Pek çok testi, bir test durumundan elde edilen sonucun bir sonrakine girdi olacak şekilde bir araya getirin. Bu, bir dizi kısa test durumu tarafından üstlenilecek çok sayıda kapsamlı teste olanak tanır.

Sorun Açıktır ki, bir test senaryosu doğru çıktıyı üretemezse, onu takip eden tüm test senaryoları doğru bir şekilde başlamayacaktır (bazen ‘domino etkisi’ olarak anılır). Bu, açıklanan ‘uzun test durumlarının’ özel bir biçimidir.

Çözüm Kısa test senaryolarını bir araya getirmek güçlü ve kullanışlı bir tekniktir ve doğrudan ‘yasaklanması’ durumunda büyük ölçüde gözden kaçacaktır.

Ancak, işler ters gitmeye başladığında potansiyel olarak feci sonuçlar doğurabileceğinden, ihtiyatla kullanılmalıdır. Başlamak için temkinli bir yaklaşım öneriyoruz. İlk önce ne kadar iyi çalıştıklarını görmek için birkaç kısa test senaryosu dizisini deneyin, ardından ihtiyaçlarınız ve bunların etkililiği ve verimliliği gerektirdikçe sayıyı ve uzunluğu genişletin.

Bazı durumlarda, bir test senaryosu başarısız olduktan sonra bir test senaryosu zincirini yeniden başlatmak için ‘anlık görüntüleri’ kullanmak mümkün olabilir; örneğin gerçek sonuç yerine bir test senaryosunun beklenen sonucunu kullanmak. Ancak, uygulamada bunu organize etmek çok zor olabilir ve hak ettiğinden daha fazla çaba gerektirebilir.

Adlandırma Kuralları

İyi bir fikir? Otomatikleştiricileri yavaşlatacağı ve hatta yaratıcılığı engelleyebileceği için bir adlandırma kuralıyla uğraşmayın. Herkesin komut dosyalarına, dosyalara vb. isim vermesine izin verin.

Sorun Yalnızca birkaç test durumunuz varken ve yalnızca bir veya iki kişi yanlarına yaklaştığında, komut dosyalarının ve dosyaların adlandırılmasında herkes için ücretsiz olması uygundur. Ancak, test vakalarının sayısı arttıkça ve/veya farklı kişiler devreye girdikçe, durum kısa sürede kaotik bir hal alacaktır.

Farklı kişiler tarafından uygulanan test senaryoları arasında tutarlılık olmayacak, bu da onların kullanmak istedikleri komut dizilerini ve dosyaları bulmalarını zorlaştıracak ve böylece daha az yeniden kullanım ve daha fazla çoğaltmayı teşvik edecektir.
Çözüm Daha başlangıçta bazı adlandırma kurallarını benimseyin (gerçek bir sorun haline gelene kadar beklemeyin).

İnsanlar kuralları ne kadar çabuk öğrenirse, betikleri ve dosyaları bulmak ve yenilerini adlandırmak o kadar kolay olacaktır. Bu aynı zamanda daha az hata yapılmasına da yol açacaktır. Çözümün diğer bir kısmı, açıklandığı gibi bir hiyerarşi kullanarak test öğelerini organize etmektir.

Nonparametrik testler
Nonparametrik test nedir
Parametrik testler
Parametrik test nedir
Parametrik ve nonparametrik testler
Parametrik test örnekleri
Parametrik ve Nonparametrik testler arasındaki farklar
non-parametrik testler nelerdir

Test Karmaşıklığı

Artık manuel olarak gerçekleştirilemeyecek kadar karmaşık olan test senaryolarını uygulayabileceğimiz bir aracımız var. Araçlar daha karmaşık şeyleri test etmemizi sağladığından, büyük ve karmaşık test senaryoları oluşturarak her bir yönü tam olarak belirleyebiliriz.

Sorun Herhangi bir şey ne kadar karmaşıksa, anlaşılması o kadar zor olur ve neler olup bittiğini anlamak için o kadar fazla zamana ihtiyaç duyulur. Test senaryoları sadece bir kez yazılmaz ve bir daha asla okunmaz. Test senaryosu sürdürüldüğünde, küçük değişiklikler için bile birisinin onu çok iyi anlaması gerekir, böylece değişikliklerinin olumsuz bir etkisi olmayacağından emin olabilirler.

Buradaki bir başka sorun da teknik insanların teknolojiye kapılma eğilimleridir. Yazılım sistemlerinin bazı yönlerinin otomatikleştirilmesi zor olabilir ve akıllı ve karmaşık bir çözüm gerektirebilir. Çok karmaşık test senaryolarının, test senaryolarının kendileri herhangi bir gerçek fayda sağladığı için değil, sadece yapılabilir oldukları için uygulandığı örnekler gördük.

Çözüm Test edilen yazılımın doğası gereği karmaşık olması gereken bazı test senaryoları olabilir. Ancak bunlar minimumda tutulmalıdır. Bakım maliyeti, sundukları tasarrufları kısa sürede yok edebileceğinden, çok sayıda karmaşık test senaryosuna büyük ölçüde güvenmek tehlikeli olabilir.

Otomatikleştirmek için test senaryolarını seçerken, her zaman bu test senaryolarını otomatikleştirmek ve sürdürmek için ne kadar çaba gerektiğini makul bir süre içinde (bir veya iki yıl) tasarruf edilmesi muhtemel çaba ile karşılaştırın. Bir test senaryosunun yalnızca birkaç kez yürütülmesi muhtemelse ancak otomatikleştirilmesi çok maliyetliyse, onu otomatikleştirmeye değmeyebilir.

Test Belgeleri

Test senaryoları için belge gerekmez; ne de olsa, onları okuyacak olan yalnızca araçtır. Her durumda, test betiklerimiz ‘kendi kendini belgeliyor.

Sorun Bu, yazılım için herhangi bir belgeye ihtiyacımız olmadığını çünkü onu çalıştıracak olanın yalnızca bilgisayar olduğunu söylemek gibidir. Durumun böyle olmadığını ve belgelenmemiş veya yetersiz belgelenmiş sistemlerle uğraşma sorununun sektörümüzde aşırı miktarda zaman ve para kaybına yol açtığını şimdiye kadar bilmeliyiz.

Çözüm Test senaryoları için belgeler doğru düzeyde ve kullanışlı olmalıdır. Komut dosyasının ne yaptığını söylemek için her komut dosyasında ek açıklamaların yanı sıra test öğelerine genel bir bakış sağlayan genel belgeler bulunmalıdır. Önemli olan belgelerin niceliği değil niteliğidir.

Birçoğu belirli ortamlara, sistemlere ve test türlerine özgü olsa da, test bakımını etkileyebilecek birçok başka özellik vardır. Bu öz niteliklerin farklı alt kümeleri, ortamlarına, çalışma biçimlerine ve test otomasyonu yaklaşımlarına bağlı olarak farklı kuruluşlara uygulanacaktır.

Bize öyle geliyor ki iş başında bir komplo var. Aşağıdaki noktalar dikkate alındığında, bu kadar çok kuruluşun neden büyük bir bakım yükü altında kaldığını anlamak kolaydır.

Araçlar doğru şeyi yapmanıza yardımcı olur. Çoğu araç, insanların otomatikleştirilmiş test senaryolarını hızlı ve minimum çabayla uygulamalarına yardımcı olur. Ne yazık ki bu ‘minimum çaba’ yaklaşımı, bakım sorunları hakkında fazla düşünmeyi teşvik etmez ve bu nedenle bunlar çok geç olana kadar bırakılır.

Bazı araç satıcıları, belgelerine kaçınılması gereken şeyler ve yapılacak iyi şeyler hakkında yararlı bilgiler koyarlar, ancak bunu kim okur? Çoğu zaman belgeler yalnızca son çare olarak okunur ve o zaman bile, onu yapmanın en iyi yolunu araştırmak zorunda değil, belirli bir görevin nasıl yapılacağını bulmaya çalışır.

The post Testler Arasındaki Bağımlılıklar first appeared on Akademi Delisi (Tez Yaptırma).

Çıktı ayrıca, çoklu korelasyon hakkındaki bilgilerin altında bulunan ANOVA (Varyans Analizi) etiketli bir tablo içerir. Bu, modelin (bağımlı değişkeni tahmin etmede bağımsız değişkenler kümesinin) öneminin bir testidir. Boş hipotez, tüm bağımsız değişkenler kümesinin bağımlı değişkenle önemli ölçüde ilişkili olmadığını belirtir. Sig. sütun, modelin anlamlılık testi için P değerini temsil eder. Bu durumda, P < .0005, dolayısıyla bağımsız değişkenin bağımlı değişkenle önemli ölçüde ilişkili olduğu sonucuna varırız.

Diğer sütunlar, ayrıntıyı ve P değerinin belirlendiği yapı taşlarını sağlar. Regresyon karelerinin toplamının (8309.56) serbestlik derecesi sayısına (1) bölümü, F oranının payı olan Regresyon için Ortalama Kare (8309.56)’dır.

Artık (1373.95) olarak etiketlenen karelerin toplamı, tahmin edilen değerler ile y’nin gerçek değerleri arasındaki kare farklarının toplamı, yani regresyon çizgisi etrafındaki verilerin kare sapmalarının toplamıdır. Bunlar, varyasyon oranı istatistiğini, r2’yi vermek üzere birleştirilir.

Kalan karelerin serbestlik derecesi sayısına bölünmesi (7) artıkların varyansı, Ortalama Kare etiketli sütunda 196,28’dir. Bu değerin karekökü olan 14.01, sy.x tahmininin standart hatasıdır. F oranı, bu iki ortalama karenin oranıdır.

H0: = 0 ve H1: 0 hipotezlerinin bir testi için Önem Testi Regresyon çıktısının Katsayılar tablosunda verilmiştir. t istatistiği t 9.23 6.507’dir. Sig altında listelenen P değeri, 1.418. çıktıda, .000’dir. Bu, çoğu potansiyel değerden (örneğin, .05 veya .01 veya hatta .001) daha küçük olduğundan, H0 reddedilir.

Bu örneklem tarafından temsil edilen ilçe popülasyonunda maruz kalma ile kanser ölümleri arasında sıfır olmayan (pozitif) bir ilişki olduğu sonucuna varıyoruz.

Bu çalışmanın başlangıcında, araştırmacıların pozitif bir ilişkinin bulunabileceğine inanmak için nedenleri vardı. Bu nedenle, H0: 0 ve H1: > 0 ile tek kuyruklu bir test uygun olurdu. SPSS tarafından yazdırılan P değeri iki kuyruklu bir test içindir. H0’ı tek taraflı bir alternatif lehine reddetmek için, P/2’den küçük olmalı ve regresyon ağırlığının işareti H1 ile tutarlı olmalıdır. Bu örnekte her iki koşul da karşılanmaktadır ve tek kuyruklu bir testte de H0 reddedilmektedir.

Dikkatli okuyucu, bu t değeri ve P’nin, korelasyon katsayısı testi için olduğu gibi anlamlılık testinde de aynı olduğunu fark edebilir. Bir çalışmada yalnızca bir sayısal bağımsız değişken ve bir sayısal bağımlı değişken olduğunda, regresyon katsayısı ve korelasyon katsayısı aynı işarete (+ veya -) sahiptir ve anlamlılık testleri aynıdır.

ÖNEMLİLİK testi
Parametrik Hipotez testleri
Parametrik testler
Nonparametrik testler nedir
Parametrik test örnekleri
Parametrik testler nedir
Parametrik ve nonparametrik testler
Parametrik ve nonparametrik testler örnekleri

Regresyon Denklemini Tahmin Etme

Regresyon çizgisinin kesişim ve eğiminin en küçük kareler tahminleri, çıktının Katsayılar tablosunda (Şekil 13.4) Standart Olmayan Katsayılar başlığı altında görüntülenir. B başlıklı sütunda iki değer listelenmiştir; bunlar sırasıyla kesme (a, 114.716) ve regresyon ağırlığıdır (b, 9.231). En küçük kareler doğrusu denklemi böylece y = 114.716 + 9.231x olur. (SPSS’nin saçılım grafiğine regresyon çizgisini eklemesi için talimatlar daha sonraki bir bölümde verilmiştir.)

SPSS ayrıca çıktıda Beta olarak etiketlenmiş, Standardize Katsayı adı verilen bir form yazdırır. Standartlaştırılmış ağırlık, x’teki bir standart sapma değişikliği ile ilişkili y’deki standart sapma değişikliğinin sayısıdır. Bu nedenle, bu örnekte, maruziyetteki bir standart sapma artışı, kanser mortalitesinde 0.93 standart sapma artışıyla ilişkilidir – büyük bir etki.

x ve y birimleri tanıdık olduğunda (örneğin, gelir, zaman, vücut ağırlığı) standartlaştırılmamış (“ham”) katsayı kolayca yorumlanır. Ölçekler daha az tanıdık birimlerde olduğunda (örneğin, psikolojik test puanları), standartlaştırılmış ağırlık, x ve y arasındaki ilişkiyi ifade etmenin uygun bir yoludur.

Güven Aralığı seçeneği, çıktıda biri eğim ve diğeri kesişim için olmak üzere iki %95 aralık üretti. Eğim aralığı, maruziyetteki bir birimlik artışın ölüm oranındaki artışla 100.000 kişi yılı başına en az 5.88 ölüm ve belki de 12.59 kadar ek ölümle ilişkili olduğundan %95 emin olduğumuzu gösterir.

Bu değerler, önceden seçilmiş güven aralığını vermek için gereken standart hatanın 9.23’e katları eklenerek ve bundan çıkarılarak elde edildi. Bu örnekte, standart hata 1.42’dir (bkz. Şekil 13.3’teki Std. Error) ve 7 serbestlik dereceli t dağılımından çarpan 2.37’dir.

Regresyon Çizgisini Çizmek

SPSS, bir dağılım grafiği üzerinde en küçük kareler çizgisini (regresyon çizgisi) çizecektir. Bu, arsa oluştururken veya yaptıktan sonra talep edebileceğiniz bir seçenektir. İkinci örnek için şu adımları izleyin:

1. SPSS Chart Editor’ı açmak için dağılım grafiği grafiğine çift tıklayın.
2. Tüm veri noktalarını seçin (tıklayın); vurgulanmış hale gelecekler.
3. Menü çubuğundaki Öğeler’e tıklayın.
4. Açılır menüden Satırı Toplama Sığdır’ı seçin.
5. Linear fit line seçeneği seçili olarak Özellikler iletişim kutusu açılacaktır. Kapat’ı tıklatarak bu varsayılanı kabul edin.
6. Grafik Düzenleme Penceresini kapatmak için sağ üst köşedeki X’e tıklayın.

BAŞKA BİR ÖRNEK: X VE Y’NİN TERS İLİŞKİSİ

Başka bir örnek olarak, bir otomobilin hızlanma gürültüsü ile otoyolun bir bölümü için hız arasındaki ilişki hakkında veri içeren “noise.sav” veri dosyasını açın. Bağımlı değişken (y) olarak hızlanma gürültüsü ve bağımsız değişken (x) olarak hız (mph) ile bir dağılım grafiği (regresyon çizgisi üst üste bindirilmiş olarak) yapın ve (tanımlayıcı istatistikler dahil) basit bir regresyon analizi yapın. Her iki prosedürden elde ettiğiniz çıktı göz önüne alınır.

Hız ve ivme gürültüsü arasında ters bir ilişki olduğuna dikkat edin. Bunu ilk önce negatif korelasyonla (–0.818) görüyoruz, bu da güçlü, negatif bir doğrusal ilişkiye işaret ediyor. Ters ilişki, saçılım grafiğindeki doğrunun negatif eğimi ile de gösterilir. Dağılım grafiği ayrıca belirgin bir aykırı değer olmadığını da gösterir.

Sig etiketi altında verilen P değeri. .000’dir, bu da P < .0005 anlamına gelir; gürültü, otoyoldaki hız ile önemli ölçüde ters orantılıdır. Gürültü ile hız arasında önemli bir negatif ilişkimiz olduğu göz önüne alındığında, ilişkinin gücünü soruyoruz. Hız bilinen birimlerle (mil/saat veya mph) ölçüldüğü için standartlaştırılmamış regresyon ağırlığını (çıktıda B etiketli) yorumlamayı tercih edebiliriz. Bu bize, otoyolun bazı bölümlerinde ortalama hızdaki her 1 mph’lik artışın, hızlanma gürültüsünde .031 birimlik bir azalma ile ilişkili olduğunu söyler.

Hız ve gürültü arasındaki ilişkinin güçlü ve olumsuz olduğunu zaten gördük. Ek olarak, regresyon analizinin ürettiği çıktı, korelasyonun karesinin 0.669 olduğunu göstermektedir. (Birden çok R’nin korelasyonun mutlak değeri olduğunu hatırlayın.) Böylece gürültü seviyesindeki değişkenliğin %66,9’u hız ile açıklanır ve %100’den çıkarıldığında gürültü seviyesindeki değişimin %33.1’i yer alır.

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