Olasılık dağılımları

• Kesintili
P(y=yj)=p(yj)

Fonksiyonun yüksekliği olasılığı gösterir.

Her bir ölçüm için ayrıdır.
p(yj)

y1 y2 y3 y4 y5 ...

• Devamlı
Eğrinin altındaki alan olasılığı verir.
P(aile b arası)
f(yj)

a b
 Olasılık dağılımları
• Kesintili
P(y=yj)=p(yj)

Fonksiyonun yüksekliği olasılığı gösterir.

Her bir ölçüm için ayrıdır.
p(yj)

y1 y2 y3 y4 y5 ...

• Devamlı
Eğrinin altındaki alan olasılığı verir.
P(aile b arası)
f(yj)

a b
 Olasılık dağılımları

y kesintili ise
0 ≤p(yj) ≤1 yj nin tüm değerleri için
P(y= yj )=p(yj) yj nin tüm değerleri için

y devamlı ise
0 ≤f(y) b

P(a ≤y ≤b)= ∫ f ( y )dy

a
+α

∫α f ( y)dy = 1
−
 Olasılık dağılımları
Ortalama Değişim

⎧α ⎫ ⎧α ⎫
⎪ ∫ yf ( y )dy ⎪ ⎪ ∫ ( y − µ ) f ( y )dy ⎪
2
devamlı veriler:
⎪−α ⎪ σ 2 = ⎪⎨−α ⎪
µ=⎨ ⎬ ⎬
⎪ ( y − µ ) 2 p( y) ⎪
Kesintili veriler: ⎪
∑ yp ( y ) ⎪ ⎪ ∑ ⎪
⎪tum. y ⎪ ⎩tum . y ⎭
⎩ ⎭
 Testler

•Z testi
•T testi
•Çi kare testi
Dönüştürülmüş İstatistikler
•F testi

•Sıfır (Null) Hipotezi

Yorumlanmış İstatistik

• Hipotez testi

• Testler

• Regresyon analizi

• ANOVA
 Hipotez testi değerlendirme
parametreleri

hipotez testi sonuçlarının ortaya çıkmasında

önemli faktörler:

•P değeri,
•anlamlılık seviyesidir
P değeri, Anlamlılık seviyesi (α)
P değeri, sıfır hipotezinin ret edilmesine sebep olan en küçük
anlamlılık seviyesidir.
Anlamlılık seviyesi, H0 ret edildiğinde karşı karşıya kalınan hata
olasılığı
Alfanın seçimi genelde bu hatanın sonuçlarının ciddiyetine
bağlıdır.
p< α hipotezi ret et
 Güvenilirlik Limiti
Analizin doğruluğunu belirlemek için kullanılır
Güvenilirlik limiti belirlemekte populasyon ortalaması ve
anlamlılık seviyesi çok önemlidir.
Yapılan analizin sonuçlarının % kaç olasılıkta doğruluğu
değerlendiriliyor
(1- α) ile hesaplanır.
α=0.01 ise olasılık %99
α=0.05 ise olasılık %95

(α/2) (α/2)
(1- α)

Alt Güven Üst

Sınır aralığı sınır
 Serbestlik Derecesi
Serbestlik derecesi, tesadüflüğün derecesi
olarakta anılır.

df=veri adedi-1
Tek ve Çift taraflı testler
Testler değerlendirmeye alınırken hedefe göre tek
veya çift taraflı olarak değerlendirilebilirler.
• Tek taraflı ise dağılımların pozitif veya negatif olan
bölgelerinde değerlendirmeler yapılıp hipotez
değerlendirilir.
Red (1-α)
Bölgesi α/2 α/2 Red
Kabul Bölgesi
Bölgesi

• Çift taraflı durumlarda her iki tarafta hipotezin

değerlendirilmesinde yeralır.

(1-α) Red (1-α)

α Bölgesi α
Kabul Kabul
Bölgesi Bölgesi
 Sıfır (Null) Hipotezi
•İstatistikçiler ile matematikçiler arasındaki farkı hiç düşündünüz
mü?.

Matematikçiler

kafalarında sayılar ve sembollerden oluşmuş mükemmel bir dünya

düşünür ve kanıtlarında olası hatalara yervermezler
İstatikçiler

gerçek dünya ve mevcut durumlar karşısında en doğru kararları

vermeye çalışırlar. Bu durumda istatikçilerin bulgularını açıklarken
buldukları sonuçlardan ne kadar emin olup olmadıklarını da ortaya
koymak zorundadırlar.
 Sıfır Hipotezi
Amerikan yargılama sistemi bir istatikçinin karar
verme ve anlamlılık belirleme sürecine en yakın
örnektir.
Sayın Juri Üyeleri,
Delilleri duydunuz, Amerikan yargı sistemine göre yargılanan kişinin
suçlu olduğu kanıtlanıncaya kadar suçsuz olduğunu tekrar
hatırlatmak isterim. Sizleri bu yüzden öncelikle yargılananın masum
olduğunu varsayarak işe başlamanız konusunda yönlendirmek
isterim. Hatırlayınız ki yüzde yüz emin olmak hiçbir zaman mümkün
değildir ama yargılananın suçlu bulunması durumunda makul
şüphelerin dışında suçlu olduğuna karar verilmesi gereklidir.
Yanlış karar vermenin sonuçlarını aklınızdan çıkarmayın. Eğer
yargılanan suçsuz ve siz onu suçlu bulursanız suçsuz bir insanı hapse
gönderirsiniz. Ama eğer yargılanan suçlu ve siz onu suçsuz
bulursanız kötü bir insanı serbest bırakmış olursunuz. Bu mahkeme
gözünde suçsuzu yanlışlıka suçlayıp hapse göndermektense suçlu
binlerce insanı suçsuz olarak özgür bırakmak yeğlenir.
 Sıfır Hipotezi
Sıfır (Null) Hipotezi
Şimdi bu yukardaki anlayışı istatistiki anlamlığın
belirlenmesine yönelik olarak irdeleyim.

•Masumluk varsayımı
İstatikte farklılık testi yapılırken hiç farkın olmadığı
varsayımından yola çıkılır. Bu hipotez olarak hiç fark olmayan
veya sıfır hipotezi olarak anılır ve Ho olarak gösterilir.

Alternatif hipotez (H1) test edilen değerler arasında farkın

olduğunu varsayan hipotezdir. Sıfır hipotezi reddedildiği
zaman alternatif hipotez kabul edilir.
 Sıfır Hipotezi
• Makul şüphelerin dışında inandırıcılık
Yargıcın söylediği gibi gerçek dünyada yüzde yüz kesinliğe
ulaşmak mümkün değildir. İstatistikte farkların anlamlı olup
olmadığından 0,05 veya 0,01 gibi değerlerle belirlenir. Bu
değerler makul şüphenin seviyelerini belirlerler. Anlamlılık
seviyesi küçüldükçe şüphede küçülür.
• Yargılanın masum olduğu halde suçlu bulunması
Yargılanan insanın suçsuz olduğu halde suçlu bulunması bir
hatadır. Bu hata türüne istatistikte birinci tür hata adı verilir.
Bu hata incelenen veriler arasında hiçbir fark olmadığı halde
fark var kararı alınır. Bu hata boş hipotez, H0 kabul edilmesi
gerekirken H0 reddedilerek aternatif hipotez, H1 kabul
edilmiştir.
 Sıfır Hipotezi
• Yargılananın suçlu olduğu halde suçsuz bulunması
Suçlu olan birisinin suçsuz bulunması da bir hatadır. Bu hata ikici tür
hata kapsamına girer. İstatistiki olarak incelenen değerler arasında
fark yokken fark olduğu kanısına varılır. Yani bu hata H1 kabul
edilmesi gerekirken H0 kabul edilir.
• Masum bir insanı yanlışlıkla suçlamaktansa bin
tane suçluyu salı vermek daha iyidir anlayışı
Değerler arasında büyük fark oluştuğunda ancak H1 kabul edilir. Bazı
durumlarda gerçekçi bir fark olmasına rağmen bazen bu tespit
edilemez ve ikinci tür hataya sebep olur. Ancak düşük anlamlılık
seviyelerinde bazen hiçbir fark olmadığı halde fark vardır denilebilir.
Bu da birinci tür hataya sebep olur. Bu yüzden anlamlılık seviyesini
çok düşük olarak belirlenmeli ve birinci tür hata yapmayı
yeğlemelidir.
 Sıfır Hipotezi
M Masum Suçsuz Suçlu
A
H Doğru Karar Birini Tür Hata
K
E
M Şeytan İkinci Tür Hata Doğru Karar
E

İ H0 doğru H0 yanlış
S H0 kabul
T
A
T
Doğru karar I. Tür hata
İ (1- α) α hatası
S
T
İ
H0 ret II. Tür hata Doğru Karar
K β hatası (1- β)
 Sıfır Hipotezi
İki temel adım:
• testler hipotezleri çürütmek için kullanılırlar. Amaç hipotezin
kullanılamaz nitelikte olduğunu, eğer doğruluğu kabul edilirse çok küçük
olasılıklarda memnuniyetler vereceğini göstermek.

• seçtiğimiz hipotez veya çürütmeye çalıştığımız hipotez herzaman

için hiçbir değişikliğin olmadığını savunan hipotez olmalıdır.
 Sıfır Hipotezi
Neave (1976) hipotez testinin prosesini beş adımda tanımlamış,
bunlar:
•Problemi hipotezler halinde formule et
•Önce alternatif hipotezden başla, alternatif hipotezde pozitif
bir yaklaşım sergiler ve aktivite hipotezi olarakta anılır.
• T istatistiğini hesapla. Tüm iyi istatistikler iki özellik içerirler
•H0 doğru olduğunda H1 doğru olduğundan farklı davranırlar.
•Olasılık hesapları H0 ın doğru olduğu varsayımı altında çizilir.
•Kritik bölgeyi seç
•Ne tür eğerlerde H1 ın H0 den doğru olduğu konusunda
karar vermeliyiz. Kritik bölgede T değeri yeralmışsa H0 ın
çürütülmesi söz konusudur. Aksi takdirde kabul edilir.
 Sıfır Hipotezi
•Kritik bölgenin boyutuna karar ver.
•Ne boyutta bir hata riski aldığımıza karar veririz. Kısaca
anlamlılık seviyesini veya H0 kabul etmediğimiz takdirde
aldığımız riskin boyutunu tespit ederiz.

•Kritik bölgenin nerde olduğuna karar ver.

• Eğer sınırlarda H0 la birlikte yer alıyorsa H0 ret edilmesinde
biraz delil olduğunu, eğer bölgenin diğer tarafındaysa red
etmemiz için elle tutulur delilin olduğunu söyleriz.
 Z skoru
Standartlaşmış Normal Dağılım

Örnek: Varsayılım ki ortalaması 50 ve standart sapması 10 olan

matematik sınavından 70 almış bir öğrencinin sınıf içi başarısını
hesaplayalım.
z=(70-50)/10
z=2
Bunun anlamı öğrencinin aldığı notun sınıf ortalamasında iki
standart sapma üzerindedir.
 Z skoru
Standartlaşmış Normal Dağılım
z -α ile z arasındaki alan

-3 0.0013 z negatifse bunun anlamı X değerinin

-2.5 0.0062 ortalama değerden aşağıda olduğunu
-2 0.0227 gösteriyor.
-1.5 0.0668 Bir öğrencinin 70 altında alma oranı
-1 0.1587 % 97.72.
-0.5 0.3085
0 0.5000
0.5 0.6915
1 0.8413
1.5 0.9332
2 0.9772
2.5 0.9938
3 0.9987
 Z skoru
Standartlaşmış Normal Dağılım
Örnek grup için:

Xi − X
z=
s
 Z testi
Temel fikir istatistiki yorum yapmaktır. Örnek dağılımlar
kullanılarak yapılır.
Bir parametrenin diğer istatistiki bir veriden ne kadar
uzakta olduğunu gösterir.

Örneğin, ortalama değer X in µ den uzaklığı. Eğer bu değer

sıfır ise Z=0 dır.
X −µ
z=
σ/ n
 Z testi
Populasyon ortalaması için
Hipotez H0:µ= µ0
H1:µ≠ µ0
Ne zaman kullanılmalı
Populasyonun varyansı biliniyor ve populasyonun
dağılımı normal olduğunda bu test kullanılır

Formül X − µ0
z=
σ/ n
n: örnek adedi
X: örnek ortalama
σ: populasyonun standart sapması
 Z testi
Populasyon ortalaması için
α:0.05

0.025 0.025
0.05
-1.96 +1.96
+1.64 1,8
1,8
1 2

H0:µ0=4
n=9
x=4.6
σ=1
z:1.8

1. H0 kabul et , 2. Ret et
 Z testi
İki populasyon ortalaması
Hipotez
1. H0:µ1- µ2_= µ0 2. H0:µ1- µ2_= µ0
H1:µ1- µ2_> µ0 H1:µ1- µ2_≠ µ0

Ne zaman kullanılmalı
İki populasyon ortalaması biliniyorsa ve populasyonlar normal
dağılım sergiliyorlarsa
Formül
Z=
(X 1 )
− X 2 − µ0
1/ 2
⎛ σ 12 σ 22 ⎞
⎜ ⎟
⎜n + n ⎟
⎝ 1 2 ⎠
 Z testi
İki populasyon ortalaması
α:0.05

0.025 0.025 0.05

-1.96 1+1.96 2 +1.64

H0:µ1- µ2= 0
n1=9, n2=16
x1=1.2, x2=1.7
σ12=1, σ22=4
z:-0.833 1. Kabul 2. Kabul
 t testi
populasyon ortalaması için
Hipotez
1. H0:µ= µ0 2. H0:µ_= µ0
H1:µ≠ µ0 H1:µ> µ0

Ne zaman kullanılmalı
Populasyon değişimi bilinmiyorsa populasyon değişimin örnek
değişiminin tahmini örnek gruba ve normal dağılıma bağlı ise

Formül
X − µ0
t=
S/ n

S2 =
∑ (X −X)
2

n −1
 t testi
populasyon ortalaması için
DF=n-1

0.025 0.025 0.05

-t n-1:0.025 t n-1:0.025 t n-1:0.05

1 2
H0:µ0= 4
n=9, x:3.1
S=1
t:-2.7 1. t 8:.0.025 =±2.3 H0Red et

2. t 8:.0.05 =-1.86 H0Red et

 t testi
İki populasyon ortalaması için
Hipotez
1. H0:µ1- µ2_= µ0 2. H0:µ1- µ2_= µ0
H1:µ1- µ2 ≠ µ0 H1:µ1- µ2_ > µ0

Ne zaman kullanılmalı
Eşit değişimli ikipopulasyonlardan iki örnek verildiğinde
Formül
t=
(X 1 )
− X 2 − µ0
1/ 2
⎛1 1 ⎞
S ⎜⎜ + ⎟⎟
⎝ n1 n2 ⎠

2 (n1 − 1) S12 + (n2 − 1) S 22

S =
n1 + n2 − 2
 t testi
İki populasyon ortalaması
α:0.05

0.025 0.025 0.05

t n1+n2-2;0.05
-t n1+n2-2;0.025 t n1+n2-2;0.025
1 2

H0:µ1- µ2= 0

n1=16, n2=16
x1=5, x2=4
S=2
t:1.414 1. t 30:.0.025 =±2.04 H0 Kabul

2. t 30:.0.05 =1.697 H0 Kabul

 karşılaştırma testi
Hipotez
1. H0:µ= µ0 2. H0:µ_= µ0
H1:µ≠ µ0 H1:µ> µ0

Ne zaman kullanılmalı
Eşit değişimli ikipopulasyonlardan iki örnek verildiğinde

Formül
t=
(X 1 )
− X 2 − µ0
1/ 2
⎛1 1 ⎞
S ⎜⎜ + ⎟⎟
⎝ n1 n2 ⎠

2 (n1 − 1) S12 + (n2 − 1) S 22

S =
n1 + n2 − 2
 karşılaştırma testi
Hipotez
1. H0:µd= µ0 2. H0:µd_= µ0
H1:µd≠ µ0 H1:µd> µ0

Ne zaman kullanılmalı
Bir örnekte her gözlem ikinci örnekten değerle çiftleştiğinde ve
populasyon normal olarak dağıldığında
Formül

d − µd
t=
S/ n çiftli gözlemlerdeki fark
d i = xi − y i
 Karşılaştırma testi

DF=n-1

0.025 0.025 0.05

-t n-1;0.025 t n-1;0.025 t n-1;0.05

1 2

n=16
d=1
S=1
t:4 1. t 15:.0.025 =±2.13 H0 Red et

2. t 30:.0.05 =1.753 H0Red et

 Çi kare testi
Populasyon değişimi
Hipotez
1. H0:σ2= σ02 2. H0 : σ2= σ02
H1: σ2≠ σ02 H1: σ2> σ02

Ne zaman kullanılmalı
Değişimi bilinmeyen bir normal populasyondan verilen örnek
Formül
χ2 =
( n − )
1 S 2

σ 02
s2 nin σ2 uzaklığı çi kare denilen dönüşümle görülür.
 Chi kare testi
DF=n-1

0.025 0.025 0.05

X2 n-1;0.025
1 X2 ;0.025 2 X2 n-1;0.05
n-1

H0:σ2= 4.0
n=17
S2=7 1. X2 16:.0.025 =28.85 H0 Kabul
2. X2 16 :0.05 =26.30 H0Red et
X2=28
 F testi
İki populasyon değişimi
Hipotez
1. H0:σ21= σ22_ 2. H0: σ21= σ22_
H1: σ21≠ σ22 H1: σ21> σ22

Ne zaman kullanılmalı
Bilinmeyen değişimlere ve normal dağılıma sahip iki örnek
grubu varsa

Formül
S12
F=
S 22
(S12 >S22
 F testi
DF=n1-1 ve n2-1

0.025 0.05

1 F 2
n1-1, n2-1;0.025 Fn1-1, n2-1;0.05
H0:σ12= σ22
n1=11 n2=16
S12=6 S22=3 1. F 10, 15:.0.025 =3.07 H0 Kabul
2. F 10, 15 :0.05 =2.54 H0 Kabul
F=2