Bu oturumda aşağıdakileri yapmayı öğreneceksiniz:

• Ortalamalar arasındaki farkla ilgili hipotez testleri gerçekleştirin
• Küçük numune testleri için gerekli varsayımları araştırın
• Ortalamalar arasındaki farkla ilgili hipotez testleri gerçekleştirin

İki Örnekle Çalışmak

Önceki laboratuvar oturumunda, bir popülasyonun ortalaması hakkında çıkarımlarda bulunmayı öğrendik. Genellikle ilgimiz iki farklı popülasyonun araçlarını karşılaştırmaktır. Bu tür karşılaştırmalar yapmak için, her popülasyondan bir tane olmak üzere iki bağımsız örnek seçmeliyiz.

Örneklerin bağımsız olarak kabul edilebilmesi için, bir örnekte gözlemlenen değerlerin diğerindeki gözlemleri etkileyebileceğine veya bunlardan etkilenebileceğine veya iki gözlem kümesinin bazı ortak faktör veya etkilerden kaynaklandığına inanmak için hiçbir nedenimiz olmamalıdır. Kısacası, iki örnekteki gözlemler arasında bir bağlantı olmadığında örnekler bağımsızdır.

Rastgele örnekleme hakkında, aynı popülasyondan alınmış olsalar bile, herhangi iki örneğin muhtemelen farklı örnekleme araçlarına sahip olacağını tahmin etmek için yeterince bilgimiz var. Herhangi iki örnekleme aracı arasında bir miktar varyasyon bekliyoruz. Bu nedenle, iki popülasyondan örneklerin karşılaştırılmasında anahtar soru şudur: İki örnek ortalama arasında gözlemlenen fark, popülasyonların farklı ortalamalara sahip olduğuna bizi ikna edecek kadar büyük mü?

Bazen analizimiz, kız ve erkek öğrenciler gibi tek bir popülasyon içindeki iki farklı gruba odaklanır. İlk örneğimiz tam da bunu yapıyor. Yeni başlayanlar için, erkek üniversite öğrencilerinin kız üniversite öğrencilerinden daha uzun olduğu şeklindeki radikal teoriyi test edelim. Öğrenci dosyasını açın.

Hipotezin, iki grubun ortalamaları arasındaki fark açısından ifade edildiğine dikkat edin. Boş, erkeklerin kadınlardan daha uzun olmadığını ve alternatifin, erkeklerin ortalama olarak daha uzun olduğunu söylüyor.

Daha önceki bir oturumda, bu erkek ve kız öğrenciler için boy dağılımını karşılaştırmak için histogramlar oluşturduk. O zaman grafikleri görsel olarak yorumladık. Histogramlara tekrar bakacağız, yan yana kutu grafiklerini inceleyeceğiz ve ardından resmi hipotez testini gerçekleştireceğiz.

Histogram grafiği Nerelerde kullanılır
Histogram grafiği Nedir
Histogram grafiği YORUMLAMA
Histogram grafiği örnekleri
Histogram özellikleri
Python histogram
Histogram örnekleri ve çözümleri istatistik
Histogram grafiği Nasıl Çizilir

İki örnekli bir t testinin üç koşul gerektirdiğini öğrenmiş olabilirsiniz:

• Bağımsız örnekler
• Normal popülasyonlar
• Eşit popülasyon varyansları (küçük örnekler için)

Son madde aslında bir t testi yapmak için gerekli değildir. Bir test istatistiğinin hesaplanması, varyanslar eşit olduğunda farklıdır ve SPSS, göreceğimiz gibi, aslında hem eşit hem de eşit olmayan varyanslar için test sonuçlarını hesaplar. Varyanslar aslında eşit olmadığında, onlara eşit muamelesi yapmak ciddi şekilde hatalı sonuçlara yol açabilir.

Örnekler, normal dağılımdan büyük sapmalar olmaksızın simetrik, çan şeklinde veriler önerdiği sürece t testi güvenilirdir. İnsan boyu genellikle her cinsiyet için normal olduğundan, burada güvende olmalıyız. Yine de çan şekli için verilerimizi incelememiz tavsiye edilir.

Grafikler Grafik Oluşturucu… Şimdiye kadar, bu iletişim kutusundaki yolunuzu biliyor ve bir histogram oluşturabiliyor olmalısınız. Yüksekliği yatay eksene yerleştirmenizi ve sütunlar paneli değişkeni olarak cinsiyeti kullanmanızı istiyoruz. Bu histogramlar için normal bir eğri oluşturun (eleman özellikleri altında) ve grafiğinize başlık verin.

Bunu yaptığınızda, şunu görmelisiniz:

Tamamen normal olmasalar da, bunlar oldukça simetrik ve çan şeklindedir ve t testini gerçekleştirmek için uygundur.2 İki grubun ortalama yüksekliğini karşılaştırmak için teste devam etmeden önce, bu iki örneği bir kutu grafiği kullanarak görselleştirelim:

Grafikler Grafik Oluşturucu… İletişim kutusunu gösterildiği gibi tamamlayın.

Histogramda olduğu gibi, her iki dağılımın da karşılaştırılabilir varyans veya yayılma ile kabaca simetrik olduğunu görüyoruz. Her kutudaki ortanca çizgiler, ortalamaların farklı olduğunu gösterir; test sonuçları, farkın kapsamının örneklemede tipik olarak beklediğimizden daha fazla olup olmadığını belirleyecektir.

Analiz Et Karşılaştır Araçlar Bağımsız-Örnekler T Testi… Test Değişkeni olarak İnç cinsinden Yükseklik [ht] ve Gruplandırma Değişkeni olarak Cinsiyet [cinsiyet] öğesini seçerek iletişim kutusunu burada gösterildiği gibi tamamlayın.

Tamam’a tıkladıktan sonra, Test sonuçlarını Görüntüleyici penceresinde göreceksiniz. Daha önce belirtildiği gibi, SPSS hem eşit hem de eşit olmayan varyans durumları için sonuçlar sağlar; uygun sonucu seçmek bize kalmıştır.

Tek taraflı daha az alternatif bir hipotezimiz olduğunu hatırlayın: Kadınlar için ortalama boy, erkeklerin ortalama boyundan daha az olduğu varsayılır. Bu nedenle, alternatifle tutarlı kanıtlar, olumsuz bir farklılığa yol açmalıdır. Burada gerçekten de kadınların örneklem ortalamasının erkeklerinkinden daha az olduğunu fark ediyoruz. Ayrıca, iki örneklemli t testindeki hesaplamaların eşit ve eşit olmayan popülasyon varyansları için farklı şekilde gerçekleştirildiğini de unutmayın.

“Bağımsız Örnekler Testi” olarak işaretlenmiş çıktıya bakın. İlk önce “Levene’nin Varyansların Eşitliği Testi” başlıklı iki bloğa bakın. Bu, birçok istatistiksel testten bir diğeridir; Levene testindeki sıfır hipotezi, iki popülasyonun varyanslarının eşit olmasıdır. Test istatistiği F, 1.708’lik bir değere ve .193.3’lük bir P-değerine (anlamlılık) sahiptir. Herhangi bir istatistiksel testte, P bizim α’mızdan küçük olduğunda, boş değeri reddederiz. Burada, büyük bir P değeriyle, boş değeri reddetmeyiz, yani varyansların eşit olduğunu da varsayabiliriz.

Levene test sonuçlarının sağında değişken için eşit ve eşit olmayan varyans koşullarına karşılık gelen iki satır çıktı vardır. Bu test için eşit varyanslar kabul edebileceğimiz için sadece en üst satırı okuyacağız. Çıktıyı tek örnek testindekiyle aynı şekilde de yorumluyoruz. Test istatistiği t, –12.347’ye eşittir.

Test istatistiğinin işareti, alternatif hipotez doğruysa beklediğimiz şeydir. SPSS bize 2 kuyruklu bir P değeri verir, ancak bu özel test 1 kuyruklu bir testtir. Buradaki P değeri yaklaşık olarak 0 olduğundan, 1 kuyruklu P değeri de yaklaşık 0’dır. Sıfır hipotezini alternatif lehine reddeder ve kadınların ortalama boyunun erkeklerden daha az olduğu sonucuna da varırız.

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