1 / 57

İKİDEN ÇOK (K) ÖRNEKLEM TESTLERİ

İKİDEN ÇOK (K) ÖRNEKLEM TESTLERİ. BAĞIMSIZ GRUPLARA İLİŞKİN HİPOTEZ TESTLERİ. İKİ ÖRNEKLEM TESTLERİ. BAĞIMSIZ K ÖRNEKLEM TESTLERİ. PARAMETRİK TESTLER. PARAMETRİK OLMAYAN TESTLER. TEK YÖNLÜ VARYANS ANALİZİ (ANOVA). KRUSKAL-WALLIS VARYANS ANALİZİ ÇOK GÖZLÜKİ-KARE TESTLERİ.

olathe
Download Presentation

İKİDEN ÇOK (K) ÖRNEKLEM TESTLERİ

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript


  1. İKİDEN ÇOK (K) ÖRNEKLEM TESTLERİ

  2. BAĞIMSIZ GRUPLARA İLİŞKİN HİPOTEZ TESTLERİ

  3. İKİ ÖRNEKLEM TESTLERİ BAĞIMSIZ K ÖRNEKLEM TESTLERİ PARAMETRİK TESTLER PARAMETRİK OLMAYAN TESTLER • TEK YÖNLÜ VARYANS ANALİZİ (ANOVA) • KRUSKAL-WALLIS VARYANS ANALİZİ • ÇOK GÖZLÜKİ-KARE TESTLERİ

  4. TEK YÖNLÜ VARYANS ANALİZİ • Parametrik test varsayımları sağlandığında, ölçümle belirtilen bir değişken yönünden ikiden fazla bağımsız grubun ortalamaları arasında fark olup olmadığını test etmek için kullanılır. İki ortalama arasındaki farkın anlamlılık testi için gerekli varsayımlar varyans analizi için de geçerlidir.

  5. Varsayımlar • Karşılaştırılacak gruplarda veriler normal dağılım göstermeli • Grupların varyansları homojen olmalı • Gruplar birbirinden bağımsız olmalı Hipotezler: H0: 1=  2=3=...= k Ha: En az bir i farklıdır.

  6. Gruplar 1 2 3 k x11 x12 x13 x1k x21 x22 x23 x2k x31 x32 x33 x3k Toplam T.1 T.2 T.3 T.k T.. Ortalama j. sütunun toplamı j. sütunun ortalaması Bütün gözlemlerin toplamı

  7. Genel Kareler Toplamı: Grup İçi Kareler Toplamı: Gruplar Arası Kareler Toplamı: GnKT=GIKT+GAKT

  8. Gruplar Arası Kareler Ortalaması: Gruplar İçi Kareler Ortalaması: F Hesap İstatistiği:

  9. ANOVA TABLOSU

  10. Varyans Analizi Sonucu Anlamlı Olduğunda Farklı Grupların Belirlenmesi Varyans analizi sonucunda gruplar arasında fark yoksa işlemler sona erer. Ancak, gruplar arasında fark varsa, farklılığın hangi grup ya da gruplar arasında olduğu farklı yöntemlerle araştırılabilir. Bu yöntemlere post-hoc testleri denir. Bu yöntemlerden en çok kullanılanları; • LSD • Sidak • Tukey • Dunnett’s C • Bonferroni • Dunnett’s T3

  11. LSD Testi Örneklem genişlikleri eşit olduğunda(n1=n2=n3=...=nk=n) p<0.05 Örneklem genişlikleri eşit olmadığında(n1n2 n3...  nk) p<0.05

  12. Örnek: Adölesan dönemindeki 90 kız, yaş gruplarına göre (11-14, 15-18, 19-24) 3 gruba ayrılmıştır. Günlük kilo başına tükettikleri kaloriler hesaplanmıştır. Yaş gruplarına göre tüketilen kaloriler bakımından farklılık var mıdır?

  13. H0: 1=  2=3 Ha: En az bir i farklıdır. GAKT=GnKT-GIKT=3642.36-2327.31=1315.05

  14. ANOVA TABLOSU Kareler Kareler Ortalaması Toplamı sd F P değeri Gruplar Arası 1315.05 2 657.53 24.58 ,000 Grup İçi 2327.31 87 26.75 Toplam 3642.36 89 GIKO=GIKT/(90-3)=2327.31/87=26.75 GAKO=GAKT/(3-1)=1315.05/2=657.53 F=GAKO/GIKO=657.53/26.75=24.58 Grup ortalamaları arasında anlamlı bir farklılık vardır.

  15. Gruplardaki kişi sayıları birbirine eşit olduğu için

  16. KRUSKAL- WALLIS TESTİ Tek yönlü varyans analizinin parametrik olmayan karşılığıdır. Veriler ölçümle belirtildiği halde parametrik test varsayımları sağlanmıyorsa (gözlem sayısı az ya da gruplar normal dağılmıyor ise) Kruskal-Wallis testi kullanılır.

  17. Testin aşamaları şu şekilde gerçekleşir: • k grubun n1, n2,…, nk gözlemleri tek bir değişken altında küçükten büyüğe sıralanır. Tüm gözlemlere sıra numarası verilir. • k grubun sıra numaraları ayrı ayrı toplanır(Rj) • Test istatistiği şeklinde hesaplanır. Grup sayısı j. gruptaki sıra sayıları toplamı j. gruptaki gözlem sayısı

  18. Üç grup olduğunda ve her bir grupta beş ve daha az gözlem olduğunda hesaplanan KW istatistiği, özel tablolar kullanılarak karşılaştırılır. Bir ya da daha fazla grupta beşten fazla gözlem olduğunda ise KW, k-1 serbestlik dereceli 2 tablo değeriyle karşılaştırılır.

  19. Test Sonucu Anlamlı Olduğunda Farklı Grupların Belirlenmesi ANOVA’da olduğu gibi bu Kruskal-Wallis testi de tüm gruplar arasında anlamlı bir farklılık olup olmadığını belirtir. Hangi gruplar arasında farklılık olduğunu vermez. Bunun için çoklu karşılaştırma yapmak gerekir.  p<0.05

  20. Örnek: Üniversite öğrencilerinin çay içme miktarına göre hemoglobin düzeylerinin değişip değişmediği incelenmek istenmektedir. Bu amaçla 13 kişi “yemekten 1 saat önce veya sonra çay içenler”, “yemekten 30 dakika önce ya da sonra çay içenler” ve “yemekle birlikte çay içenler” olmak üzere üç gruba ayrılmışlardır ve hemoglobin düzeyleri ölçülmüştür. Buna göre hemoglobin düzeyi çayın içilme zamanına göre değişmekte midir? Hipotezler: H0: Kitle dağılımları benzerdir. Ha: En az bir kitle dağılımı diğerlerinden farklıdır.

  21. KW(5,4,4;0.05)=5.657<KW=10.68 p<0.05, H0 red. I: Yemekten 1 saat önce veya sonra çay içenler II: Yemekten 30 dakika önce ya da sonra çay içenler III: Yemekle birlikte çay içenler

  22. Çoklu Karşılaştırma Tablosu

  23. rxc Ki-KareTesti Ki-kare testi iki ya da daha fazla gruplarda oran ya da frekansları karşılaştırmak için de kullanılır.Çok gözlü ki-kare düzenleri çoğu zaman satır ve sütun sayıları yardımıyla adlandırılır. Eğer incelenen herhangi bir nitelik değişken bakımından 2’den çok grup arasında fark olup olmadığı araştırılıyor ise bağımsız değişkenin(grupların) satırlarda yer alması,gerektiğinde yapılacak bazı ileri hesaplamalar içim daha uygun olacaktır.

  24. sd = (r-1)(c-1) Çok gözlü ki-kare düzenlerinde beklenen frekansı 5’ten küçük göz sayısının toplam göz sayısı içinde payının %20’yi aşmaması istenir.

  25. Örnek: Eczacılığı <75, 75-84 ve 85+ not ortalaması ile bitiren öğrencilerin meslekteki başarı durumları inceleniyor. Sonuçlar; Bitirme puanı ile meslekteki başarı arasında bir ilişki var mıdır?

  26. Hiçbir hücrenin beklenen değeri 5’ten küçük değildir.

  27. H0: Bitirme puanı ve meslekteki başarı bağımsızdır. Ha: Bitirme puanı ve meslekteki başarı bağımsız değildir. 2hesap =42.22 > 2(4,0.05)=9.488, H0 red, p<0.05 Bitirme puanı ile meslekteki başarı arasında bir ilişki vardır.

  28. Farklılığın hangi gruplardan kaynakladığını bulmak için her bir grup için ayrı ayrı ki-kare değerleri hesaplanır. 2=25.66 2=4.63 2=11.93 2=42.22 Farklılığın hangi gruplar arasında olduğunu bulmak için ki-kare değeri büyük olan grup (85+) dışarıda bırakılır. Geriye kalan gruplar arasında fark olup olmadığı yeniden ki-kare analizi yapılarak araştırılır. Buna göre ki-kare değeri 8.60 olarak bulunur. (2-1)x(3-1)=2 Serbestlik dereceli ki-kare tablo istatistiği 5.99 olarak elde edilir ve 2hesap =8.60> 2tablo=5.99 olduğu için Ho hipotezi red edilir. Yani 75-84 ve <75 puan grupları ile meslekteki başarı arasında anlamlı bir ilişki vardır. Genel bir yorum olarak, tüm bitirme puanları ile meslekteki başarı arasında anlamlı bir ilişki vardır.

  29. BAĞIMLI GRUPLARA İLİŞKİN HİPOTEZ TESTLERİ

  30. İKİ ÖRNEKLEM TESTLERİ BAĞIMLI K ÖRNEKLEM TESTLERİ PARAMETRİK TESTLER PARAMETRİK OLMAYAN TESTLER • TEKRARLI ÖLÇÜMLERDE TEK YÖNLÜ VARYANS ANALİZİ • FRIEDMAN TESTİ • COCHRAN Q TESTİ

  31. TEKRARLI ÖLÇÜMLERDE TEK YÖNLÜ VARYANS ANALİZİ İki eş arasındaki farkın önemlilik testinin ikiden çok grup için genelleştirilmişidir Örnek 1. Kandaki şeker miktarını düşürmek için hazırlanan bir diyet programının etkinliğini ölçmek için şeker hastalarının diyetten önce, diyetin 1. ayında ve diyetin 3. ayında kandaki şeker miktarlarının farklı olup olmadığının araştırılmasında kullanılabilir.

  32. Örnek 2. Üç ayrı firmanın ürettiği tansiyon ölçme araçlarının aynı kişilerin tansiyonunu aynı değerde ölçüp ölçmediğinin test edilmesinde kullanılabilir.

  33. Zaman Gözlem Ortalama 1 j k 1 x11 x1j x1k i xi1 xij xik n Ortalama

  34. ÖRNEK: BKİ>35 olan 30 bireye mide bandı takılmıştır. Bant takılmadan önce, takıldıktan 3 ay sonra ve takıldıktan 6 ay sonra beden kitle indeksleri ölçülmüştür. Beden kitle indeksleri zamana göre değişmekte midir?

  35. Beden Kitle İndeksi

  36. Tanımlayıcı İstatistikler

  37. BKİ>35 olan bireylerin zamana göre Beden Kitle İndekslerine ilişkin ortalama ve standart sapma grafiği

  38. HİPOTEZLERİN BELİRLENMESİ H0: Mide bandı takılmadan önceki ve takıldıktan sonraki zamanlarda BKİ değerleri bakımından fark yoktur. H1: Mide bandı takılmadan önceki ve takıldıktan sonraki zamanlarda BKİ değerleri bakımından fark vardır. Karşılaştırma için F dağılımından yararlanılır. Hesapla bulunan F istatistiğinin elde edilmesinde kullanılan bilgiler sıklıkla varyans analizi tablosunda özetlenir.

  39. BKİ için Varyans Analizi Tablosu BKİ’nin zamanlara göre değişimi önemlidir (p<0.05). Hangi zamanlar arasında fark olduğu ikişerli karşılaştırmalarla incelenmelidir.

  40. Tukey HSD testi ile ikişerli karşılaştırmalara bakılacak olursa; P<0.05 GISD: Grup içi serbestlik derecesi

  41. q değerleri tablosu

  42. Çoklu Karşılaştırma Tablosu

  43. FRIEDMAN TESTİ Tekrarlı ölçümlerde varyans analizinin varsayımları yerine gelmediğinde (özellikle denek sayısı az ve/ya da veriler sayımla belirtildiğinde ya da sıralama ölçeğinde olduğu durumlarda) kullanılır.

  44. Friedman testi için test istatistiği: n: Satır sayısı k: Grup (sütun sayısı) Rj: Her bir gruba (sütuna) ilişkin sıra numaraları toplamı

  45. İstatistiksel karar için ki-kare ya da F dağılımından yararlanılabilir (F dağılımından yararlanılarak yapılan çözüme burada değinilmeyecektir). İstatistiği seçilen yanılma düzeyinde k-1 serbestlik dereceli ki-kare dağılımı gösterir. Gruplar arasında fark olması durumunda ikişerli karşılaştırmalar yapılır.

  46. Örnek : Tekrarlı ölçümlerde tek yönlü varyans analizi için verilen örneğin 11 birey üzerinde yapıldığını düşünelim. Bu durumda Friedman testi için hazırlık tablosu aşağıdaki gibi olacaktır.

More Related