI denir.
• • V = S 100• X• eşitliği ile hesaplanır. Bu değerin % 50'
den büyük olması durumunda dağılım heterojendir denilir. Bu ölçüt aynı zamanda iki ya da daha çok dağılımın yaygınlıklarını kıyaslamada kullanılır.
![Page 100: Istatistik](https://reader033.vdocuments.pub/reader033/viewer/2022061214/5499ad02b479591e268b4588/html5/thumbnails/100.jpg)
TEORİK DAĞILIŞLAR Verilerin oluşturduğu yığınlara dağılım demiştik. Verinin ölçüm biçimi gözlemlerin aldığı olası değerlerdir. Bu değerlerin birbirine göre konumu (büyüklük, küçüklük) dağılım aralığının sınırları v.b. gibi özelliklerden dolayı farklı yığınlar farklı dağılım yapısı gösterir. Spor ve sağlık bilimlerinde elde edilen verilerin oluşturduğu yığınlar daha çok şu üç dağılım tipine uyarlar: Normal dağılım Binom dağılım Poisson dağılım
Bunlardan ilki sürekli, diğer ikisi ise kesikli dağılımdır.
![Page 101: Istatistik](https://reader033.vdocuments.pub/reader033/viewer/2022061214/5499ad02b479591e268b4588/html5/thumbnails/101.jpg)
Normal Dağılım Fonksiyonunun Grafiksel Formülü:
biçimindedir. Bu eğriye çan eğrisi denir. Bu dağılım fonksiyonu Alman bilim adamı C.F. Gauss tarafından bulunmuştur. Bu nedenle eğriye Gauss eğrisi de denir.
![Page 102: Istatistik](https://reader033.vdocuments.pub/reader033/viewer/2022061214/5499ad02b479591e268b4588/html5/thumbnails/102.jpg)
NORMAL DAĞILIM
X X
X X
![Page 103: Istatistik](https://reader033.vdocuments.pub/reader033/viewer/2022061214/5499ad02b479591e268b4588/html5/thumbnails/103.jpg)
Normal dağılım fonksiyonunda herhangi bir deneğin ortalamadan uzaklığının standart sapmaya oranı Z' ye standart normal dağılım denir.
Z = Xi - X
SBu frekans dağılımının normal dağılım gösterip göstermediğini saptamada kullanılır. Ortalaması 0 varyansı 1 olan normal dağılımı aynı standart normal dağılım denir.
-4 -3 -2 -1 0 1 2 3 4
-3 -2 -1 0 1 2 3
![Page 104: Istatistik](https://reader033.vdocuments.pub/reader033/viewer/2022061214/5499ad02b479591e268b4588/html5/thumbnails/104.jpg)
Normal Dağılımın Özellikleri:
Teorik normal dağılımda deneklerin aldığı değerler birbirinden bağımsız ve rasgeledir.
Teorik normal dağılım ortalamaya göre simetriktir. Gözlemler ortalamaya yakın değerler alırsa homojen, ortalamalardan uzak değerler alırsa dağılıma heterojen denir. Aynı ortalamaya sahip üç dağılımın dik ya da yayvan olması durumundaki eğriler aşağıda verilmiştir.
![Page 105: Istatistik](https://reader033.vdocuments.pub/reader033/viewer/2022061214/5499ad02b479591e268b4588/html5/thumbnails/105.jpg)
Normal Dağılımın Özellikleri:
Teorik normal dağılımda veriler süreklidir ve dağılım aralığı içinde her değeri alabilirler, yani - < x < +
![Page 106: Istatistik](https://reader033.vdocuments.pub/reader033/viewer/2022061214/5499ad02b479591e268b4588/html5/thumbnails/106.jpg)
Normal Dağılımın Özellikleri:
• Teorik normal dağılımda; • X S sınırları arasına gözlemlerin
% 68.26' sı• X 2S sınırları arasına
gözlemlerin % 95.44' ü• X 3S sınırları arasına gözlemlerin
% 99.74' ü girer.
-3s -2s -1s X 1s 2s 3s
![Page 107: Istatistik](https://reader033.vdocuments.pub/reader033/viewer/2022061214/5499ad02b479591e268b4588/html5/thumbnails/107.jpg)
ÇARPIKLIK VE DİKLİK Normal dağılıma uyan gerçek veriler her
zaman ortalamaya göre simetrik olmazlar sola (negatif) ya da sağa (pozitif) çarpık olabilirler ama bu çarpıklık kabul edilebilir sınırlar arasında olmalıdır.
Standart normal dağılımda ortalama,
ortanca, tepe değeri birbirine eşit ve üstüste çakışır. Dağılımın çarpıklığının ölçüsü çarpıklık katsayısı (Ç) ile ölçülür.
![Page 108: Istatistik](https://reader033.vdocuments.pub/reader033/viewer/2022061214/5499ad02b479591e268b4588/html5/thumbnails/108.jpg)
Tepe Değeri
Ortanca
Ortalama
Tepe DeğeriOrtanca
Ortalama
Tepe DeğeriOrtanca
Ortalama
Sola ÇarpıkSağa Çarpık Simetrik
![Page 109: Istatistik](https://reader033.vdocuments.pub/reader033/viewer/2022061214/5499ad02b479591e268b4588/html5/thumbnails/109.jpg)
ÇARPIKLIK VE DİKLİK
(Xi - X)3
nÇ =
S3
ile hesaplanır. Bu değer; Ç = 0 ise dağılım simetrik,Ç < 0 ise dağılım sola (-) çarpıkÇ > 0 ise dağılım sağa (+) çarpık
![Page 110: Istatistik](https://reader033.vdocuments.pub/reader033/viewer/2022061214/5499ad02b479591e268b4588/html5/thumbnails/110.jpg)
ÇARPIKLIK VE DİKLİK
Dağılım ortalamaya göre simetrik olabilir. Aynı ortalamaya sahip dağılımların görünümleri, varyansları farklı olabilir. Bu farklılık
Basıklık Katsayısı ile belirlenir. B>0 (Xi - X)4
nB =
S4
![Page 111: Istatistik](https://reader033.vdocuments.pub/reader033/viewer/2022061214/5499ad02b479591e268b4588/html5/thumbnails/111.jpg)
• B>0• B=0• B<0
Burada; B=0 ise dağılım normalB<0 ise dağılım basıkB>0 ise dağılım dik denir.
![Page 112: Istatistik](https://reader033.vdocuments.pub/reader033/viewer/2022061214/5499ad02b479591e268b4588/html5/thumbnails/112.jpg)
Sağa (pozitif) çarpık dağılım• TD < ortanca<X
TD
ortanca
X
Ç = 0 ise dağılım simetrik,Ç < 0 ise dağılım sola (-) çarpıkÇ > 0 ise dağılım sağa (+) çarpık
![Page 113: Istatistik](https://reader033.vdocuments.pub/reader033/viewer/2022061214/5499ad02b479591e268b4588/html5/thumbnails/113.jpg)
Sola (negatif) çarpık dağılım• X< ortanca<Tepe değeri
TD
ortanca
X
Simetrik normal dağılımda ise ortalama, ortanca ve TD birbirine eşittir.Sağa çarpık dağılımlarda büyük değerler sayısı daha fazla, sola çarpık dağılımlarda da küçük değerlerin sayısı daha fazladır.
![Page 114: Istatistik](https://reader033.vdocuments.pub/reader033/viewer/2022061214/5499ad02b479591e268b4588/html5/thumbnails/114.jpg)
BİNOM (İKİ TERİMLİ) DAĞILIMI
Herhangi bir olayın gerçekleşmesi ya da gerçekleşmemesi inceleniyorsa yani iki olası sonuç varsa bu verilerin dağılımı binom dağılıma uyar. Örnek olarak:
Yapılan antrenman tekniğinin başarılı olup olmaması gibi
POISSON DAĞILIMIÇok sayıda olası durum içerisinde aranan olayın
gerçekleşme olasılığı küçükse ve veriler kesikli sayısalsa x=0, 1, 2, 3… v.b bu verilerin dağılımı poisson dağılımına uyar.
![Page 115: Istatistik](https://reader033.vdocuments.pub/reader033/viewer/2022061214/5499ad02b479591e268b4588/html5/thumbnails/115.jpg)
Verilerde Standartlaştırma
![Page 116: Istatistik](https://reader033.vdocuments.pub/reader033/viewer/2022061214/5499ad02b479591e268b4588/html5/thumbnails/116.jpg)
STANDARTLAŞTIRMA• Elde edilen puanlar veya veriler karşılaştırılırken
kullanılır• Örneğin bir öğrencinin sınav sonuçları şu şekilde
olsun:Ders İng Mat Psikol
Öğrencinin puanları
80 65 75
Öğrencinin sınıfa göre en başarılı olduğu dersi belirlerken sadece almış olduğu notlara bakarak karar veremeyiz. Sınıf ortalaması ve sınıf standart sapmasına göre yapılacak bir standartlaştırma yani yeni bir ölçeğe dönüştürme işlemi sayesinde daha rahat karşılaştırma yapabiliriz.
![Page 117: Istatistik](https://reader033.vdocuments.pub/reader033/viewer/2022061214/5499ad02b479591e268b4588/html5/thumbnails/117.jpg)
STANDARTLAŞTIRMA• Öğrencinin bulunduğu sınıfa ait değerler de
eklenmiş olsun
Ders İng Mat Psikol
Öğrencinin puanları
80 65 75
Sınıfın ortalaması 85 55 60
Sınıfın standart sapması
10 5 15
Aslında öğrencinin en başarılı dersi gibi görünen İngilizce’de sınıf ortalamasının altında not aldığı başarısız gibi göründüğü matematik ve psikolojide sınıf ortalamasının üzerinde aldığı görülmektedir.
![Page 118: Istatistik](https://reader033.vdocuments.pub/reader033/viewer/2022061214/5499ad02b479591e268b4588/html5/thumbnails/118.jpg)
Standartlaştırmada Z Skoru
• Verilerin standartlaştırılmasında en çok kullanılan yöntemlerden biridir
• Orijinal verileri ortalaması 0, standart sapması 1 olan yeni bir skora dönüştürür
![Page 119: Istatistik](https://reader033.vdocuments.pub/reader033/viewer/2022061214/5499ad02b479591e268b4588/html5/thumbnails/119.jpg)
STANDARTLAŞTIRMADers İng Mat Psikol
Öğrencinin puanları
80 65 75
Sınıfın ortalaması 85 55 60
Sınıfın standart sapması
10 5 15
Bu veriler yardımıyla z-skorlarını hesaplayalım;
z = (Xi – X) / s
![Page 120: Istatistik](https://reader033.vdocuments.pub/reader033/viewer/2022061214/5499ad02b479591e268b4588/html5/thumbnails/120.jpg)
STANDARTLAŞTIRMADers İng Mat Psikol
Öğrencinin puanları
80 65 75
Sınıfın ortalaması 85 55 60
Sınıfın standart sapması
10 5 15
Z (80-85)/10= - 0,50
(65-55)/5= +2
(75-60)/15= +1
Öğrenci İngilizce’de ortalamanın 0,50 standart sapma altında bir z skoruna sahipken, matematik dersinde ortalamanın 2 standart sapma üzerinde bir z skoruna sahiptir.
![Page 121: Istatistik](https://reader033.vdocuments.pub/reader033/viewer/2022061214/5499ad02b479591e268b4588/html5/thumbnails/121.jpg)
Standartlaştırmada T Skoru
• Standart z skorlarının küçük ondalıklı sayıları içermesi ve de negatif ve pozitif değerler alabilmesi (genellikle –3 ve +3 arasında) , z skoruna dayalı ancak daha kolay anlaşılan t skorlarını ortaya koymuştur
• T skorları ortalaması 50, standart sapması 10 olan bir skorlar kümesidir.
• Genelde 20 ile 80 arasında değer alırlar
![Page 122: Istatistik](https://reader033.vdocuments.pub/reader033/viewer/2022061214/5499ad02b479591e268b4588/html5/thumbnails/122.jpg)
STANDARTLAŞTIRMA
T skorunu elde etmek için her bir z skoru 10 ile çarpılarak 50 puan eklenir. En yüksek t skoru 80, en düşük t skoru 20 olabilir.
Ders İng Mat Psikol
Öğrencinin puanları
80 65 75
Z (80-85)/10= - 0,50
(65-55)/5= +2
(75-60)/15= +1
T (10*-0,50)+50= 45
(10*2)+50= 70
(10*1)+50=60
![Page 123: Istatistik](https://reader033.vdocuments.pub/reader033/viewer/2022061214/5499ad02b479591e268b4588/html5/thumbnails/123.jpg)
Güven Aralıkları
![Page 124: Istatistik](https://reader033.vdocuments.pub/reader033/viewer/2022061214/5499ad02b479591e268b4588/html5/thumbnails/124.jpg)
• Kitle dağılımına ilişkin parametreleri elde etmek çok zor, çoğu kez de olanaksızdır. Böyle durumlarda o kitleden çekilen örnekleme ilişkin istatistikler (X, S2, pq…vb) hesaplanır.
• Aynı kitleden aynı koşullarda çekilen farklı örneklemlerden elde edilen istatistikler farklı değerler alabilirler. Bu farklı değerdeki istatistikler belirli bir dağılım aralığı içinde değer alırlar ki bu değerlerin kitle parametreleri olan ve 2 değerlerine yakın değerler olması beklenir.
• Bu şekilde aynı kitleden çekilen örneklem değerlerinin alabileceği değerlerin oluşturduğu dağılım aralığına Güven Aralıkları denir.
![Page 125: Istatistik](https://reader033.vdocuments.pub/reader033/viewer/2022061214/5499ad02b479591e268b4588/html5/thumbnails/125.jpg)
• KİTLE ORTALAMASI GÜVEN ARALIĞI
• Kitle Varyansı Bilindiğinde2 varyansına sahip bir kitlenin
ortalamasının (), güven sınırları, bu kitleden rasgele olarak çekilen bir örneklemin ortalaması (X), kitle standart hatası kullanılarak
• X- Z X + Z biçiminde hesaplanır.
• Burada = / n olarak hesaplanır.
![Page 126: Istatistik](https://reader033.vdocuments.pub/reader033/viewer/2022061214/5499ad02b479591e268b4588/html5/thumbnails/126.jpg)
• KİTLE ORTALAMASI GÜVEN ARALIĞI
• Kitle Varyansı Bilinmediğinde• Kitle varyansı 2 'nin bilinmediği
durumda kitle ortalaması, 'nın güven aralığı, bu kitleden çekilen ve ortalaması X, varyansı S2 olan bir örnekleme ilişkin istatistiklerle,
• X - t Sx X + t Sx biçimimde hesaplanır. Burada Sx örneklem standart hatasıdır.
• Sx = s / n olarak hesaplanır.
![Page 127: Istatistik](https://reader033.vdocuments.pub/reader033/viewer/2022061214/5499ad02b479591e268b4588/html5/thumbnails/127.jpg)
Hipotez ve Hipotez testleri
![Page 128: Istatistik](https://reader033.vdocuments.pub/reader033/viewer/2022061214/5499ad02b479591e268b4588/html5/thumbnails/128.jpg)
Hipotez nedir?• Hipotez örneklem yardımıyla evren parametreleri
hakkında kestirimde bulunma sürecidir. • Herhangi bir konudaki doğruluğu bilimsel olarak
kanıtlanmamış düşünce, görüş ya da varsayımlardır.
Hipotezin amacı nedir?• Evrenden çekilen örneklemler yardımıyla evren
hakkında bir karara varma konusunda yardımcı olmaktır.
Hipotezimizin doğruluğunu nasıl kanıtlarız?• Hipotezimizin doğruluğunu kanıtlayabilmek
için veri yapımıza uygun bir hipotez testi uygulamamız gerekir. Hipotez testlerine önemlilik ya da anlamlılık testleri de denir.
![Page 129: Istatistik](https://reader033.vdocuments.pub/reader033/viewer/2022061214/5499ad02b479591e268b4588/html5/thumbnails/129.jpg)
Hangi hipotez testini uygulayacağımız;
• Araştırma planına• Veri tipine• Denek sayısına• Verilerin dağılım yapısına göre, farklılık
gösterir.
Hipotezler iki türlüdür:
• H0 farksızlık hipotezi ya da sıfır hipotezi• H1 alternatif hipotezdir
![Page 130: Istatistik](https://reader033.vdocuments.pub/reader033/viewer/2022061214/5499ad02b479591e268b4588/html5/thumbnails/130.jpg)
• H0 farksızlık hipotezi örnekleri:– Voleybol ve basketbol oynayan sporcularda
vücut yağ yüzdeleri arasında fark yoktur.– Kızlarla erkeklerin istatistik dersi notları
arasında fark bulunmaz– Spor yöneticiliğini kazanan öğrencilerle beden
eğitimi öğretmenliğini kazanan öğrencilerin ÖSS puan ortalamaları arasında anlamlı bir farklılık bulunmaz
• H1 alternatif hipotezi örnekleri:– Voleybol ve basketbol oynayan sporcularda
vücut yağ yüzdeleri arasında farklılık bulunur.– Kızlarla erkeklerin istatistik dersi notları
farklıdır– Spor yöneticiliğini kazanan öğrencilerle beden
eğitimi öğretmenliğini kazanan öğrencilerin ÖSS puan ortalamaları arasında anlamlı bir farklılık bulunur
![Page 131: Istatistik](https://reader033.vdocuments.pub/reader033/viewer/2022061214/5499ad02b479591e268b4588/html5/thumbnails/131.jpg)
• Hipotezler tek yönlü ve çift yönlü olarak kurulmaktadır:
• TEK YÖNLÜ H0 : 1 - 2 = 0
H1 : 1 - 2 > 0
H0 : 1 - 2 = 0
H1 : 1 - 2 < 0
• ÇİFT YÖNLÜH0 : 1 - 2 = 0
H1 : 1 - 2 0
![Page 132: Istatistik](https://reader033.vdocuments.pub/reader033/viewer/2022061214/5499ad02b479591e268b4588/html5/thumbnails/132.jpg)
• H0 farksızlık hipotezi örnekleri:– Voleybol ve basketbol oynayan sporcularda
vücut yağ yüzdeleri arasında fark yoktur.– Kızlarla erkeklerin istatistik dersi notları
arasında fark bulunmaz– Spor yöneticiliğini kazanan öğrencilerle beden
eğitimi öğretmenliğini kazanan öğrencilerin ÖSS puan ortalamaları arasında anlamlı bir farklılık bulunmaz
• H1 alternatif tek yönlü hipotez örnekleri:– Voleybol oynayan sporcularda basketbol
oynayanlara göre vücut yağ yüzdesi daha düşüktür.
– Kızların istatistik dersi notları erkeklerinkinden yüksektir.
– Spor yöneticiliğini kazanan öğrencilerin ÖSS puan ortalamaları beden eğitimi öğretmenliğini kazanan öğrencilerinkine göre yüksektir.
![Page 133: Istatistik](https://reader033.vdocuments.pub/reader033/viewer/2022061214/5499ad02b479591e268b4588/html5/thumbnails/133.jpg)
Anlamlılık (yanılma ya da hata düzeyi nedir?
• Anlamlılık düzeyi araştırmacı tarafından testten önce belirlenen bir değerdir. ( ile gösterilir)
• H0 hipotezi doğru iken onu reddetme olasılığını ifade eder.
• Yani; gerçekte karşılaştırdığımız iki evren arasında fark yokken yanılıp fark varmış gibi farksızlık hipotezini reddetme olasılığıdır.
• Yanılma düzeyi ya da olarak en çok 0.05 kullanılır. Araştırmanın daha hassas olarak yapılması isteniyorsa olarak 0,01 ve 0,001 de kullanılabilir.
![Page 134: Istatistik](https://reader033.vdocuments.pub/reader033/viewer/2022061214/5499ad02b479591e268b4588/html5/thumbnails/134.jpg)
Red etme ve kabul etme neye göre olur?
• Bir istatistiksel test uyguladığımızda karşımıza bir test istatistiği ve p değeri ortaya çıkacaktır.
• Biz ortaya koyduğumuz H0 veya H1’i bu sonuçlara göre kabul veya reddederiz.
• Hesaplamış olduğumuz test istatistikleri teorik tablolardaki değerlere eşit ya da büyük ise H0 reddedilir.
• Aynı şekilde elde ettiğimiz p değerleri 0.05’ten küçükse H0’ı reddederiz ve H1’i kabul ederiz.
• İstatistiksel paket programlarda elde edilen test istatistiklerine karşılık gelen p değerleri verilmekte olduğundan ayrıca teorik tablo değerlerine bakılmadan da bir hipotezin reddedilip kabul edileceğine karar verebiliriz.
![Page 135: Istatistik](https://reader033.vdocuments.pub/reader033/viewer/2022061214/5499ad02b479591e268b4588/html5/thumbnails/135.jpg)
Hipotez testlerinde ne tür hatalar ortaya çıkar?
• Hipotez testlerinde karar verirken iki tür hata yapabiliriz.
• Bunlar:– 1. tip hata ( türü hata)– 2. tip hata ( türü hata) olarak adlandırılmaktadır
• H0 hipotezini gerçekte doğruyken reddetmek 1. tip hatadır
• H0 hipotezini gerçekte yanlışken kabul etmek de 2. tip hatadır.
![Page 136: Istatistik](https://reader033.vdocuments.pub/reader033/viewer/2022061214/5499ad02b479591e268b4588/html5/thumbnails/136.jpg)
Hipotez testlerindeki doğru kararlar ve hatalar
H0 doğru iken
H0 yanlış iken
H0 ‘ı kabul etmek
Doğru karar 2.tip hata()
H0 ‘ı reddetmek
1.Tip hata () Doğru karar
![Page 137: Istatistik](https://reader033.vdocuments.pub/reader033/viewer/2022061214/5499ad02b479591e268b4588/html5/thumbnails/137.jpg)
Hipotez Testlerinde İzlenecek Adımlar:
• Hipotezler kurulur yanılgı düzeyi belirlenir. • Verinin özelliklerine göre (dağılım yapısı
homojen, heterojen, sürekli, kesikli, denek sayısı v.b.) ve hipoteze bakılarak uygun test seçilir.
• Test yapılır. • i)Hesaplama bilgisayarda bir paket
program kullanılarak yapılıyorsa hesaplanan anlamlılık düzeyi p , yanılgı düzeyi ile karşılaştırılır.
• p > ise H0 kabul,• p ise H0 reddedilir.
![Page 138: Istatistik](https://reader033.vdocuments.pub/reader033/viewer/2022061214/5499ad02b479591e268b4588/html5/thumbnails/138.jpg)
Hipotez Testlerinde İzlenecek Adımlar• ii)Hesaplama elle yapılıyorsa hesaplanan test
istatistiği, yanılgı düzeyinde ve o test için hesaplanan Serbestlik Derecesindeki (SD) çizelge değeri ile karşılaştırılır. Hesapla bulunan test istatistiği çizelgeden bulunandan büyükse H0 yokluk hipotezi reddedilir ve p < yazılır. Aksi durumda H0 hipotezi kabul edilir ve p> yazılır.
= 0.05 alınma durumunda p<0.05 ise bunun anlamı şudur: Ben bu çalışmada H0 hipotezini reddettim farkı anlamlı buldum, benim bu kararım 0.95 olasılıkla doğrudur. (H0' ı kabul etme) Yanılma olasılığım 0.05' ten küçüktür.
![Page 139: Istatistik](https://reader033.vdocuments.pub/reader033/viewer/2022061214/5499ad02b479591e268b4588/html5/thumbnails/139.jpg)
• Hipotez testleri verilerin yapısına ve dağılım özelliklerine göre iki ana grupta toplanır:– Parametrik Hipotez Testleri– Parametrik Olmayan Hipotez
Testleri
Hipotez testleri
![Page 140: Istatistik](https://reader033.vdocuments.pub/reader033/viewer/2022061214/5499ad02b479591e268b4588/html5/thumbnails/140.jpg)
• Bu iki ana gruptan her biri kendi içinde çok sayıda hipotez testi içerir. Bunların seçimi örneklem dağılımlarının özeliklerine ve gözlemlerin skalasına göre belirlenir.
• Bu iki tip hipotez testinden parametrik olanların uygulanabilmesi için test edilecek verilerde bazı koşullar aranır.
• Bu koşullardan en az birinin gerçekleşmemesi durumunda parametrik testlerin kullanılması sakıncalı olur.
• Bu durumda parametrik test yerine o testin karşıtı olan parametrik olmayan test kullanılır. Parametrik testlerin çoğunun parametrik olmayan karşıtı vardır.
Hipotez testleri
![Page 141: Istatistik](https://reader033.vdocuments.pub/reader033/viewer/2022061214/5499ad02b479591e268b4588/html5/thumbnails/141.jpg)
Parametrik testler ve parametrik olmayan karşılıkları
PARAMETRİK PARAMETRİK OLMAYAN
İki Ortalama Arası Fark Mann Whitney U Testi
İki Eş Arasındaki Fark Wilcoxon İki Örnek Testi
Bağımsız İki Oran Arası Fark 2x2 Düzende Ki-Kare Testi
Bağımlı İki Oran Arası Fark Bağımlı Örneklerde Ki-Kare Testi
Tek Yönlü Varyans Çözümlemesi Kruskal Wallis Varyans Çözümlemesi
Tekrarlı Denemelerde Varyans Analizi
Freidman Testi
![Page 142: Istatistik](https://reader033.vdocuments.pub/reader033/viewer/2022061214/5499ad02b479591e268b4588/html5/thumbnails/142.jpg)
PARAMETRİK TESTLERİN VARSAYIMLARI
• Normal dağılıma sahip olma• İkiden çok kitle olduğunda varyansların
homojen olması• Verilerin sürekli dağılım gösteren
karakterlerden oluşması• Her bir dağılımdaki gözlem sayılarının yeterli
sayıda olması (nj10)• İki ya da daha çok dağılım birbiri ile
karşılaştırılıyorsa dağılımlardaki gözlem sayıları birbirlerine eşit ya da yakın sayıda olmalıdır. Bu koşul küçük n' ler için daha da anlamlıdır.
• Örnekler birbirinden bağımsız ve rasgele seçilmelidir.
![Page 143: Istatistik](https://reader033.vdocuments.pub/reader033/viewer/2022061214/5499ad02b479591e268b4588/html5/thumbnails/143.jpg)
PARAMETRİK TESTLERİN VARSAYIMLARI
• Bu varsayımlardan en az birisi yerine gelmezse parametrik testler kullanılmaz, bunun yerine parametrik olmayan karşıtı kullanılır. Parametrik olmayan testlerin varsayımları ise;
• -Örnekler rasgele ve birbirinden bağımsız olarak seçilecek
• -Her bir grupta en az 3 (n3) denek olacak
![Page 144: Istatistik](https://reader033.vdocuments.pub/reader033/viewer/2022061214/5499ad02b479591e268b4588/html5/thumbnails/144.jpg)
Parametrik test varsayımları
• Normal Dağılıma Uyum:• Eldeki verilerin çekildiği kitlenin dağılımının normal
dağılıma uyup uymadığını test etmek için istatistik paket programlarındaki normallik testlerinden yararlanılabileceği gibi aşağıda verilen ölçütlerle de belirlenebilir.
• Bir dağılımın normal dağılıma uyabilmesi için dağılım ortalaması ( X) ile standart sapması (S) kullanılarak
•xS sınırları içine gözlemlerin %68.2nin aldığı değer girmelidir.
•x2S sınırları içine gözlemlerin %95.44nün aldığı değer girmelidir
•x3S sınırları içine gözlemlerin %99.74nün aldığı değer girmelidir
![Page 145: Istatistik](https://reader033.vdocuments.pub/reader033/viewer/2022061214/5499ad02b479591e268b4588/html5/thumbnails/145.jpg)
Parametrik test varsayımları• Varyansların Homojenliği:• Varyansların homojenliği iki yönden ele
alınmalıdır. Birincisi her bir grubun küçük varyanslı olması(varyasyon katsayısı <%50)bunun anlamı standart sapma ortalamanın yarısından küçük olmalı , ikincisi ise birden fazla grup varsa varyanslarının birbirine oranı 1'e yakın olmalıdır. Normallik testinde olduğu gibi homojenlik testide istatistik paket programlarında vardır. Bunlar kullanılarak test edilebilirler.
![Page 146: Istatistik](https://reader033.vdocuments.pub/reader033/viewer/2022061214/5499ad02b479591e268b4588/html5/thumbnails/146.jpg)
• Dağılımın Sürekli Olması: Bu varsayım için temel özellik önce veriler ölçüm mü yoksa sayımla belirlenen veriler mi? Bakılır.Ölçüm olması dağılımın sürekli olması için yeterli değildir. Dağılımda uç değerler (çok küçük yada çok büyük)varsa ölçüm olmasına karşın kesikli olabilir.
• Örneğin 20 denekten 19 tanesinin kan şekeri düzeyi 9-100 arasında değişirken bir tanesi 400 ise bu değer dağılımın süreklilik yapısını bozar ve bu değer dağılımdan çıkartılmalıdır.(Yanlış ölçüm ya da yanlış denek) Buna benzer birkaç değer varsa, dağılımdan atılamıyorsa bu durumda sürekliliği sağlayacak bir transformasyon yöntemi uygulanmalıdır. (Log, karekök, vb.)
![Page 147: Istatistik](https://reader033.vdocuments.pub/reader033/viewer/2022061214/5499ad02b479591e268b4588/html5/thumbnails/147.jpg)
• Denek Sayıları:• Herbir dağılımdaki denek sayısı n10 olmalıdır.
n10 olmasının nedeni bu değerin rasgeleliğin dağılımı etkileme altsınırıdır.
• İstatistikteki Büyük Sayılar Kanunu'na göre n büyüdükçe rasgeleliğin dağılım üzerindeki etkisi azalır, gerçeğe ulaşma olasılığı artar. İşte bu kural için alt sınır 10'dur. n30 olduğunda rasgeleliğin etkisi yok denecek kadar azdır. Bunu bir örnekle açıklayalım:Dünyadaki kadın erkek oranı 0.50'dir.Bu doğan her bebekten 1 kız 1 erkek olacağı anlamına gelir. Doğum kliniği önüne gidelim, doğan bebeklerin cinsiyetine bakalım. Hiçbir zaman 1 kız 1 erkek doğmaz. Çünkü her doğum birbirinden bağımsızdır ve olasılığı 0.50'dir. Bazen arka arkaya 3 kız ya da 2 erkek ya da farklı oranlarda doğabilir. Hiçbir zaman arka arkaya 10 kız yada 10 erkek doğmaz.Bu oran 3 kız 7 erkek yada 4 erkek 6 kız yada 5 kız 5 erkek vb. olabilir. Doğum sayısı 30'a ulaştığında rasgeleliğin etkisi tamamen ortadan kalkar, oran 0.50 ulaşır.
![Page 148: Istatistik](https://reader033.vdocuments.pub/reader033/viewer/2022061214/5499ad02b479591e268b4588/html5/thumbnails/148.jpg)
• İki yada daha çok grup karşılaştırılacaksa gruplardaki denek sayıları birbirine eşit yada yakın olmalıdır. bunun amacı herbir gruptaki rasgeleliğin etkisini eşit tutmaktır.Örneğin bir grupta 10 denek diğerinde 25 denek varsa birinci grupta rasgeleliğin etkisi 25 denekli ikinci gruptan daha fazladır. bu da farklı koşullarda kıyaslama yapmaya ve hatalı sonuç bulunmasına yol açar. Herbir gruptaki denek sayısının 30'un üzerinde olması durumunda eşitlik önemini yitirir. Bir grupta 30 diğerinde 50 denek olabilir.
![Page 149: Istatistik](https://reader033.vdocuments.pub/reader033/viewer/2022061214/5499ad02b479591e268b4588/html5/thumbnails/149.jpg)
• UYGUN TEST SEÇİMİ• Eldeki veriye uygun test seçmek çok
önemlidir. Araştırma ne kadar iyi planlansa ne kadar iyi uygulansa tüm aşamaları ne kadar iyi yürütülse de sonuçta değerlendirme aşamasında yanlış test uygulanırsa o aşamaya kadar harcanan tüm emekler boşa gider. Peki elimizdeki veriye çok sayıda testten hangisini seçeceğiz. Doğru kararı nasıl vereceğiz. İşte bu iş için istatistikteki karar ağacı yöntemini bu amaçla kullanabiliriz. Bu aşamada önce verinin ölçüm yada sayım olması kriterine bakacağız.
![Page 150: Istatistik](https://reader033.vdocuments.pub/reader033/viewer/2022061214/5499ad02b479591e268b4588/html5/thumbnails/150.jpg)
• Veri ölçümle belirtilen karakterlerden oluşuyorsa 2 nolu karar ağacını, sayımla belirtilen karakterlerden oluşuyorsa 3 nolu karar ağacını izleyeceğiz. Testin seçiminde karar ağacı ile birlikte önce parametrik test varsayımlarını gerçekleştirip gerçekleştirmediğine bakacağız.Parametrik (P), Nonparametrik (NP) ile belirtilen testi alacağız.
![Page 151: Istatistik](https://reader033.vdocuments.pub/reader033/viewer/2022061214/5499ad02b479591e268b4588/html5/thumbnails/151.jpg)
VERİ
ÖLÇÜM SAYIM
![Page 152: Istatistik](https://reader033.vdocuments.pub/reader033/viewer/2022061214/5499ad02b479591e268b4588/html5/thumbnails/152.jpg)
ÖLÇÜM
Grup Tek Grup İki Grup Çok
![Page 153: Istatistik](https://reader033.vdocuments.pub/reader033/viewer/2022061214/5499ad02b479591e268b4588/html5/thumbnails/153.jpg)
ÖLÇÜM
Grup Tek Grup İki Grup Çok
Bağımsız Bağımlı Bağımsız Bağımlı
![Page 154: Istatistik](https://reader033.vdocuments.pub/reader033/viewer/2022061214/5499ad02b479591e268b4588/html5/thumbnails/154.jpg)
ÖLÇÜM
Grup Tek Grup İki Grup Çok
Bağımsız Bağımlı Bağımsız Bağımlı
İki Ortalama Arası Fark Testi
İki Eş Arası Fark Testi
Tek YönlüVaryans Analizi
Tekrarlı ÖlçümlerVaryans Analizi
Mann WhitneyU Testi
Wilcoxon EşTesti
Kuruskal Wallis Varyans Analizi
Fredman Testi
Kitle OrtalamasıAnlamlılık Testi
İşaret Testi
Parametrik OlmayanTestleri
ParametrikTestler
![Page 155: Istatistik](https://reader033.vdocuments.pub/reader033/viewer/2022061214/5499ad02b479591e268b4588/html5/thumbnails/155.jpg)
Sayım
Grup Tek Grup İki Grup Çok
![Page 156: Istatistik](https://reader033.vdocuments.pub/reader033/viewer/2022061214/5499ad02b479591e268b4588/html5/thumbnails/156.jpg)
SAYIM
Grup Tek Grup İki Grup Çok
Bağımsız Bağımlı Bağımsız
![Page 157: Istatistik](https://reader033.vdocuments.pub/reader033/viewer/2022061214/5499ad02b479591e268b4588/html5/thumbnails/157.jpg)
SAYIM
Grup Tek Grup İki Grup Çok
Bağımsız Bağımlı Bağımsız
Bağımsız İki Oran Arası Fark Testi
Bağımlı İki OranArası Fark Testi
2 x 2 DüzenindeKi-KareTesti
MacNemarTesti
Çok GözlüKi-Kare Testii
Kitle OranınınAnlamlılık Testi
Tek DeğişkenliKi-KareTesti
Fisher Kesin Ki-KareTesti
Kolmogrov Simirnov Testi
Parametrik OlmayanTestleri
ParametrikTestler
![Page 158: Istatistik](https://reader033.vdocuments.pub/reader033/viewer/2022061214/5499ad02b479591e268b4588/html5/thumbnails/158.jpg)
Parametrik Hipotez Testlerine GirişT-Testleri
• Tek grupta t-testi• Bağımsız iki grupta t-testi• Eşleştirilmiş iki grupta t-testi
![Page 159: Istatistik](https://reader033.vdocuments.pub/reader033/viewer/2022061214/5499ad02b479591e268b4588/html5/thumbnails/159.jpg)
Parametrik Hipotez Testlerine GirişT-Testleri• Tek grupta t-testinin varsayımları
nelerdir?– Test edilecek örneklem normal
dağılıma uygun olmalıdır.– Vakalar rasgele olarak seçilmiş
olmalıdır– Vakalar birbirinden bağımsız
olmalıdır.
![Page 160: Istatistik](https://reader033.vdocuments.pub/reader033/viewer/2022061214/5499ad02b479591e268b4588/html5/thumbnails/160.jpg)
Parametrik Hipotez Testlerine GirişT-Testleri• Tek grupta t-testi örneklem
ortalamasının evren ortalamasına eşit olup olmadığını test etmek için kullanılır.
• Örneğin spor yapmayan yetişkin erkeklerin depresyon ölçeği puanlarının 50’den fazla olduğu yönünde bir hipotezimiz olduğunda oluşturduğumuz örneklemdeki puan ortalamasının 50’den farklı olup olmadığını test etmemiz gerekir. İşte örneklem ortalamamızın belli bir evren ortalamasına uyup uymadığını test etmek için tek grupta t-testini uygularız.
![Page 161: Istatistik](https://reader033.vdocuments.pub/reader033/viewer/2022061214/5499ad02b479591e268b4588/html5/thumbnails/161.jpg)
KİTLE ORTALAMASI ÖNEMLİLİK TESTİ
t = X - Sx
H0 : = 50 n = 30
H1 : 50 S= 10,33 Sx = 10,33 / 30
t = 50-54,63 1,88
= -2,457 t 0.05,30 = 2.10p=0.020 p< 0,05
Sonuç örneklem ortalaması kitle ortalamasından farklıdır
![Page 162: Istatistik](https://reader033.vdocuments.pub/reader033/viewer/2022061214/5499ad02b479591e268b4588/html5/thumbnails/162.jpg)
ÖrnekBasketbol oyuncularının vücut yağ yüzdesi ortalamasının %10 olup araştırılmak istenmektedir. Bu amaçla rasgele seçilen 30 basketbolcunun vücut yağ yüzdeleri ölçülmüştür.
H0 : Basketbolcuların vücut yağ yüzdesi ortalaması 10’dur. H1: Basketbolcuların vücut yağ yüzdesi ortalaması 10’dan farklıdır.
68.63090.1
1068.7
/
nS
xt
P<0.000
Yorum:Basketbolcuların vücut yağ yüzdesi ortalaması 10’dan farklı bulunmuştur.
![Page 163: Istatistik](https://reader033.vdocuments.pub/reader033/viewer/2022061214/5499ad02b479591e268b4588/html5/thumbnails/163.jpg)
İki ortalama arasındaki farkın anlamlılığı testi• İncelenen bir değişken yönünden
birbirinden bağımsız iki grubun karşılaştırılmasında kullanılır.
• Varsayımları şunlardır:– Karşılaştırılacak iki grup vardır– Gruplar birbirinden bağımsızdır yani her
grupta farklı kişiler yer alır– Veriler sürekli sayısal verilerdir– Gruplardaki denek sayıları yeterlidir
(n>=30)– Evren dağılımları normal dağılım gösterir.– Evren varyansları homojendir
![Page 164: Istatistik](https://reader033.vdocuments.pub/reader033/viewer/2022061214/5499ad02b479591e268b4588/html5/thumbnails/164.jpg)
İki ortalama arasındaki farkın anlamlılık testi• Örneğimizde iki farklı grup öğrenci var. 50 adet
kız öğrenci ve 50 adet erkek öğrenci. Burada cinsiyetin bilgi skorları üzerindeki etkisi araştırılmıştır. Buna göre iki ayrı cinsiyet grubunda bilgi skorlarının ortalaması karşılaştırılmıştır.– Birinci adım, iki farklı gruba ait verilerin bu testin
varsayımlarını karşılayıp karşılamadığıdır.– İkinci adım ise verilen istatistiklere göre arada anlamlı
fark olup olmadığına bakılmasıdır.– Birinci grubun bilgi skoru ortalaması 8,46,diğer grubun
ise 7,62 olsun. Formüllerde bunları ve standart sapmaları yerine koyduğumuzda ortaya bir t istatistiği çıkacaktır. Bunun p değerini bulduğumuzda 0.05’ten küçükse anlamlı bir fark olduğunu söyler,H0’ı reddederiz.
![Page 165: Istatistik](https://reader033.vdocuments.pub/reader033/viewer/2022061214/5499ad02b479591e268b4588/html5/thumbnails/165.jpg)
İKİ ORTALAMA ARASINDAKİ FARKIN ÖNEMLİLİK TESTİ
H0 : X1 - X2 = 0
H1 : X1 - X2 0
X1 - X2
S12 + S2
2
n1 n2
Kızlarla erkeklerin bilgi skorları arasında fark var mı?
8.46 - 7.621.702 + 2.232
50 50
t =
t = = 2.12 t 0.05 , 49 = 2.01 p< 0.05
![Page 166: Istatistik](https://reader033.vdocuments.pub/reader033/viewer/2022061214/5499ad02b479591e268b4588/html5/thumbnails/166.jpg)
İki eş arasındaki farkın anlamlılık testi• Bir denek üzerinde bazen birden fazla deney yapılmak
istenebilir. Örneğin spor bilimlerinde antrenman öncesi ve antrenman sonrası birçok parametre açısından karşılaştırma yapılarak antrenmanın bu parametrelere etkisi araştırılabilmektedir. Bu tür araştırmalarda grupların bağımlı yani aynı kişilerden oluştuğu söylenir.
• Eğer bağımlı grup sayısı 2 ve gruplara ait verilerin yapısı parametrik testlerin varsayımlarını karşılıyorsa iki eş arasındaki farkın anlamlılık testi ya da paired-t test kullanılabilir.
• Buna göre varsayımlarımız:– Bağımlı grup sayısı 2’dir– Veriler ölçümle belirtilmiştir– Denek sayısı her iki grupta da yeterlidir (n30)– Gruplardaki gözlem değerleri çıkartılarak elde edilen
farkların dağılımı normal dağılıma uygunsa bu test kullanılır
![Page 167: Istatistik](https://reader033.vdocuments.pub/reader033/viewer/2022061214/5499ad02b479591e268b4588/html5/thumbnails/167.jpg)
Hipotezlerin kurulması:
H0:
H1:
D = 0D 0
Test istatistiğinin hesaplanması:
a) Gözlemlerin önceki değerlerinden sonraki değerleri çıkartılarak fark dizisi oluşturulur.
D
DS
nSS DD /
b) Farkların ortalaması bulunur:
c) Farkların standart sapması bulunur:
d) Farkların standart hatası bulunur:
![Page 168: Istatistik](https://reader033.vdocuments.pub/reader033/viewer/2022061214/5499ad02b479591e268b4588/html5/thumbnails/168.jpg)
l t hesap l > t tablo
ise H0 hipotezi reddedilir ve p< (örneğin p<0.05) şeklinde gösterilir.
e) Test istatistiği (t hesap) hesaplanır:
DS
Dt
![Page 169: Istatistik](https://reader033.vdocuments.pub/reader033/viewer/2022061214/5499ad02b479591e268b4588/html5/thumbnails/169.jpg)
ÖRNEK:
Primer hipertansiyonlu bireylere günde iki kez 20’şer dakikalık yürüyüş önerilerek, yürüyüşe başlamadan önceki 1 haftalık ortalama tansiyon miktarı ile yürüyüşe başladıktan sonraki 1 haftalık ortalama tansiyon miktarları arasında fark olup olmadığı öğrenilmek isteniyor.
Aynı bireylerin iki farklı zamandaki ölçümleri söz konusu olduğundan gruplar bağımlıdır.
![Page 170: Istatistik](https://reader033.vdocuments.pub/reader033/viewer/2022061214/5499ad02b479591e268b4588/html5/thumbnails/170.jpg)
HastaSis. KanÖnce
BasıncıSonra
FarkÖnce-Sonra
1 140 125 15
2 135 120 15
3 150 145 5
4 155 155 0
5 145 150 -5
. . . ,
. . . ,
36 140 120 20Ortalam
a146,86 138,1
68,69
S. sapma
7,06 7,97
6,18
![Page 171: Istatistik](https://reader033.vdocuments.pub/reader033/viewer/2022061214/5499ad02b479591e268b4588/html5/thumbnails/171.jpg)
FARK DEĞERLERİ
20,015,010,05,00,0-5,0
S A
Y I
10
8
6
4
2
0
P-P PLOT
1,0,8,5,30,0
1,0
,8
,5
,3
0,0
![Page 172: Istatistik](https://reader033.vdocuments.pub/reader033/viewer/2022061214/5499ad02b479591e268b4588/html5/thumbnails/172.jpg)
03,136/18,6/ nSS DD
H0:
H1:
D = 0
D 0
1. Hipotezlerin Kurulması:
2. Test İstatistiğinin Hesaplanması
44,803,1
69,8
DS
Dt
![Page 173: Istatistik](https://reader033.vdocuments.pub/reader033/viewer/2022061214/5499ad02b479591e268b4588/html5/thumbnails/173.jpg)
3. Alfa yanılma düzeyi 0.05 olarak alınmıştır.
4. İstatistiksel karar.
p<0,05
Yorum: Yürüyüş sonrasında sistolik kan basıncındaki 8.69 birimlik (mm/Hg) düşme istatistiksel açıdan anlamlıdır.
![Page 174: Istatistik](https://reader033.vdocuments.pub/reader033/viewer/2022061214/5499ad02b479591e268b4588/html5/thumbnails/174.jpg)
Tek Yönlü Varyans Analizi
• Parametrik test varsayımları karşılanmalıdır– Gruplar normal dağılım göstermelidir– Grupların varyansları homojen olmalıdır– Gruplar birbirinden bağımsız olmalıdır– Veriler ölçümle belirlenmelidir– Her bir gruptaki gözlem sayısı 30’un
üzerinde olmalıdır• İkiden fazla bağımsız grup arasında fark olup
olmadığını test etmek için kullanılır• Yani iki ortalama arasındaki farkın anlamlılığı
testinin 2’den çok gruba uyarlanmış halidir
![Page 175: Istatistik](https://reader033.vdocuments.pub/reader033/viewer/2022061214/5499ad02b479591e268b4588/html5/thumbnails/175.jpg)
İkiden Fazla Bağımsız Grupta Tek Yönlü Varyans Analizi
• Örnek: hentbol, basketbol ve futbol oynayan öğrencilerin yüzde yağ değerlerinin karşılaştırılması istendiğinde yüzde yağ değeri açısından 3 farklı spor grubu karşılaştırılırken tek yönlü varyans analizi kullanılır
Hentbol Basketbol Futbol
X 10,37 7,68 4,89
n1 30 30 30
![Page 176: Istatistik](https://reader033.vdocuments.pub/reader033/viewer/2022061214/5499ad02b479591e268b4588/html5/thumbnails/176.jpg)
Tek Yönlü Varyans Analizi
• Varyans analizi sonucunda gruplar arasında fark yoksa işlemler sona erer.
• Varyans analizi sonucunda gruplar arasında fark bulunursa hangi gruplar arasında farklılık olduğu ortaya çıkarılır. Bunun için post-hoc testler uygulanır:– En küçük önemli fark yöntemi (her bir ortalama 1 kez
kullanılır)– Duncan yöntemi– Tukey HSD yöntemi ikili karşılaştırma– Student-Newman-Keuls yöntemi– Dunnett yöntemi (her bir deney grubu kontrol grubu ile
karşılaştırılır)
![Page 177: Istatistik](https://reader033.vdocuments.pub/reader033/viewer/2022061214/5499ad02b479591e268b4588/html5/thumbnails/177.jpg)
İkiden Fazla Bağımlı Grupta nTekrarlı Ölçümlerde Varyans Analizi
• Bazı çalışmalarda aynı denekler ikiden fazla sayıda ölçüme tabi tutulurlar. Özellikle farklı zamanlarda yapılan ölçümlerin kullanıldığı çalışmalar tekrarlı ölçümlerde varyans analiziyle incelenir.
• Bu şekildeki deneylere denekler içi düzen (within-subject design) adı verilir.
• Tekrarlı ölçümlerde varyans analizinde de parametrik testlerde olduğu gibi – Normal dağılıma uygunluk – Varyansların homojenliği– n sayısının yeterliliği kavramları yer almaktadır.
![Page 178: Istatistik](https://reader033.vdocuments.pub/reader033/viewer/2022061214/5499ad02b479591e268b4588/html5/thumbnails/178.jpg)
Tekrarlı Ölçümlerde Varyans Analizi• Örnek: Spor yapan kişilerde tansiyonların zaman
içindeki değişimi incelenmek istenebilir. • Bunun için aynı deneklerin spordan önce, spor yapmaya
başladıktan 3 ay sonra ve 6 ay sonra yapılan tansiyon ölçümleri karşılaştırılabilir.
Sporcu no
Önce 3 ay sonra
6 ay sonra
1 175 160 145
2 185 172 150
... ... ... ...
X 172,64 164,95 153,55140
145
150
155
160
165
170
175
önce 3 ay sonra 6 ay sonra
![Page 179: Istatistik](https://reader033.vdocuments.pub/reader033/viewer/2022061214/5499ad02b479591e268b4588/html5/thumbnails/179.jpg)
ÖRNEK:
Lise öğrencilerinin düzey belirleme sınavı öncesi durumluk kaygı düzeylerini belirlemek ve varolan kaygı düzeyini azaltmak amacıyla düzenlenen bir çalışmada, rasgele seçilen 25 lise 1. sınıf öğrencisi araştırma örneklemini oluşturuyor.
Öğrencilerin ilk düzey belirleme sınavı öncesindeki durumluk kaygı düzeyleri belirlendikten sonra, gevşeme çalışması eğitimi veriliyor ve 2. ve 3. seviye belirleme sınavı öncesindeki kaygı düzeyleri tekrar ölçülüyor. Kaygı düzeyleri 20 maddelik durumluk kaygı ölçeği ile elde ediliyor.
![Page 180: Istatistik](https://reader033.vdocuments.pub/reader033/viewer/2022061214/5499ad02b479591e268b4588/html5/thumbnails/180.jpg)
Öğrenci
İlk sınav
Öncesi
İkinci sınav
Öncesi
Üçüncü Sınav Öncesi
1 40 37 34
2 52 50 43
3 35 35 34
4 38 35 32
5 45 40 41
6 41 42 37
7 41 40 41
8 40 37 32
9 44 46 40
. . . .
25 42 41 34
Durumluk Kaygı Puanları
![Page 181: Istatistik](https://reader033.vdocuments.pub/reader033/viewer/2022061214/5499ad02b479591e268b4588/html5/thumbnails/181.jpg)
Zaman Ortalama
S. Sapma n
I. Sınav Öncesi
42,24 4,92 25
II. Sınav Öncesi
41,80 4,91 25
III. Sınav Öncesi
38,36 4,57 25
Tanımlayıcı İstatistikler
![Page 182: Istatistik](https://reader033.vdocuments.pub/reader033/viewer/2022061214/5499ad02b479591e268b4588/html5/thumbnails/182.jpg)
252525N =
DURUMLUK KAYGI ÖLÇÜMÜ ZAMANI
III. sınav öncesi
II. sınav öncesi
I. sınav öncesi
Duru
mlu
k K
aygı
Ort
ala
ma +
- 1 S
sapm
a
50
48
46
44
42
40
38
36
34
32
30
28
![Page 183: Istatistik](https://reader033.vdocuments.pub/reader033/viewer/2022061214/5499ad02b479591e268b4588/html5/thumbnails/183.jpg)
Ho: Eğitim verilmeden önceki ve eğitim verildikten sonraki dönemlerde elde edilen durumluk kaygı puanları arasında fark yoktur.
HİPOTEZLERİN BELİRLENMESİ
H1: Eğitim verilmeden önceki ve eğitim verildikten
sonraki dönemlerde elde edilen durumluk kaygı puanları arasında fark vardır.
Karşılaştırma için F dağılımından yararlanılır. Hesapla bulunan F istatistiğinin elde edilmesinde kullanılan bilgiler bilgiler sıklıkla varyans analizi tablosunda özetlenir.
![Page 184: Istatistik](https://reader033.vdocuments.pub/reader033/viewer/2022061214/5499ad02b479591e268b4588/html5/thumbnails/184.jpg)
Durumluk kaygı örneği için Varyans Analizi Tablosu
Değişim Kaynağı KT Sd KO F P
DönemlerArası
436.4
2 218.2 41.6 0.000
Denekler
Arası
182.3
24 7.6
Hata251.
748 5.2
Durumluk kaygı puanlarının dönemlere göre değişimi önemlidir (p<0.05). Hangi dönemler arasında fark olduğu ikişerli karşılaştırmalarla incelenmelidir.
KT: kareler toplamı, Sd: serbestlik derecesi, Ko:kareler ortalaması
![Page 185: Istatistik](https://reader033.vdocuments.pub/reader033/viewer/2022061214/5499ad02b479591e268b4588/html5/thumbnails/185.jpg)
Sayımla Belirtilen Verilerde
Çapraz Tablo ve Ki kare analiziİki ya da daha çok değişkenin birlikte değişiminin
incelenmesi çoğu zaman çapraz tablo yapımını gerektirir.
İki ve daha fazla değişkenin kategorilerinin kesiştiği yerde frekansların olduğu tablolara çapraz tablo denir.
Eğer incelenecek iki değişken varsa, bu iki değişkenin birlikte değişimini göstermek amacıyla oluşturulan tabloya ikili çapraz tablo denir. Üç değişkenin birlikte değişimini incelemek amacıyla oluşturulan tabloya üçlü çapraz tablo,.... denir.
![Page 186: Istatistik](https://reader033.vdocuments.pub/reader033/viewer/2022061214/5499ad02b479591e268b4588/html5/thumbnails/186.jpg)
Yaş Grupları Erkek % Kadın % Toplam
0 19 47.5 21 52.5 40
1-4 85 53.1 75 46.9 160
5-9 95 47.5 110 52.5 200
10-14 185 49.3 190 50.7 375
15-19 210 46.7 240 53.3 450
. . . . . .
. . . . . .
85+ 50 7.6 75 6.3 125
Toplam 1655 100 1595 100.0 3250
A Sağlık Bölgesindeki Nüfusun Yaşa ve Cinsiyete Göre Dağılımı
![Page 187: Istatistik](https://reader033.vdocuments.pub/reader033/viewer/2022061214/5499ad02b479591e268b4588/html5/thumbnails/187.jpg)
Aile Planlaması Kullanma
Kullanan Kullanmayan
Öğrenim Sayı (%) Sayı (%) ToplamOkur Yazar Değil 15 25.
045 75.0 60
İlkokul 25 41.7
35 58.3 60
Ortaokul 32 53.3
28 46.7 60
Lise 40 66.7
20 33.3 60
Üniversite 48 80.0
12 20.0 60
Toplam 160 53.3
140 46.7 300
Öğrenim Düzeylerine Göre Aile Planlaması Kullanma Durumu
![Page 188: Istatistik](https://reader033.vdocuments.pub/reader033/viewer/2022061214/5499ad02b479591e268b4588/html5/thumbnails/188.jpg)
0
20
40
60
80
100
Okur YazarDeğil
İlkolul Ortaokul Lise Üniversite
Öğrenim Durumu
Yüz
de (%
)
Kullanan
Kullanmayan
Öğrenim Düzeylerine Göre Aile Planlaması Kullanma Durumu
Aile P.
![Page 189: Istatistik](https://reader033.vdocuments.pub/reader033/viewer/2022061214/5499ad02b479591e268b4588/html5/thumbnails/189.jpg)
Kİ-KARE TESTLERİ
1. Ki-kare testleri veri tipinin nitelik olduğu (kadın-erkek, iyileşti-iyileşmedi, hasta-sağlam, sosyo-ekonomik düzeyi iyi-orta-kötü,... gibi) verilerde kullanılır.
2. Ayrıca sürekli ya da kesikli sayısal veri tipinde olduğu halde sonradan nitelik veri konumuna dönüştürülen veriler arasında fark olup olmadığının incelenmesinde de kullanılır.
3. Veriler 2x2, 2x3, 3x3, 3x4, ... Boyutlu çapraz tablo şeklinde olmalıdır.
![Page 190: Istatistik](https://reader033.vdocuments.pub/reader033/viewer/2022061214/5499ad02b479591e268b4588/html5/thumbnails/190.jpg)
2x2 ki-kare testiİki yüzde arasındaki farkın anlamlılık
testinin uygulandığı durumlarda istenirse 2x2 ki-kare testinden de yararlanılabilir.
2x2 ki-kare testinin avantajı, gruplardaki gözlem sayılarının az olduğu durumlar için
geliştirilmiş değişik ki-kare testlerinin olmasıdır. Gruplardaki gözlem sayısının az
olması durumunda ki-kare testlerinden yararlanmak daha uygundur.
![Page 191: Istatistik](https://reader033.vdocuments.pub/reader033/viewer/2022061214/5499ad02b479591e268b4588/html5/thumbnails/191.jpg)
ÖRNEKLER: 2x2 (4 gözlü) ki-kare tablosu
Sigara Var
Yakınma Yok Toplam
İçen
İçmeyen
Toplam
![Page 192: Istatistik](https://reader033.vdocuments.pub/reader033/viewer/2022061214/5499ad02b479591e268b4588/html5/thumbnails/192.jpg)
EğitimDüzeyi
İyi
Sağlık Orta
Bilgisi Kötü Topla
m
Düşük
Yüksek
Toplam
ÖRNEKLER: 2x3 ki-kare tablosu
![Page 193: Istatistik](https://reader033.vdocuments.pub/reader033/viewer/2022061214/5499ad02b479591e268b4588/html5/thumbnails/193.jpg)
Çalışma Pozisyon
u
Varis
Olan
BulgusuOlmayan Toplam
Oturarak 26 175 201
Ayakta 44 181 225
Toplam 70 356 426
4.32
p>0.05Elde edilen sonuca göre oturarak ve ayakta çalışanlar Arasında varis bulgusu açısından anlamlı farklılık yoktur
![Page 194: Istatistik](https://reader033.vdocuments.pub/reader033/viewer/2022061214/5499ad02b479591e268b4588/html5/thumbnails/194.jpg)
Akdeniz Üniversitesi Tıp Fakültesi
Osman Saka 194
Chi-Square Tests
8,025a 3 ,046
7,853 3 ,049
,070 1 ,792
73
Pearson Chi-Square
Likelihood Ratio
Linear-by-LinearAssociation
N of Valid Cases
Value dfAsymp. Sig.
(2-sided)
3 cells (37,5%) have expected count less than 5. Theminimum expected count is 1,97.
a.
cinsiyet * pre op memnuniyet Crosstabulation
Count
3 18 25 3 49
3 9 6 6 24
6 27 31 9 73
erkek
kadin
cinsiyet
Total
zayif orta iyi çok iyi
pre op memnuniyet
Total
![Page 195: Istatistik](https://reader033.vdocuments.pub/reader033/viewer/2022061214/5499ad02b479591e268b4588/html5/thumbnails/195.jpg)
Korelasyon Analizi ve Tahmin Kavramı
![Page 196: Istatistik](https://reader033.vdocuments.pub/reader033/viewer/2022061214/5499ad02b479591e268b4588/html5/thumbnails/196.jpg)
Pearson Korelasyon Katsayısı (r)
Ölçümle belirtilen iki değişken arasındaki doğrusal ilişkinin kuvveti
(derecesi) ve yönü hakkında bilgi verir.
-1<= r <=+1arasında değişir.
![Page 197: Istatistik](https://reader033.vdocuments.pub/reader033/viewer/2022061214/5499ad02b479591e268b4588/html5/thumbnails/197.jpg)
197
İlişki artar
0-1 +1
İlişki Azalır
![Page 198: Istatistik](https://reader033.vdocuments.pub/reader033/viewer/2022061214/5499ad02b479591e268b4588/html5/thumbnails/198.jpg)
r(±) İlişkinin derecesi
0.90 to 1.00 Çok kuvvetli
0.70 to 0.89 Kuvvetli
0.50 to 0.69 Orta
0.30 to 0.49 Düşük
0.00 to 0.29 Zayıf
Olarak değerlendirilmekle birlikte ilişkinin derecesi ne olursa olsun anlamlı (p<0.05)olmalıdır. Aksi halde r ne olursa olsun (p>0.05) olması durumunda değişkenler arasında ilişkinin varlığından söz edilemez
İlişkilerin Değerlendirilmesi
![Page 199: Istatistik](https://reader033.vdocuments.pub/reader033/viewer/2022061214/5499ad02b479591e268b4588/html5/thumbnails/199.jpg)
• Boy(cm) yaş(Ay)• 60 1• 65 3• 70 5• 75 7• 80 9
• 85 11• 90 13• 97 15• 100 17• 105 20• 110 21• 115 23• 120 25• 125 27• 130 30
•
• Egzersiz_Süresi Performans
• 60 100• 65 98• 70 96• 75 94• 80 92• 85 90• 90 88• 97 86• 100 84• 105 82• 110 80• 115 78• 120 76• 125 74• 130 72
•
![Page 200: Istatistik](https://reader033.vdocuments.pub/reader033/viewer/2022061214/5499ad02b479591e268b4588/html5/thumbnails/200.jpg)
Tam İlişkir=1
0 5 10 15 20 25 30
Yaþ
130
120
110
100
90
80
70
60
Boy
60 70 80 90 100 110 120 130
Egzersiz_Süresi
100
95
90
85
80
75
70
perf
orm
ans
r=+1 r=-1
![Page 201: Istatistik](https://reader033.vdocuments.pub/reader033/viewer/2022061214/5499ad02b479591e268b4588/html5/thumbnails/201.jpg)
Tam İlişkir=1
0 5 10 15 20 25 30
Yaþ
130
120
110
100
90
80
70
60
Boy
60 70 80 90 100 110 120 130
Egzersiz_Süresi
100
95
90
85
80
75
70
perf
orm
ans
r=+1r=-1
![Page 202: Istatistik](https://reader033.vdocuments.pub/reader033/viewer/2022061214/5499ad02b479591e268b4588/html5/thumbnails/202.jpg)
• Boy_cm_ Yaş_ay_• 60 1• 62 3• 62 5• 80 7• 80 9
• 81 11• 90 13• 97 15• 100 17• 100 20• 100 21• 104 23• 108 25• 114 27• 130 30
• Egzersiz_Süre Performans
• 60 100• 65 100• 70 99• 75 99• 80 90• 85 95• 90 90• 95 88• 100 89• 105 87• 110 83• 115 79• 120 78• 125 70• 130 72
![Page 203: Istatistik](https://reader033.vdocuments.pub/reader033/viewer/2022061214/5499ad02b479591e268b4588/html5/thumbnails/203.jpg)
Kuvvetli İlişki
0 5 10 15 20 25 30
Yaþ_ay_
130
120
110
100
90
80
70
60
Boy
_cm
_
60 70 80 90 100 110 120 130
Egzersiz_Süresi
100
95
90
85
80
75
70P
erfo
rman
s
r=0.97 p<0.001 r=-0.96 p<0.001
![Page 204: Istatistik](https://reader033.vdocuments.pub/reader033/viewer/2022061214/5499ad02b479591e268b4588/html5/thumbnails/204.jpg)
Kuvvetli İlişki
0 5 10 15 20 25 30
Yaþ_ay_
130
120
110
100
90
80
70
60
Boy
_cm
_
60 70 80 90 100 110 120 130
Egzersiz_Süresi
100
95
90
85
80
75
70P
erfo
rman
s
r=0.97 p<0.001 r=-0.96 p<0.001
![Page 205: Istatistik](https://reader033.vdocuments.pub/reader033/viewer/2022061214/5499ad02b479591e268b4588/html5/thumbnails/205.jpg)
Zayıf İlişkiler
P O Z İ T İ F Z A Y I F İ L İ Ş K İ
2624222018161412108
30
20
10
0
N E G A T İ F Z A Y I F İ L İ Ş K İ
2624222018161412108
30
20
10
0
![Page 206: Istatistik](https://reader033.vdocuments.pub/reader033/viewer/2022061214/5499ad02b479591e268b4588/html5/thumbnails/206.jpg)
Zayıf İlişkiler
P O Z İ T İ F Z A Y I F İ L İ Ş K İ
2624222018161412108
30
20
10
0
N E G A T İ F Z A Y I F İ L İ Ş K İ
2624222018161412108
30
20
10
0
![Page 207: Istatistik](https://reader033.vdocuments.pub/reader033/viewer/2022061214/5499ad02b479591e268b4588/html5/thumbnails/207.jpg)
İlişki Yok
Osman Saka
10 15 20 25 30 35
Yaþ
19
18
17
16
15
14
13
12
Hb
r=0.027 p=0.887
![Page 208: Istatistik](https://reader033.vdocuments.pub/reader033/viewer/2022061214/5499ad02b479591e268b4588/html5/thumbnails/208.jpg)
İlişki Yok
Osman Saka
10 15 20 25 30 35
Yaþ
19
18
17
16
15
14
13
12
Hb
r=0.027 p=0.887
![Page 209: Istatistik](https://reader033.vdocuments.pub/reader033/viewer/2022061214/5499ad02b479591e268b4588/html5/thumbnails/209.jpg)
İlişki Yok
Osman Saka
10 15 20 25 30 35
Yaþ
19
18
17
16
15
14
13
12
Hb
r=-0.027 p=0.887
![Page 210: Istatistik](https://reader033.vdocuments.pub/reader033/viewer/2022061214/5499ad02b479591e268b4588/html5/thumbnails/210.jpg)
Korelasyon Analizi
• İki değişken arasındaki ilişkinin kuvveti ve yönünü bildiren bir analizdir
• Öncelikle saçılım (scatter) grafiklerinden yararlanılarak değişkenlerdeki ilişkilerin yapısı konusunda bir ön bilgi edinilir.
• Saçılım grafikleri doğrusal pozitif ve negatif yönde zayıf, kuvvetli ve tam ilişki gösterebilirken hiç ilişki de göstermeyebilmektedir.
![Page 211: Istatistik](https://reader033.vdocuments.pub/reader033/viewer/2022061214/5499ad02b479591e268b4588/html5/thumbnails/211.jpg)
• Değişkenler arasında doğrusal ilişkilerin dışında doğrusal olmayan ilişkiler de bulunabilmektedir.
• Örnek: yaş ile sıçrama yüksekliği arasında belli bir yaşa kadar pozitif bir ilişki varken, belli bir yaşta maksimuma ulaştıktan sonra negatif bir ilişki gerçekleşir.
• Doğrusal ilişkiye sahip olmayan veriler bazen logaritmik dönüşümlerle doğrusal hale getirilebilir
![Page 212: Istatistik](https://reader033.vdocuments.pub/reader033/viewer/2022061214/5499ad02b479591e268b4588/html5/thumbnails/212.jpg)
Korelasyon Katsayısı (r) • Ölçümle belirtilen değişkenler arasındaki
doğrusal ilişkinin yönünü ve kuvveti hakkında bilgi almak amacıyla Pearson Korelasyon Katsayısı kullanılır.
• Analizi yapılacak değişkenlerin normal dağılım varsayımını karşılaması gerekmektedir
• Normal dağılıma uyulmayan durumlarda Spearman rank korelasyon katsayısı kullanılabilir
![Page 213: Istatistik](https://reader033.vdocuments.pub/reader033/viewer/2022061214/5499ad02b479591e268b4588/html5/thumbnails/213.jpg)
Korelasyon Katsayısının Hesaplanması
x y x.y - n• r= [( x2 - ( x)2 /n] [ y2 - ( y)2 /n]
r= xy çarpımlar toplamı (x ortalamadan ayrılış kareler toplamı)(y ortalamadan ayrılış kareler t.)
![Page 214: Istatistik](https://reader033.vdocuments.pub/reader033/viewer/2022061214/5499ad02b479591e268b4588/html5/thumbnails/214.jpg)
Korelasyon Katsayısının Hesaplanması
n x.y - x y• r= [ (n x2 - ( x)2] [n y2 - ( y)2 ]
![Page 215: Istatistik](https://reader033.vdocuments.pub/reader033/viewer/2022061214/5499ad02b479591e268b4588/html5/thumbnails/215.jpg)
Korelasyon Hesaplama -Örnek• Sporcuların masa tenisinde aldıkları sayı (X) antrenman haftası
sayısı arasındaki ilişkinin incelenmesi
X Y X2 Y2 XY
10 14 100 196 140
5 10 25 100 50
14 18 196 324 252
2 8 4 64 16
3 6 9 36 18
6 12 36 144 72
4 8 16 64 32
20 40 400 1600 800
12 24 144 576 288
8 16 64 256 128
X=84 Y=156 X2 = 994 Y2 = 3360 XY = 1796
![Page 216: Istatistik](https://reader033.vdocuments.pub/reader033/viewer/2022061214/5499ad02b479591e268b4588/html5/thumbnails/216.jpg)
Korelasyon Katsayısının Hesaplanması
10. 1796 - 84.156• r= [10 . 994 - (84)2].[10.3360 - (156)2 ]
17960 - 13104• r= [9940 - 7056].[33600 - 24336 ]
0,939
![Page 217: Istatistik](https://reader033.vdocuments.pub/reader033/viewer/2022061214/5499ad02b479591e268b4588/html5/thumbnails/217.jpg)
Korelasyon Katsayısının Anlamı• Korelasyon katsayısı r, –1 ve +1
arasındaki değerlerden oluşmaktadır.• -1’e yakın değerler negatif yönde
kuvvetli bir ilişkiyi,• +1’e yakın değerle pozitif yönde
kuvvetli bir ilişkiyi• 0’a yakın değerler çok düşük bir ilişkiyi
gösterir.• +1 ve –1 tam ilişki, 0 ise hiç ilişki
olmamasıdır
![Page 218: Istatistik](https://reader033.vdocuments.pub/reader033/viewer/2022061214/5499ad02b479591e268b4588/html5/thumbnails/218.jpg)
Korelasyon Matrisi
• Özellikle ikiden fazla değişken arasındaki ilişkilerle ilgileniliyorsa bu değişkenler arasındaki ilişkiler matris şeklinde sunulur
![Page 219: Istatistik](https://reader033.vdocuments.pub/reader033/viewer/2022061214/5499ad02b479591e268b4588/html5/thumbnails/219.jpg)
Correlations
1 ,359** -,204 ,008 ,014 ,097
,005 ,118 ,951 ,913 ,463
60 60 60 60 60 60
,359** 1 -,038 ,016 -,021 -,003
,005 ,775 ,904 ,873 ,981
60 60 60 60 60 60
-,204 -,038 1 ,159 ,011 -,008
,118 ,775 ,225 ,934 ,950
60 60 60 60 60 60
,008 ,016 ,159 1 ,045 -,033
,951 ,904 ,225 ,731 ,804
60 60 60 60 60 60
,014 -,021 ,011 ,045 1 ,168
,913 ,873 ,934 ,731 ,200
60 60 60 60 60 60
,097 -,003 -,008 -,033 ,168 1
,463 ,981 ,950 ,804 ,200
60 60 60 60 60 60
Pearson Correlation
Sig. (2-tailed)
N
Pearson Correlation
Sig. (2-tailed)
N
Pearson Correlation
Sig. (2-tailed)
N
Pearson Correlation
Sig. (2-tailed)
N
Pearson Correlation
Sig. (2-tailed)
N
Pearson Correlation
Sig. (2-tailed)
N
boy
kilo
sistolik arter basýncý
nabýz
operasyon süresi
motor blok süresi
boy kilosistolik arter
basýncý nabýzoperasyon
süresimotor blok
süresi
Correlation is significant at the 0.01 level (2-tailed).**.
Korelasyon Matrisi
![Page 220: Istatistik](https://reader033.vdocuments.pub/reader033/viewer/2022061214/5499ad02b479591e268b4588/html5/thumbnails/220.jpg)
Kısmi Korelasyon Katsayısı• Bazen bazı değişkenler birden çok
değişkeni etkilemektedir. • Örneğin yaş değişkeni özellikle belli
değerler arasında birçok parametreyi etkilerler ve ilişki olmadığı halde korelasyona yol açarlar
• Örn. Kuvvet ile boy uzunluğu belli yaş dönemlerinde çok güçlü bir korelasyona sahiptir ama aralarındaki ilişki bu kadar güçlü olmayabilir.
![Page 221: Istatistik](https://reader033.vdocuments.pub/reader033/viewer/2022061214/5499ad02b479591e268b4588/html5/thumbnails/221.jpg)
Kısmi Korelasyon Katsayısı• Böyle durumlarda iki ilişkisiz
değişkende korelasyona yol açan bağımsız değişkenin etkisinin ortadan kaldırılması ya da sabit tutulması gerekmektedir.
• Örnek: x1, x2, x3 gibi üç değişken olsun.• X1= matematik başarı puanı• X2 = ayak uzunluğu • X3 = yaş olsun
![Page 222: Istatistik](https://reader033.vdocuments.pub/reader033/viewer/2022061214/5499ad02b479591e268b4588/html5/thumbnails/222.jpg)
• r12 = 0,80 (matematik puanı, ayak uzunluğu
ilişkisi) • r13 = 0,90 (matematik puanı, yaş ilişkisi)
• r23 = 0,88 (ayak uzunluğu, yaş ilişkisi)
r12 - r13 r23
r12.3 =
(1- r213) - (1- r2
23)
![Page 223: Istatistik](https://reader033.vdocuments.pub/reader033/viewer/2022061214/5499ad02b479591e268b4588/html5/thumbnails/223.jpg)
Kısmi Korelasyon Katsayısı
0,80 – 0,90. 0,88
r12.3 =
(1- 0,902) - (1- 0,882)
3 nolu değişkenin yani yaş değişkeninin etkisi Kaldırıldığında matematik başarı puanı ile Ayak uzunluğu arasındaki korelasyon katsayısır = 0,038, yani 0 yakın anlamsız bir ilişkiyi ifade eder
= 0,038
![Page 224: Istatistik](https://reader033.vdocuments.pub/reader033/viewer/2022061214/5499ad02b479591e268b4588/html5/thumbnails/224.jpg)
Spearman Sıra Korelasyon Katsayısı (rs)
Değişkenlerin biri ya da her ikisinin normal dağılma uymadığı durumlarda kullanılabileceği gibi Bağımlı, Bağımsız Yada her ikisinin sıralı (ordinal) olması durumunda iki değişkenin ilişki miktarını belirlemek amacı ile kullanılır.
Parametrik olmayan bir ilişki katsayısıdır.
![Page 225: Istatistik](https://reader033.vdocuments.pub/reader033/viewer/2022061214/5499ad02b479591e268b4588/html5/thumbnails/225.jpg)
Örnek
Verileri daha önce verilen 73 hastanın operasyon süresi ile hastaların operasyondan memnun oluup olmadıkları sorulmuştur. Memnuniyetleri 4= çok memnun olmak üzere 1,2,3,4 olarak derecelendirilmiştir. Operasyon süresi ile memnuniyet arasında ilişki varmıdır?
![Page 226: Istatistik](https://reader033.vdocuments.pub/reader033/viewer/2022061214/5499ad02b479591e268b4588/html5/thumbnails/226.jpg)
Correlations
1,000 ,107
. ,367
73 73
,107 1,000
,367 .
73 73
Correlation Coefficient
Sig. (2-tailed)
N
Correlation Coefficient
Sig. (2-tailed)
N
operasyon süresi
post op memnuniyet
Spearman's rho
operasyonsüresi
post opmemnuniyet
![Page 227: Istatistik](https://reader033.vdocuments.pub/reader033/viewer/2022061214/5499ad02b479591e268b4588/html5/thumbnails/227.jpg)
Açıklayıcılık Katsayısı (R2)• Açıklayıcılık katsayısı, bağımlı değişkendeki
toplam değişimin yüzde kaçının bağımsız değişken tarafından açıklandığını belirtmektedir.
• R2, 0 ile 1 arasında değişmektedir.• r = 0,939 olduğunda, R2= 0,8649’dur• R2 değerinin 1’e yakın olması bağımlı
değişkendeki değişimin büyük bir bölümünün bağımsız değişken tarafından açıklandığını ve modelin uygun olduğunu gösterir.