<!-- wp:image -->
<!-- /wp:image --><!-- wp:heading -->
İstatistiksel testlere ait sonuçların dağılımlar ile gösterimi
<!-- /wp:heading --><!-- wp:paragraph -->
İstatistiksel testler, araştırmacıların istatistiksel analiz raporlarında yer verdiği vazgeçilmez yöntemler bütünüdür. Hipotez testi bölümlerinin yer aldığı raporlarda, sıklıkla test istatistiği olarak adlandırdığımız bir alan görmekteyiz. Test istatistiklerinde ki-kare, t, F gibi gösterimler, söz konusu istatistiksel dağılımları temsil etmektedir.
<!-- /wp:paragraph --><!-- wp:paragraph -->
Bu yazımızda, istatistiksel testler için dağılımsal gösterimlerin üzerinde duracağız.
<!-- /wp:paragraph --><!-- wp:paragraph -->
Alıştığımız üzere; bilimsel çalışmalarımızda değişkenler arası ilişkilerin sınanması, ortalamaların karşılaştırılması, regresyon katsayılarının anlamlılıklarının test edilmesi şeklinde onlarca farklı istatistiksel test uyguluyoruz.
<!-- /wp:paragraph --><!-- wp:paragraph -->
Her uyguladığımız testin sonucunu da anlamlılık değerleri, (nam-ı diğer p-değerleri) üzerinden değerlendiriyoruz.
<!-- /wp:paragraph --><!-- wp:paragraph -->
Hiç kuşkusuz, bu bize inanılmaz ölçüde yorumlama kolaylığı sağlıyor.
<!-- /wp:paragraph --><!-- wp:paragraph -->
Peki bu p-değerleri neye dayanıyor? Başka bir deyişle, p-değerlerinin hesaplanışının ardında yatan şey nedir?
<!-- /wp:paragraph --><!-- wp:paragraph -->
Tek kelime ile: Dağılımlar. Yani, istatistikte kullandığımız o meşhur t-dağılımı, standart normal dağılım (Z), ki-kare dağılımı gibi dağılım türleri.
<!-- /wp:paragraph --><!-- wp:paragraph -->
Çünkü her uyguladığımız istatistiksel hipotez testi sonucu, bir istatistiksel dağılıma uygunluk gösteren test istatistiklerine dayanır. Biz de bu dağılımlara dayalı test istatistiklerinden hareketle p-değerlerini hesaplar ve sonuçlarımızı kolaylıkla yorumlarız.
<!-- /wp:paragraph --><!-- wp:paragraph -->
Aslına bakarsak, istatistik yaşadığımız doğadan hiç de farklı değil. Nasıl ki doğada her nesnenin bir özelliği varsa, hipotez testlerinin de teorik mucizeden gelen bir özelliği var.
<!-- /wp:paragraph --><!-- wp:paragraph -->
Buna göre uyguladığımız her istatistiksel hipotez testinin bir dağılıma uygunluk gösteren test istatistiğine sahip olduğunu biliyoruz.
<!-- /wp:paragraph --><!-- wp:paragraph -->
İstatistiksel testlerimizin sonuçlarında bu test istatistiklerini de p-değerlerinden önce çoğunlukla paylaşıyoruz.
<!-- /wp:paragraph --><!-- wp:paragraph -->
Örneğin; bağımsız örneklemler t-testi sonucunda t-istatistiğini, varyans analizi (ANOVA) sonucunda F-istatistiğini, ki-kare bağımsızlık testi sonucunda ki-kare istatistiğini, Mann-Whitney U testi sonucunda Z-istatistiğini ve Kruskal-Wallis testi sonucunda ki-kare istatistiğini kullanıyoruz.
<!-- /wp:paragraph --><!-- wp:paragraph -->
Gördüğümüz gibi, farklı testlerin test istatistikleri de aynı dağılıma sahip olabiliyor.
<!-- /wp:paragraph --><!-- wp:paragraph -->
Hem Kruskal-Wallis, hem ki-kare bağımsızlık testlerinde test istatistiğimiz aynı ki-kare dağılımına yakınsıyor.
<!-- /wp:paragraph --><!-- wp:paragraph -->
Bu durum kimi zaman araştırmacılar açısından zihin karmaşasına yol açabiliyor ve "Acaba bir hata mı var?" duygusunun oluşmasına yol açabiliyor. Hayır, kesinlikle bir hata yapmıyorsunuz!
<!-- /wp:paragraph --><!-- wp:paragraph -->
Bu tarz durumlarla bir bağımlı değişkeni modellemek için kullandığımız regresyon analizinde de, iki bağımsız grup ortalamalarını karşılaştırmak için uyguladığımız bağımsız örneklemler t-testinde de karşılaşabiliyoruz.
<!-- /wp:paragraph --><!-- wp:paragraph -->
Çünkü her iki analizde de test istatistiklerimiz t-dağılımına uygunluk gösteriyor.
<!-- /wp:paragraph --><!-- wp:paragraph -->
Bu yazımızda genel hatları ile istatistiksel testlerde dağılımların nasıl kullanılabileceğine göz attık. Olası kuşkularımıza da bir parça olsun değinmek istedik.
<!-- /wp:paragraph --><!-- wp:paragraph -->
Gelecek yazılarımızda istatistiksel testler ile ilgili farklı konulara değinmeye devam edeceğiz.
<!-- /wp:paragraph -->
