Örneklemimizin popülasyona tam olarak benzememesinin her türlü nedeni var. Örneklerimizin istatistiksel tablolarda listelenenler gibi dağılımlara benzememesinin kesinlikle sayısız nedeni vardır.

Ama ya çok sayıda örneğimiz olsaydı? Birden fazla örnekle, bir dağıtım oluşturabiliriz ve vekil yoluyla dağıtımı taklit etmek için çan eğrisine veya diğer dağıtımlara ihtiyacımız olmaz. (Bazıları, bilinen dağılımlarla yaptığımız şeyi, kenar çubuğunda kısaca tartışıldığı gibi “hayali tekrarlar” yoluyla örnekleme dağılımları oluşturmak olarak tanımladı.)

50 yıllık sel gibi aykırı değerler bazı yeniden örneklerde bulunabilir, ancak diğer örnekler tarafından sağlanan bağlam (50 yıllık sel içermeyen yeniden örnekler) aykırı değerin etkisini azaltır. Analistler olarak, bizi bir aykırı değere karşı uyarmak için her zaman kişisel deneyimin (sel sırasında yerel bir sakin olmak gibi) avantajına sahip değiliz. Bunun yerine, sık sık onu tutma ya da düşürme kararıyla mücadele ederiz.

Önyüklemenin arkasındaki temel teknik olan yeniden örnekleme, aykırı değerleri daha uygun bir bağlama yerleştirir, normallik varsayımlarını karşılama ihtiyacını ortadan kaldırır ve daha sağlam istatistikler üretir. Bu her derde deva değil önyargılar ve aykırı değerler bizi etkilemeye devam edecek ve diğer varsayımlar gerekli olmaya devam edecek, ancak standart seçenekler sorunlu olduğunda harika bir seçenektir ve ön yükleme seçeneğini analizimizin hedef kitlesine açıklamak kavramsal olarak kolaydır. Nihayetinde, neyin tipik, neyin atipik olduğunu ve güven aralığımızın ne kadar geniş olması gerektiğini belirlemenin başka bir yoludur.

Önyükleme, kitabın bu ana bölümünün tüm temasını açmanın da ilginç bir yoludur. Neden olağan İstatistik 101 yaklaşımı olmayan bir yaklaşımı benimsemeyi düşünelim? Ana motivasyonlardan biri “kuralları çiğnemekten” kaçınmak gibi görünüyor, ancak normallik varsayımlarının çoğu zaman karşılanmadığını hepimiz biliyoruz. Neden varsayımlardan tamamen kaçınmıyorsunuz?

Önyükleme durumunda, uç bir çözüm düşünebiliriz. Neden her zaman önyüklemeyi kullanmıyorsunuz ve bir daha asla dağıtım varsayımları hakkında endişelenmenize gerek yok? Geçmiş yıllardaki isteksizlik, kesinlikle hesaplama yoğunluğu sorununu da içeriyordu. Şu anda kariyerinin ortasında olan birçok analist, ilk ev bilgisayarları arasında yer alan ev bilgisayarlarında büyüdü.

Çağdaş akıllı telefonlarımız ve daha az bir dereceye kadar mikrodalga fırınlarımız ve termostatlarımız bile en eskileri için ciddi bir rekabet olurdu. 90’ların sonlarında bir seminer sırasında SPSS’de bu tür bir yaklaşımı denediğimi hatırlıyorum. Basit bir Çapraz Tablo hesaplaması birkaç saat çalıştı ve sonunda çöktü. Aynı hesaplama şimdi mevcut dizüstü bilgisayarımda birkaç saniye içinde kolayca çalıştırılabilir. Birinin bunu 80’lerin sonlarında mı yoksa 70’lerin sonlarında mı yapmaya çalıştığını hayal edin.

Aykırı değer hesaplama
R aykırı değer
Python aykırı değer
Aykırı değer tespiti python
SPSS aykırı değer
box plot, aykırı veriyi tespit etme yöntemlerinden biridir.
Uç değer analizi
Boxplot aykırı değerler

Tabii ki, tek endişe bu değil. Hiç kimse analiz yazılarının anlatısını karmaşık hale getirmek istemez. Ancak, önyükleme durumunda, yaklaşım oldukça basittir. Aslında her zaman, önyüklemeyi anlamanın ve kavramı meslektaşlarımıza öğretmenin, dağıtım varsayımlarını karşıladığımızda yapmaya çalıştığımız şeyin altını çizdiğini düşünmüşümdür.

Önyüklemeyi anlamak ve gerçekleştirmek ve sihirli sayı 1,96’yı ve basit bir ortalama etrafında %95 güven aralığının genişliğini belirlemedeki rolünü düşünmemek imkansızdır. Normal dağılımları ve bunları varsayan testleri daha somut ve daha az soyut hale getirir.

Bazı lisans ders kitapları, özellikle Laura M. Chihara ve Tim C. Hesterberg tarafından yazılan Yeniden Örnekleme ile Matematiksel İstatistik ve R ile bu yaklaşımı benimsemiştir ve test, metindeki klasik yaklaşımdan önce yeniden örnekleme yöntemini sunmaktadır. İşyerindeki meslektaşlarınıza, özellikle de zaten standart yaklaşımda yeterince temellendirilmemişlerse, önyüklemeyi klasik Fisher hipotez testinden daha kolay açıklamak gerçekten daha kolay olabilir.

NOT: Önyükleme, çok küçük bir örnek için sihirli bir çözüm değildir. Bu tür örneklerde o kadar da doğru olmayacaktır çünkü çok sayıda önyükleme çoğaltması olsa bile mevcut istatistiğin dağılımı hakkında fazla bilgi olmayacaktır. Bunun nedeni, olası boostrap örneklerinin sayısının çok sınırlı olmasıdır. Sonucun kesinliği, yeniden örneklerin sayısından bağımsız olarak örnek boyutu ile sınırlıdır. Ayrıca, boostrap sonuçları klasik yöntemlerle elde edilen sonuçlardan çok farklıysa, verilere dikkatli bir şekilde bakmak faydalı olabilir.

Oranlar

Yedi iş kategorisine sahip bir bankada, bu yedi rolün dağılımına bakmakla ilgileniyoruz. Bir Frekanslar tablosu işi kesinlikle yapabilir, ancak güven aralıkları sunmaz. İşlerin cinsiyet veya azınlık statüsü gibi diğer değişkenlerle ilgili olup olmadığını bilmek istiyorsak, Çapraz Tablolar prosedüründe bir Ki-Kare bağımsızlık testi de talep edebilirdik, ancak yine güven aralıkları konuya ilginç bir ışık tutacaktır. 

Ki-Kare, iki değişkenin (örneğin iş rolü ve cinsiyet) bağımsız olup olmadığını ortaya çıkaracaktır, ancak bazı rollere ilişkin kadın ve erkeklerin güven aralıklarını karşılaştırmak isteyebiliriz. Önyükleme, aksi takdirde SPSS Base’de olmayacak düzinelerce testin etrafına bir güven aralığı eklememize olanak tanır. Sürüm 24 için CTABLES’ın, önceki sürümlerde CTABLES’ta bulunmayan bazı yeni güven aralığı seçeneklerini desteklediğini unutmayın.

Önce, bu bölümün indirmelerinde bulunan Bank.sav veri setindeki iş rollerinin basit dağılımını ele alalım. (Burada atıfta bulunulan veri kümesinin, bazı Yardım örneklerinde kullanılan bir veri kümesine benzediğini, ancak bu veri kümesiyle aynı olmadığını unutmayın.) İstihdam Kategorisi değişkeninin (iş kedisi) basit bir Frekansları, varsayılan ayarlarla gösterilen verileri ortaya çıkarır.

Güven aralıklarını talep etmek için Frekanslar menüsünden Bootstrap alt menüsüne erişmemiz yeterlidir. Bootstrap modülünü içeren bir lisans olmadan alt menünün görünmeyeceğini unutmayın. Alt menü içerisinde seçenekler mevcuttur ancak en önemlisi ön yüklemenin yapılmasını isteyen onay kutusudur.

Ortaya çıkan çıktı oldukça basittir. Frekans bilgilerimiz var, ancak buna güven aralıkları eklenmiş. Aslında, tümü güven aralığıyla ilgili dört yeni sütun eklenmiştir. Önyargı, standart hesaplama ile önyükleme sürümü arasındaki farkın büyüklüğünü gösterir. Gösterildiği gibi, Önyargı her durumda sıfıra yakındır.

The post Aykırı Değer – SPSS Ödevi Yaptırma – SPSS Analizi Yaptırma Fiyatları – SPSS Örnekleri – Ücretli SPSS Analizi Yaptırma – SPSS Analizi Yaptırma Ücretleri first appeared on Akademi Delisi (Tez Yaptırma).