SlideShare uma empresa Scribd logo
1 de 42
TEK ÖRNEKTEN ÇEKİLEN VERİLER İÇİN
PARAMETRİK OLMAYAN TEKNİKLER
Bu teknikler, parametrik tekniklerden Z ve T testlerinin
alternatifleridirler. Bu tekniklerin ortak özelliği test edilecek olan
hipotezlerin ‘medyan’ üzerine dayandırılmasıdır. En çok kullanılanları
İşaret Testi ve Wilcoxon İşaretli Sıra Sayıları Testidir
İŞARET TESTİ
VARSAYIMLAR
• Kitle medyanı üzerine kurulmuş hipotezlerin test edilmesinde yararlanılır.
• Kitle ortalamasının anlamlılık testinin parametrik olmayan karşılığıdır.
• Çalışılan örneklemin çekildiği kitlenin normal dağılım göstermemesi halinde
kullanılır.
• n birimlik bir örneklem, medyanı bilinmeyen bir kitleden rasgele ve bağımsız
olarak çekilmiştir.
• İlgilenilen değişken süreklidir.
• İlgilenilen değişken en az sıralama düzeyinde ölçülmüştür.
HİPOTEZLER
• 𝐻0: M = 𝑀0 𝐻1: M > 𝑀0
• 𝐻0: M = 𝑀0 𝐻1: M < 𝑀0
• 𝐻0: M = 𝑀0 𝐻1: M ≠ 𝑀0
TEST İSTATİSTİĞİ
𝐷𝑖 = 𝑋𝑖 − 𝑀0 i = 1, 2, 3, …, n bağıntısı ile 𝑋1, 𝑋2, 𝑋3, … , 𝑋 𝑛 verisi ‘+’ ve ‘- ‘ işaret
dizisine dönüştürülür. Test istatistiği, k = (+) ya da (-) işaret sayısı olup hangisinin
tercih edileceği hipoteze göre belirlenir.
k’NIN ÖRNEKLEME DAĞILIMI İÇİN
1. n tane işaretli terim
2. Di’lerin birbirinden bağımsız olması
3. (+) ya da (-) işaret olma olasılığı eşit olup 0.5 olması
4. Her gözlem değeri için iki sonucun olması
k ~ b (n,p=0.5) olup olasılık fonksiyonu P(k)= 𝑛
𝑘
𝑝 𝑘 𝑞 𝑛−𝑘 k = 0, 1, …, n
KARAR
• 𝐻1: M > 𝑀0 ise
k: (-) işaret sayısı olur. k’: örneklemden hesaplanan (-) işaret sayısı
P(k≤k’) < α ise 𝐻0 RED
• 𝐻1: M < 𝑀0 ise
k: (+) işaret sayısı olur. k’: örneklemden hesaplanan (+) işaret sayısı
P(k≤k’) < α ise 𝐻0 RED
• 𝐻1: M ≠ 𝑀0 ise
k: minimum (+) ya da (–) sayısı olur.
P(k≤k’) < α ise 𝐻0 RED
NOT: EĞER 𝐷𝑖 FARKLARINDAN SIFIR OLAN GÖZLEM VARSA O GÖZLEM İŞLEM
DIŞI TUTULUR.
A dersi için başarı notuna ilişkin medyanın 60 puandan küçük olduğu iddia ediliyor.
Rasgele seçilmiş 8 öğrencinin puanları 65-52-50-40-17-76-18-46 olup α=0.05 önem
düzeyinde ilgili hipotezi test ediniz.
𝐻0: M = 60
𝐻1: M < 60 < olduğundan k = (+) sayısı
𝑋𝑖 𝐷𝑖
65 5 k’: 2
52 -8 P(k≤2)=P(k=0)+P(k=1)+P(k=2)
50 -10 P(k≤2)=0.144 > 0.05 olduğuna göre 𝐻0 REDDEDİLEMEZ
40 -20
17 -43 Yorum: A dersi için başarı notuna ilişkin medyanın
76 16 %95 güven ile 60 puandan küçük olmadığını söyleyebiliriz.
18 -42
46 -14
3-6 yaş arası 14 çocuk için elde edilen ebeveynden bağımsız yemek
yeme testine ilişkin skorlar 3-3-3-4-4-5-6-6-6-7-7-8-8-8 şeklindedir.
Bağımsız yemek yeme yönünden kitle ortancasının 7 olduğu iddia
ediliyor. α=0.05 önem düzeyinde ilgili hipotezi test ediniz.
𝐻0: M = 7
𝐻1: M ≠ 7 ≠ olduğundan k minimum (+) ya da (-) sayısı olur
(-) işaret sayısı : 9 (+) işaret sayısı: 3 işlem dışı gözlem sayısı: 2
n=12 olup tablodan n=12, k=3 değerine bakılır. (0.073)
0.073 > 0.025 olduğundan 𝐻0 REDDEDİLEMEZ
Yorum: 3-6 yaş arasında ebeveynden bağımsız yemek yeme testine
ilişkin kitle ortancasının 7 olduğunu %95 güvenle söyleyebiliriz.
WİLCOXON İŞARETLENMİŞ SIRA SAYILARI
TESTİ
VARSAYIMLAR
• n çaplı bir örnek medyanı bilinmeyen kitleden çekilmiştir.
• İlgilenilen değişken süreklidir.
• Kitlenin dağılımı simetriktir.
• Ölçme düzeyi en az eşit aralıklıdır.
• Gözlemler birbirinden bağımsızdır.
HİPOTEZLER
• 𝐻0: M = 𝑀0 𝐻1: M > 𝑀0
• 𝐻0: M = 𝑀0 𝐻1: M < 𝑀0
• 𝐻0: M = 𝑀0 𝐻1: M ≠ 𝑀0
TEST İSTATİSTİĞİ
𝐷𝑖 = 𝑋𝑖 − 𝑀0 farkları elde edilir (sıfır olan gözlem işlem dışı tutulur)
|𝐷𝑖| ‘lerden en küçüğüne 1 en büyüğüne n olacak şekilde sıra sayıları
verilir.
Sıra sayılarına 𝐷𝑖 değerlerinin işaretine göre (-) ya da (+) işareti verilir.
𝑇+: Pozitif işaretli sıra sayıları toplamı
𝑇−: Negatif işaretli sıra sayıları toplamı
KARAR
• 𝐻1: M > 𝑀0 ise 𝑇− < d ise 𝐻0 RED
• 𝐻1: M < 𝑀0 ise 𝑇+ < d ise 𝐻0 RED
A sektöründen aylık gelire ilişkin medyanın 200’den fazla olduğu iddia ediliyor. Rasgele seçilen 12
kişiden elde edilen gelirler aşağıdaki gibidir. İlgili hipotezi %95 güven düzeyinde test ediniz.
𝐻0: M=200 𝐻1 : M > 200
𝑋𝑖 𝐷𝑖 |𝐷𝑖| |𝐷𝑖| işaretli sıra sayıları
210 101 10 4
196 -4 4 -2 𝑇−= 5 (-2, -3)
195 -5 5 -3 d tablo değerimiz 17 olup
220 20 20 6 𝑇− < d yani 5 < 17 olduğundan
260 60 60 9 𝐻0 REDDEDİLİR
245 45 45 8 Yorum: Medyanın iddia edildiği gibi 200’den
211 11 11 5 fazla olduğunu %95 güvenle söyleyebiliriz.
244 44 44 7
201 1 1 1
279 79 79 10
295 95 95 11
310 110 110 12
İKİ BAĞIMSIZ ÖRNEK OLMASI DURUMU
MEDYAN TESTİ
VARSAYIMLAR
• Veriler iki bağımsız örnekten oluşur.
• İlgili değişken en az sıralama düzeyinde ölçülmüştür.
• İlgili değişken süreklidir.
HİPOTEZLER
• 𝐻0: 𝑀1 = 𝑀2 𝐻1: 𝑀1 < 𝑀2
• 𝐻0: 𝑀1 = 𝑀2 𝐻1: 𝑀1 > 𝑀2
• 𝐻0: 𝑀1 = 𝑀2 𝐻1: 𝑀1 ≠ 𝑀2
𝑀1: Birinci kitlenin medyanı, 𝑀2: İkinci kitlenin medyanı
TEST İSTATİSTİĞİ
M: Birleştirilmiş örnek medyanı
A: 1.örnek biriminde M’den büyük olanların sayısı
B: 2.örnek biriminde M’den büyük olanların sayısı
C: 1.örnek biriminde M’den küçük olanların sayısı
D: 2.örnek biriminde M’den küçük olanların sayısı
P1=A/n1 P2=B/n2 P=(A+B)/n
T=(P1-P2)/ 𝑃(1 − 𝑃)(
1
𝑛1
) + (
1
𝑛2
)
KARAR
T: |Z| > Z α/2 ise 𝐻0 RED
1 2
> M A B A+B
< M C D C+D
A+C B+D A+B+C+D
n1 n2 n
A ve B teknikleri ile tedavi edilen hastaların tedavi süreleri verilmiştir.
Medyanların farklı olduğu iddia ediliyor. Birinci gruptaki hastalar A
tekniği ile, ikinci gruptaki hastalar B tekniği ile tedavi edilmiştir.
Teknikler arasında fark var mıdır? %95 güvenle hipotezi test ediniz.
İKİ BAĞIMSIZ ÖRNEK OLMASI DURUMU
MANN-WHITNEY U TESTİ
VARSAYIMLAR
• Veriler iki bağımsız örnekten oluşur.
• İlgili değişken en az sıralama düzeyinde ölçülmüştür.
• İlgili değişken süreklidir.
HİPOTEZLER
• 𝐻0: 𝑀1 = 𝑀2 𝐻1: 𝑀1 < 𝑀2
• 𝐻0: 𝑀1 = 𝑀2 𝐻1: 𝑀1 > 𝑀2
• 𝐻0: 𝑀1 = 𝑀2 𝐻1: 𝑀1 ≠ 𝑀2
TEST İSTATİSTİĞİ
İki bağımsız örnek verileri birleştirilip küçükten büyüğe sıralanır.
En küçüğe 1, en büyüğe n olacak biçimde sıra numarası verilir
S: Birinci örnek verilerine atanan sıra sayıları toplamı olmak üzere:
T = S –
𝑛1(𝑛1+1)
2
KARAR
𝐻1: 𝑀1 < 𝑀2 ise T ≤ 𝑊α ise 𝐻0 RED
𝐻1: 𝑀1 > 𝑀2 ise T ≥ 𝑊1−α ise 𝐻0 RED
𝐻1: 𝑀1 ≠ 𝑀2 ise T ≥ 𝑊1−α/2 ise ya da T ≤ 𝑊α/2 ise 𝐻0 RED
Rasgele seçilen 20 öğrencinin 12 tanesine A, 8 tanesine B yöntemi ile
eğitim verilmiştir. A yönteminin etkinliğinin B yönteminden daha az
olduğu iddia ediliyor. %95 güvenle hipotezi test ediniz.
KARAR
𝑊α=27 T=22 olup; T < 𝑊α olduğundan 𝐻0 RED
Yorum: A yönteminin etkinliği B yönteminin etkinliğinden daha az
olduğunu %95 güvenle söyleyebiliriz.
Açık kalp ameliyatı olmak üzere hazırlanmış 8 erkek ve 8 kadın hasta
rasgele seçilmiş ve bu hastalara psikolojik yönden rahatlatıcı A ilacı
uygulanmıştır. Bu hastaların ameliyata alınırken psikolojik durumları bir
testle saptanarak puanlandırılmıştır. Kadın ve erkeklerde A ilacının
psikolojik durum üzerine önemli farklı etkisi var mıdır?
İKİ BAĞIMSIZ ÖRNEK OLMASI DURUMU DAĞILIM
YA DA DEĞİŞİM PARAMETRELERİ YÖNÜNDEN
İki bağımsız grubun dağılım ya da değişim parametreleri yönünden
karşılaştırılmalarında kullanılan parametrik olmayan bir yöntemdir.
Parametrik yöntemlerden F testinin alternatifidir. F testinin
kullanılamadığı durumlarda parametrik olmayan karşılığı olan Mood
Testi ya da Moses Testi kullanılır.
İKİ BAĞIMSIZ ÖRNEK OLMASI DURUMU MOOD
TESTİ
VARSAYIMLAR
Veriler 𝑛1< 𝑛2 olmak üzere iki bağımsız örnekten oluşur.
Örneklerin çekildiği kitleler için kitle medyanları aynıdır.
İlgili değişken süreklidir.
İlgili değişken en az sıralama düzeyinde ölçülmüştür.
HİPOTEZLER
𝐻0: σ1= σ2 𝐻1: σ1 < σ2
𝐻0: σ1= σ2 𝐻1: σ1 > σ2
𝐻0: σ1= σ2 𝐻1: σ1 ≠ σ2
σ1: Birinci kitleye ait σ2: İkinci kitleye ait bilinmeyen dağılımın parametresi
TEST İSTATİSTİĞİ
M= ( 𝑟𝑖 −
𝑛+1
2
)
2
𝑟𝑖: x değerine karşılık gelen sıra sayısı
KARAR
α önem seviyesi 𝐻1 hipotezine bakılarak karar verilir.
• 𝐻1: σ1 < σ2 ise; 𝑟𝑖 sıra sayıları, ortalaması çevresinde dağılacağından
M istatistiğinin küçük değer olması beklenir.
Örneklemden hesaplanan bu değeri;
𝑀′α = 𝑛1, 𝑛2 ve α önem seviyesi için bulunan tablo değeri ile
karşılaştırırız.
M < 𝑀′α ise 𝐻0 RED
Biyoloji bölümü öğrencileri ile eczacılık öğrencilerinin Biyoistatistik dersine
ait notları için medyanların aynı olduğu biliniyor. Bu iki grubu değişim
parametreleri yönünden karşılaştırmak amacı ile Biyoloji bölümünden 4
Eczacılık bölümünden 5 öğrenci rasgele seçiliyor. Buna göre notların homojen
bir dağılıma sahip olup olmadığını %95 güven seviyesinde test ediniz.
Biyoloji Eczacılık 𝑟𝑖 (𝑟𝑖 −
𝑛+1
2
)
2
60 (6) 80 (8) 6 1
40 (3) 20 (1) 3 4
45 (4) 30 (2) 4 1
50 (5) 62 (7) 5 0
90 (90) M=6
M’ = 11 tablo değeri olduğuna göre M < M’ yani 6 < 11 olduğundan
𝐻0 REDDEDİLİR
İKİ BAĞIMLI GRUBU KONUM PARAMETRELERİ YÖNÜNDEN
KARŞILAŞTIRAN PARAMETRİK OLMAYAN TESTLER
İŞARET TESTİ
TEST İSTATİSTİĞİ
HİPOTEZLER
Fr eque ncies
1
8
1
10
Negative Differencesa
Positive Differencesb
Tiesc
Total
X - Y
N
X < Ya.
X > Yb.
X = Yc.
Test Statisticsb
,039a
,020
,018
Exact Sig. (2-tailed)
Exact Sig. (1-tailed)
Point Probability
X - Y
Binomial distribution used.a.
Sign Testb.
İKİ BAĞIMLI GRUBU KONUM PARAMETRELERİ YÖNÜNDEN
KARŞILAŞTIRAN PARAMETRİK OLMAYAN TESTLER
WİLCOXON İŞARETLENMİŞ SIRA SAYILARI TESTİ
HİPOTEZLER
İKİDEN FAZLA BAĞIMSIZ ÖRNEK
KARŞILAŞTIRMASI İÇİN TESTLER
MEDYAN TESTİ
HİPOTEZLER
TEST İSTATİSTİĞİ
KARAR
Hesap değeri tablo değerinden küçükse 𝐻0 REDDEDİLİR
Yorum: İki farklı testteki sonuçlar arasında anlamlı düzeyde fark
olmadığı sonucunda ulaşılmıştır.
KAYNAKÇA
• Kazım Özdamar SPSS ile Biyoistatistik
• Prof. Dr. Mustafa Şenocak Biyoistatistik
• Prof. Dr. Hamza Gamgam Parametrik Olmayan Yöntemler

Mais conteúdo relacionado

Mais procurados

İstatistik Temel Kavramlar
İstatistik Temel Kavramlarİstatistik Temel Kavramlar
İstatistik Temel KavramlarZeynep Öztürk
 
Parametrik Testlerin Sayıltıları
Parametrik Testlerin SayıltılarıParametrik Testlerin Sayıltıları
Parametrik Testlerin SayıltılarıGülşah Başol
 
Veri̇ elde etme yöntemleri̇
Veri̇ elde etme yöntemleri̇Veri̇ elde etme yöntemleri̇
Veri̇ elde etme yöntemleri̇berkan66
 
Endometrium Kanseri (fazlası için www.tipfakultesi.org)
Endometrium Kanseri (fazlası için www.tipfakultesi.org)Endometrium Kanseri (fazlası için www.tipfakultesi.org)
Endometrium Kanseri (fazlası için www.tipfakultesi.org)www.tipfakultesi. org
 
2 araştırma türleri
2 araştırma türleri2 araştırma türleri
2 araştırma türleriozgurkaragoz54
 
NİTEL ARAŞTIRMA YÖNTEMLERİNDE ÖRNEKLEM SEÇİMİ
NİTEL ARAŞTIRMA YÖNTEMLERİNDE ÖRNEKLEM SEÇİMİNİTEL ARAŞTIRMA YÖNTEMLERİNDE ÖRNEKLEM SEÇİMİ
NİTEL ARAŞTIRMA YÖNTEMLERİNDE ÖRNEKLEM SEÇİMİCan Abbak
 
Yetersiz Periferal Doku Perfüzyonu Sunum
Yetersiz Periferal Doku Perfüzyonu SunumYetersiz Periferal Doku Perfüzyonu Sunum
Yetersiz Periferal Doku Perfüzyonu Sunumnandacepte.org
 
Ucret yonetimi
Ucret yonetimiUcret yonetimi
Ucret yonetimiTur Kan
 
İBAT 4.konu Araştırma Modelleri
İBAT 4.konu Araştırma ModelleriİBAT 4.konu Araştırma Modelleri
İBAT 4.konu Araştırma ModelleriDr. Esmeray Karataş
 
Stratejik Yönetim ve Unsurları - Bölüm 3
Stratejik Yönetim ve Unsurları - Bölüm 3Stratejik Yönetim ve Unsurları - Bölüm 3
Stratejik Yönetim ve Unsurları - Bölüm 3Rserit
 
3. bölüm fabrika yeri seçimi
3. bölüm fabrika yeri seçimi3. bölüm fabrika yeri seçimi
3. bölüm fabrika yeri seçimiSuleyman Bayindir
 
Stratejik yonetim prezantasyonu_2004_2005_bolum4
Stratejik yonetim prezantasyonu_2004_2005_bolum4Stratejik yonetim prezantasyonu_2004_2005_bolum4
Stratejik yonetim prezantasyonu_2004_2005_bolum4Mahir İstanbullu
 
Ki kare ve kolmogorov smirnov uygunluk testlerinin simülasyon ile elde edilen...
Ki kare ve kolmogorov smirnov uygunluk testlerinin simülasyon ile elde edilen...Ki kare ve kolmogorov smirnov uygunluk testlerinin simülasyon ile elde edilen...
Ki kare ve kolmogorov smirnov uygunluk testlerinin simülasyon ile elde edilen...Andy Samthre
 
Karma Yöntem Modelleri
Karma Yöntem ModelleriKarma Yöntem Modelleri
Karma Yöntem Modelleritagi21
 
Stratejik Yönetim - Bölüm 1
Stratejik Yönetim - Bölüm 1Stratejik Yönetim - Bölüm 1
Stratejik Yönetim - Bölüm 1Rserit
 

Mais procurados (20)

İstatistik Temel Kavramlar
İstatistik Temel Kavramlarİstatistik Temel Kavramlar
İstatistik Temel Kavramlar
 
Parametrik Testlerin Sayıltıları
Parametrik Testlerin SayıltılarıParametrik Testlerin Sayıltıları
Parametrik Testlerin Sayıltıları
 
Dağılım ölçütleri
Dağılım ölçütleriDağılım ölçütleri
Dağılım ölçütleri
 
Veri̇ elde etme yöntemleri̇
Veri̇ elde etme yöntemleri̇Veri̇ elde etme yöntemleri̇
Veri̇ elde etme yöntemleri̇
 
Araştirma teknikleri ders notu
Araştirma teknikleri ders notuAraştirma teknikleri ders notu
Araştirma teknikleri ders notu
 
Satiş Yönetimi Eğitimi
Satiş Yönetimi EğitimiSatiş Yönetimi Eğitimi
Satiş Yönetimi Eğitimi
 
Endometrium Kanseri (fazlası için www.tipfakultesi.org)
Endometrium Kanseri (fazlası için www.tipfakultesi.org)Endometrium Kanseri (fazlası için www.tipfakultesi.org)
Endometrium Kanseri (fazlası için www.tipfakultesi.org)
 
2 araştırma türleri
2 araştırma türleri2 araştırma türleri
2 araştırma türleri
 
Hedef Programlama
Hedef ProgramlamaHedef Programlama
Hedef Programlama
 
NİTEL ARAŞTIRMA YÖNTEMLERİNDE ÖRNEKLEM SEÇİMİ
NİTEL ARAŞTIRMA YÖNTEMLERİNDE ÖRNEKLEM SEÇİMİNİTEL ARAŞTIRMA YÖNTEMLERİNDE ÖRNEKLEM SEÇİMİ
NİTEL ARAŞTIRMA YÖNTEMLERİNDE ÖRNEKLEM SEÇİMİ
 
Yetersiz Periferal Doku Perfüzyonu Sunum
Yetersiz Periferal Doku Perfüzyonu SunumYetersiz Periferal Doku Perfüzyonu Sunum
Yetersiz Periferal Doku Perfüzyonu Sunum
 
Ucret yonetimi
Ucret yonetimiUcret yonetimi
Ucret yonetimi
 
İBAT 4.konu Araştırma Modelleri
İBAT 4.konu Araştırma ModelleriİBAT 4.konu Araştırma Modelleri
İBAT 4.konu Araştırma Modelleri
 
Korelasyon
KorelasyonKorelasyon
Korelasyon
 
Stratejik Yönetim ve Unsurları - Bölüm 3
Stratejik Yönetim ve Unsurları - Bölüm 3Stratejik Yönetim ve Unsurları - Bölüm 3
Stratejik Yönetim ve Unsurları - Bölüm 3
 
3. bölüm fabrika yeri seçimi
3. bölüm fabrika yeri seçimi3. bölüm fabrika yeri seçimi
3. bölüm fabrika yeri seçimi
 
Stratejik yonetim prezantasyonu_2004_2005_bolum4
Stratejik yonetim prezantasyonu_2004_2005_bolum4Stratejik yonetim prezantasyonu_2004_2005_bolum4
Stratejik yonetim prezantasyonu_2004_2005_bolum4
 
Ki kare ve kolmogorov smirnov uygunluk testlerinin simülasyon ile elde edilen...
Ki kare ve kolmogorov smirnov uygunluk testlerinin simülasyon ile elde edilen...Ki kare ve kolmogorov smirnov uygunluk testlerinin simülasyon ile elde edilen...
Ki kare ve kolmogorov smirnov uygunluk testlerinin simülasyon ile elde edilen...
 
Karma Yöntem Modelleri
Karma Yöntem ModelleriKarma Yöntem Modelleri
Karma Yöntem Modelleri
 
Stratejik Yönetim - Bölüm 1
Stratejik Yönetim - Bölüm 1Stratejik Yönetim - Bölüm 1
Stratejik Yönetim - Bölüm 1
 

Semelhante a Parametrik Olmayan (Non-Parametric) Hipotez Testleri

İleri İstatistik ve Bilimsel Araştırma Yöntemleri
İleri İstatistik ve Bilimsel Araştırma Yöntemleriİleri İstatistik ve Bilimsel Araştırma Yöntemleri
İleri İstatistik ve Bilimsel Araştırma YöntemleriGizem Turgut
 
Analitik Yöntem Validasyonu ve Detaylı Açıklamalar
Analitik Yöntem Validasyonu ve Detaylı AçıklamalarAnalitik Yöntem Validasyonu ve Detaylı Açıklamalar
Analitik Yöntem Validasyonu ve Detaylı AçıklamalarHalilIbrahimUlusoy
 
İleri İstatistik ve Bilimsel Araştırma Yöntemleri
İleri İstatistik ve Bilimsel Araştırma Yöntemleriİleri İstatistik ve Bilimsel Araştırma Yöntemleri
İleri İstatistik ve Bilimsel Araştırma YöntemleriGizem Turgut
 
17_02_15_1d0e1.pptx
17_02_15_1d0e1.pptx17_02_15_1d0e1.pptx
17_02_15_1d0e1.pptxfffff46
 
Analiz sonuçlarının istatistiksel değerlendirilmesi
Analiz sonuçlarının istatistiksel değerlendirilmesiAnaliz sonuçlarının istatistiksel değerlendirilmesi
Analiz sonuçlarının istatistiksel değerlendirilmesiibrahim bulduk
 
İleri İstatistik ve Bilimsel Araştırma Yöntemleri
İleri İstatistik ve Bilimsel Araştırma Yöntemleriİleri İstatistik ve Bilimsel Araştırma Yöntemleri
İleri İstatistik ve Bilimsel Araştırma YöntemleriGizem Turgut
 
dağılım ölçüleri(fazlası için www.tipfakultesi.org)
dağılım ölçüleri(fazlası için www.tipfakultesi.org)dağılım ölçüleri(fazlası için www.tipfakultesi.org)
dağılım ölçüleri(fazlası için www.tipfakultesi.org)www.tipfakultesi. org
 

Semelhante a Parametrik Olmayan (Non-Parametric) Hipotez Testleri (10)

İleri İstatistik ve Bilimsel Araştırma Yöntemleri
İleri İstatistik ve Bilimsel Araştırma Yöntemleriİleri İstatistik ve Bilimsel Araştırma Yöntemleri
İleri İstatistik ve Bilimsel Araştırma Yöntemleri
 
Biyoistatistik
BiyoistatistikBiyoistatistik
Biyoistatistik
 
Analitik Yöntem Validasyonu ve Detaylı Açıklamalar
Analitik Yöntem Validasyonu ve Detaylı AçıklamalarAnalitik Yöntem Validasyonu ve Detaylı Açıklamalar
Analitik Yöntem Validasyonu ve Detaylı Açıklamalar
 
İleri İstatistik ve Bilimsel Araştırma Yöntemleri
İleri İstatistik ve Bilimsel Araştırma Yöntemleriİleri İstatistik ve Bilimsel Araştırma Yöntemleri
İleri İstatistik ve Bilimsel Araştırma Yöntemleri
 
17_02_15_1d0e1.pptx
17_02_15_1d0e1.pptx17_02_15_1d0e1.pptx
17_02_15_1d0e1.pptx
 
Analiz sonuçlarının istatistiksel değerlendirilmesi
Analiz sonuçlarının istatistiksel değerlendirilmesiAnaliz sonuçlarının istatistiksel değerlendirilmesi
Analiz sonuçlarının istatistiksel değerlendirilmesi
 
İleri İstatistik ve Bilimsel Araştırma Yöntemleri
İleri İstatistik ve Bilimsel Araştırma Yöntemleriİleri İstatistik ve Bilimsel Araştırma Yöntemleri
İleri İstatistik ve Bilimsel Araştırma Yöntemleri
 
Z Testi
Z TestiZ Testi
Z Testi
 
dağılım ölçüleri(fazlası için www.tipfakultesi.org)
dağılım ölçüleri(fazlası için www.tipfakultesi.org)dağılım ölçüleri(fazlası için www.tipfakultesi.org)
dağılım ölçüleri(fazlası için www.tipfakultesi.org)
 
Wald-Wolfowitz Runs Test
Wald-Wolfowitz Runs TestWald-Wolfowitz Runs Test
Wald-Wolfowitz Runs Test
 

Mais de yigitcanozmeral

Stata Uygulamalı Panel Eşbütünleşme Testleri ve Model Tahmini
Stata Uygulamalı Panel Eşbütünleşme Testleri ve Model TahminiStata Uygulamalı Panel Eşbütünleşme Testleri ve Model Tahmini
Stata Uygulamalı Panel Eşbütünleşme Testleri ve Model Tahminiyigitcanozmeral
 
Regresyonda Çoklu Bağlantı (Multicollinearity) Probleminin Temel Bileşenler A...
Regresyonda Çoklu Bağlantı (Multicollinearity) Probleminin Temel Bileşenler A...Regresyonda Çoklu Bağlantı (Multicollinearity) Probleminin Temel Bileşenler A...
Regresyonda Çoklu Bağlantı (Multicollinearity) Probleminin Temel Bileşenler A...yigitcanozmeral
 
Başarılı Örneklemenin Gerekleri
Başarılı Örneklemenin GerekleriBaşarılı Örneklemenin Gerekleri
Başarılı Örneklemenin Gerekleriyigitcanozmeral
 

Mais de yigitcanozmeral (7)

Stata Uygulamalı Panel Eşbütünleşme Testleri ve Model Tahmini
Stata Uygulamalı Panel Eşbütünleşme Testleri ve Model TahminiStata Uygulamalı Panel Eşbütünleşme Testleri ve Model Tahmini
Stata Uygulamalı Panel Eşbütünleşme Testleri ve Model Tahmini
 
Regresyonda Çoklu Bağlantı (Multicollinearity) Probleminin Temel Bileşenler A...
Regresyonda Çoklu Bağlantı (Multicollinearity) Probleminin Temel Bileşenler A...Regresyonda Çoklu Bağlantı (Multicollinearity) Probleminin Temel Bileşenler A...
Regresyonda Çoklu Bağlantı (Multicollinearity) Probleminin Temel Bileşenler A...
 
Örnekleme Yöntemleri
Örnekleme YöntemleriÖrnekleme Yöntemleri
Örnekleme Yöntemleri
 
T Testi
T TestiT Testi
T Testi
 
Hipotez Testleri
Hipotez TestleriHipotez Testleri
Hipotez Testleri
 
Başarılı Örneklemenin Gerekleri
Başarılı Örneklemenin GerekleriBaşarılı Örneklemenin Gerekleri
Başarılı Örneklemenin Gerekleri
 
P value
P valueP value
P value
 

Parametrik Olmayan (Non-Parametric) Hipotez Testleri

  • 1. TEK ÖRNEKTEN ÇEKİLEN VERİLER İÇİN PARAMETRİK OLMAYAN TEKNİKLER Bu teknikler, parametrik tekniklerden Z ve T testlerinin alternatifleridirler. Bu tekniklerin ortak özelliği test edilecek olan hipotezlerin ‘medyan’ üzerine dayandırılmasıdır. En çok kullanılanları İşaret Testi ve Wilcoxon İşaretli Sıra Sayıları Testidir
  • 2. İŞARET TESTİ VARSAYIMLAR • Kitle medyanı üzerine kurulmuş hipotezlerin test edilmesinde yararlanılır. • Kitle ortalamasının anlamlılık testinin parametrik olmayan karşılığıdır. • Çalışılan örneklemin çekildiği kitlenin normal dağılım göstermemesi halinde kullanılır. • n birimlik bir örneklem, medyanı bilinmeyen bir kitleden rasgele ve bağımsız olarak çekilmiştir. • İlgilenilen değişken süreklidir. • İlgilenilen değişken en az sıralama düzeyinde ölçülmüştür.
  • 3. HİPOTEZLER • 𝐻0: M = 𝑀0 𝐻1: M > 𝑀0 • 𝐻0: M = 𝑀0 𝐻1: M < 𝑀0 • 𝐻0: M = 𝑀0 𝐻1: M ≠ 𝑀0 TEST İSTATİSTİĞİ 𝐷𝑖 = 𝑋𝑖 − 𝑀0 i = 1, 2, 3, …, n bağıntısı ile 𝑋1, 𝑋2, 𝑋3, … , 𝑋 𝑛 verisi ‘+’ ve ‘- ‘ işaret dizisine dönüştürülür. Test istatistiği, k = (+) ya da (-) işaret sayısı olup hangisinin tercih edileceği hipoteze göre belirlenir. k’NIN ÖRNEKLEME DAĞILIMI İÇİN 1. n tane işaretli terim 2. Di’lerin birbirinden bağımsız olması 3. (+) ya da (-) işaret olma olasılığı eşit olup 0.5 olması 4. Her gözlem değeri için iki sonucun olması k ~ b (n,p=0.5) olup olasılık fonksiyonu P(k)= 𝑛 𝑘 𝑝 𝑘 𝑞 𝑛−𝑘 k = 0, 1, …, n
  • 4. KARAR • 𝐻1: M > 𝑀0 ise k: (-) işaret sayısı olur. k’: örneklemden hesaplanan (-) işaret sayısı P(k≤k’) < α ise 𝐻0 RED • 𝐻1: M < 𝑀0 ise k: (+) işaret sayısı olur. k’: örneklemden hesaplanan (+) işaret sayısı P(k≤k’) < α ise 𝐻0 RED • 𝐻1: M ≠ 𝑀0 ise k: minimum (+) ya da (–) sayısı olur. P(k≤k’) < α ise 𝐻0 RED NOT: EĞER 𝐷𝑖 FARKLARINDAN SIFIR OLAN GÖZLEM VARSA O GÖZLEM İŞLEM DIŞI TUTULUR.
  • 5. A dersi için başarı notuna ilişkin medyanın 60 puandan küçük olduğu iddia ediliyor. Rasgele seçilmiş 8 öğrencinin puanları 65-52-50-40-17-76-18-46 olup α=0.05 önem düzeyinde ilgili hipotezi test ediniz. 𝐻0: M = 60 𝐻1: M < 60 < olduğundan k = (+) sayısı 𝑋𝑖 𝐷𝑖 65 5 k’: 2 52 -8 P(k≤2)=P(k=0)+P(k=1)+P(k=2) 50 -10 P(k≤2)=0.144 > 0.05 olduğuna göre 𝐻0 REDDEDİLEMEZ 40 -20 17 -43 Yorum: A dersi için başarı notuna ilişkin medyanın 76 16 %95 güven ile 60 puandan küçük olmadığını söyleyebiliriz. 18 -42 46 -14
  • 6. 3-6 yaş arası 14 çocuk için elde edilen ebeveynden bağımsız yemek yeme testine ilişkin skorlar 3-3-3-4-4-5-6-6-6-7-7-8-8-8 şeklindedir. Bağımsız yemek yeme yönünden kitle ortancasının 7 olduğu iddia ediliyor. α=0.05 önem düzeyinde ilgili hipotezi test ediniz. 𝐻0: M = 7 𝐻1: M ≠ 7 ≠ olduğundan k minimum (+) ya da (-) sayısı olur (-) işaret sayısı : 9 (+) işaret sayısı: 3 işlem dışı gözlem sayısı: 2 n=12 olup tablodan n=12, k=3 değerine bakılır. (0.073) 0.073 > 0.025 olduğundan 𝐻0 REDDEDİLEMEZ Yorum: 3-6 yaş arasında ebeveynden bağımsız yemek yeme testine ilişkin kitle ortancasının 7 olduğunu %95 güvenle söyleyebiliriz.
  • 7.
  • 8. WİLCOXON İŞARETLENMİŞ SIRA SAYILARI TESTİ VARSAYIMLAR • n çaplı bir örnek medyanı bilinmeyen kitleden çekilmiştir. • İlgilenilen değişken süreklidir. • Kitlenin dağılımı simetriktir. • Ölçme düzeyi en az eşit aralıklıdır. • Gözlemler birbirinden bağımsızdır.
  • 9. HİPOTEZLER • 𝐻0: M = 𝑀0 𝐻1: M > 𝑀0 • 𝐻0: M = 𝑀0 𝐻1: M < 𝑀0 • 𝐻0: M = 𝑀0 𝐻1: M ≠ 𝑀0 TEST İSTATİSTİĞİ 𝐷𝑖 = 𝑋𝑖 − 𝑀0 farkları elde edilir (sıfır olan gözlem işlem dışı tutulur) |𝐷𝑖| ‘lerden en küçüğüne 1 en büyüğüne n olacak şekilde sıra sayıları verilir. Sıra sayılarına 𝐷𝑖 değerlerinin işaretine göre (-) ya da (+) işareti verilir. 𝑇+: Pozitif işaretli sıra sayıları toplamı 𝑇−: Negatif işaretli sıra sayıları toplamı
  • 10. KARAR • 𝐻1: M > 𝑀0 ise 𝑇− < d ise 𝐻0 RED • 𝐻1: M < 𝑀0 ise 𝑇+ < d ise 𝐻0 RED
  • 11. A sektöründen aylık gelire ilişkin medyanın 200’den fazla olduğu iddia ediliyor. Rasgele seçilen 12 kişiden elde edilen gelirler aşağıdaki gibidir. İlgili hipotezi %95 güven düzeyinde test ediniz. 𝐻0: M=200 𝐻1 : M > 200 𝑋𝑖 𝐷𝑖 |𝐷𝑖| |𝐷𝑖| işaretli sıra sayıları 210 101 10 4 196 -4 4 -2 𝑇−= 5 (-2, -3) 195 -5 5 -3 d tablo değerimiz 17 olup 220 20 20 6 𝑇− < d yani 5 < 17 olduğundan 260 60 60 9 𝐻0 REDDEDİLİR 245 45 45 8 Yorum: Medyanın iddia edildiği gibi 200’den 211 11 11 5 fazla olduğunu %95 güvenle söyleyebiliriz. 244 44 44 7 201 1 1 1 279 79 79 10 295 95 95 11 310 110 110 12
  • 12. İKİ BAĞIMSIZ ÖRNEK OLMASI DURUMU MEDYAN TESTİ VARSAYIMLAR • Veriler iki bağımsız örnekten oluşur. • İlgili değişken en az sıralama düzeyinde ölçülmüştür. • İlgili değişken süreklidir. HİPOTEZLER • 𝐻0: 𝑀1 = 𝑀2 𝐻1: 𝑀1 < 𝑀2 • 𝐻0: 𝑀1 = 𝑀2 𝐻1: 𝑀1 > 𝑀2 • 𝐻0: 𝑀1 = 𝑀2 𝐻1: 𝑀1 ≠ 𝑀2 𝑀1: Birinci kitlenin medyanı, 𝑀2: İkinci kitlenin medyanı
  • 13. TEST İSTATİSTİĞİ M: Birleştirilmiş örnek medyanı A: 1.örnek biriminde M’den büyük olanların sayısı B: 2.örnek biriminde M’den büyük olanların sayısı C: 1.örnek biriminde M’den küçük olanların sayısı D: 2.örnek biriminde M’den küçük olanların sayısı P1=A/n1 P2=B/n2 P=(A+B)/n T=(P1-P2)/ 𝑃(1 − 𝑃)( 1 𝑛1 ) + ( 1 𝑛2 ) KARAR T: |Z| > Z α/2 ise 𝐻0 RED 1 2 > M A B A+B < M C D C+D A+C B+D A+B+C+D n1 n2 n
  • 14. A ve B teknikleri ile tedavi edilen hastaların tedavi süreleri verilmiştir. Medyanların farklı olduğu iddia ediliyor. Birinci gruptaki hastalar A tekniği ile, ikinci gruptaki hastalar B tekniği ile tedavi edilmiştir. Teknikler arasında fark var mıdır? %95 güvenle hipotezi test ediniz.
  • 15.
  • 16. İKİ BAĞIMSIZ ÖRNEK OLMASI DURUMU MANN-WHITNEY U TESTİ VARSAYIMLAR • Veriler iki bağımsız örnekten oluşur. • İlgili değişken en az sıralama düzeyinde ölçülmüştür. • İlgili değişken süreklidir. HİPOTEZLER • 𝐻0: 𝑀1 = 𝑀2 𝐻1: 𝑀1 < 𝑀2 • 𝐻0: 𝑀1 = 𝑀2 𝐻1: 𝑀1 > 𝑀2 • 𝐻0: 𝑀1 = 𝑀2 𝐻1: 𝑀1 ≠ 𝑀2
  • 17. TEST İSTATİSTİĞİ İki bağımsız örnek verileri birleştirilip küçükten büyüğe sıralanır. En küçüğe 1, en büyüğe n olacak biçimde sıra numarası verilir S: Birinci örnek verilerine atanan sıra sayıları toplamı olmak üzere: T = S – 𝑛1(𝑛1+1) 2 KARAR 𝐻1: 𝑀1 < 𝑀2 ise T ≤ 𝑊α ise 𝐻0 RED 𝐻1: 𝑀1 > 𝑀2 ise T ≥ 𝑊1−α ise 𝐻0 RED 𝐻1: 𝑀1 ≠ 𝑀2 ise T ≥ 𝑊1−α/2 ise ya da T ≤ 𝑊α/2 ise 𝐻0 RED
  • 18. Rasgele seçilen 20 öğrencinin 12 tanesine A, 8 tanesine B yöntemi ile eğitim verilmiştir. A yönteminin etkinliğinin B yönteminden daha az olduğu iddia ediliyor. %95 güvenle hipotezi test ediniz.
  • 19. KARAR 𝑊α=27 T=22 olup; T < 𝑊α olduğundan 𝐻0 RED Yorum: A yönteminin etkinliği B yönteminin etkinliğinden daha az olduğunu %95 güvenle söyleyebiliriz.
  • 20. Açık kalp ameliyatı olmak üzere hazırlanmış 8 erkek ve 8 kadın hasta rasgele seçilmiş ve bu hastalara psikolojik yönden rahatlatıcı A ilacı uygulanmıştır. Bu hastaların ameliyata alınırken psikolojik durumları bir testle saptanarak puanlandırılmıştır. Kadın ve erkeklerde A ilacının psikolojik durum üzerine önemli farklı etkisi var mıdır?
  • 21.
  • 22. İKİ BAĞIMSIZ ÖRNEK OLMASI DURUMU DAĞILIM YA DA DEĞİŞİM PARAMETRELERİ YÖNÜNDEN İki bağımsız grubun dağılım ya da değişim parametreleri yönünden karşılaştırılmalarında kullanılan parametrik olmayan bir yöntemdir. Parametrik yöntemlerden F testinin alternatifidir. F testinin kullanılamadığı durumlarda parametrik olmayan karşılığı olan Mood Testi ya da Moses Testi kullanılır.
  • 23. İKİ BAĞIMSIZ ÖRNEK OLMASI DURUMU MOOD TESTİ VARSAYIMLAR Veriler 𝑛1< 𝑛2 olmak üzere iki bağımsız örnekten oluşur. Örneklerin çekildiği kitleler için kitle medyanları aynıdır. İlgili değişken süreklidir. İlgili değişken en az sıralama düzeyinde ölçülmüştür. HİPOTEZLER 𝐻0: σ1= σ2 𝐻1: σ1 < σ2 𝐻0: σ1= σ2 𝐻1: σ1 > σ2 𝐻0: σ1= σ2 𝐻1: σ1 ≠ σ2 σ1: Birinci kitleye ait σ2: İkinci kitleye ait bilinmeyen dağılımın parametresi
  • 24. TEST İSTATİSTİĞİ M= ( 𝑟𝑖 − 𝑛+1 2 ) 2 𝑟𝑖: x değerine karşılık gelen sıra sayısı KARAR α önem seviyesi 𝐻1 hipotezine bakılarak karar verilir. • 𝐻1: σ1 < σ2 ise; 𝑟𝑖 sıra sayıları, ortalaması çevresinde dağılacağından M istatistiğinin küçük değer olması beklenir. Örneklemden hesaplanan bu değeri; 𝑀′α = 𝑛1, 𝑛2 ve α önem seviyesi için bulunan tablo değeri ile karşılaştırırız. M < 𝑀′α ise 𝐻0 RED
  • 25. Biyoloji bölümü öğrencileri ile eczacılık öğrencilerinin Biyoistatistik dersine ait notları için medyanların aynı olduğu biliniyor. Bu iki grubu değişim parametreleri yönünden karşılaştırmak amacı ile Biyoloji bölümünden 4 Eczacılık bölümünden 5 öğrenci rasgele seçiliyor. Buna göre notların homojen bir dağılıma sahip olup olmadığını %95 güven seviyesinde test ediniz. Biyoloji Eczacılık 𝑟𝑖 (𝑟𝑖 − 𝑛+1 2 ) 2 60 (6) 80 (8) 6 1 40 (3) 20 (1) 3 4 45 (4) 30 (2) 4 1 50 (5) 62 (7) 5 0 90 (90) M=6 M’ = 11 tablo değeri olduğuna göre M < M’ yani 6 < 11 olduğundan 𝐻0 REDDEDİLİR
  • 26. İKİ BAĞIMLI GRUBU KONUM PARAMETRELERİ YÖNÜNDEN KARŞILAŞTIRAN PARAMETRİK OLMAYAN TESTLER İŞARET TESTİ
  • 28.
  • 29.
  • 30. Fr eque ncies 1 8 1 10 Negative Differencesa Positive Differencesb Tiesc Total X - Y N X < Ya. X > Yb. X = Yc. Test Statisticsb ,039a ,020 ,018 Exact Sig. (2-tailed) Exact Sig. (1-tailed) Point Probability X - Y Binomial distribution used.a. Sign Testb.
  • 31. İKİ BAĞIMLI GRUBU KONUM PARAMETRELERİ YÖNÜNDEN KARŞILAŞTIRAN PARAMETRİK OLMAYAN TESTLER WİLCOXON İŞARETLENMİŞ SIRA SAYILARI TESTİ
  • 33.
  • 34.
  • 35.
  • 36. İKİDEN FAZLA BAĞIMSIZ ÖRNEK KARŞILAŞTIRMASI İÇİN TESTLER MEDYAN TESTİ HİPOTEZLER
  • 37. TEST İSTATİSTİĞİ KARAR Hesap değeri tablo değerinden küçükse 𝐻0 REDDEDİLİR
  • 38.
  • 39.
  • 40.
  • 41. Yorum: İki farklı testteki sonuçlar arasında anlamlı düzeyde fark olmadığı sonucunda ulaşılmıştır.
  • 42. KAYNAKÇA • Kazım Özdamar SPSS ile Biyoistatistik • Prof. Dr. Mustafa Şenocak Biyoistatistik • Prof. Dr. Hamza Gamgam Parametrik Olmayan Yöntemler