İstatistik Sözlüğü → Tek Örneklem t-Testi
Tek Örneklem t-Testianaliz
Bir örneklemin ortalamasının önceden belirlenmiş bir değerden (hedef, norm ya da önceki bir çalışmanın değeri) gerçekten farklı olup olmadığını sınayan test.
Kavram
Bazen elimizde tek bir grup ve karşılaştırılacak bilinen bir değer vardır: paketin üzerinde yazan ağırlık, ölçeğin norm ortalaması, yönetmelikteki sınır değer. Örneklem ortalaması bu değerden hemen her zaman biraz farklı çıkar; soru, farkın yalnız örneklemenin rastlantısallığıyla açıklanıp açıklanamayacağıdır. Sıfır hipotezi ana kütle ortalamasının bu değere eşit olduğunu söyler (H₀: μ = μ₀).
Test, örneklem ortalaması ile μ₀ arasındaki farkı ortalamanın standart hatasına böler: t = (x̄ − μ₀) / (s/√n). Bu oran, n − 1 serbestlik dereceli t dağılımıyla karşılaştırılır ve p değeri elde edilir. Farkın güven aralığı 0'ı içermiyorsa fark seçilen güven düzeyinde anlamlıdır. Cohen d = (x̄ − μ₀) / s farkı standart sapma birimiyle ifade eder ve örneklem büyüklüğünden bağımsız bir etki ölçüsü sunar.
Gözlemlerin bağımsız ve değişkenin yaklaşık normal dağılmış olduğu varsayılır. Örneklem büyüdükçe merkezî limit teoremi sayesinde ortalamanın dağılımı normale yaklaşır ve test normallikten sapmaya karşı dayanıklı hâle gelir; küçük ve çarpık örneklemlerde ise sonuç dikkatle okunmalıdır. Anlamlı bir p değeri farkın pratikte önemli olduğu anlamına gelmez; bunun için fark ve etki büyüklüğü birlikte değerlendirilir.
Ne zaman kullanılır?
- Tek bir grubun ortalamasını bilinen bir hedef, norm ya da standart değerle karşılaştırırken (ör. paket ağırlığı, ölçek norm puanı, yasal sınır).
- İki ayrı grubun ortalaması karşılaştırılacaksa bağımsız örneklem t-testi, aynı kişilerin iki ölçümü karşılaştırılacaksa eşleştirilmiş t-testi kullanılır.
- Örneklem küçük ve dağılım belirgin biçimde çarpıksa medyanı hedef değerle karşılaştıran tek örneklem Wilcoxon işaretli sıralar testi tercih edilir.
Gündelik bir örnek
Bir tüketici derneği, üzerinde 1000 g yazan şeker paketlerinin gerçekten bu kadar gelip gelmediğini merak ediyor ve marketten rastgele 25 paket alıp tartıyor. Ortalama 994 g, standart sapma 12 g çıkıyor. Tek örneklem t-testi bu 6 gramlık eksiği standart hatayla (12/√25 = 2,4 g) karşılaştırır: t = −2,5, p ≈ 0,02. Yani eksiklik yalnız rastgele seçilen paketlerin şansıyla açıklanamaz; farkın %95 güven aralığı yaklaşık 1 ile 11 gram eksik arasındadır.
MerQur'da parametreler
Değer sütunu (çoklu seçim listesi) ve Test edilen μ (μ₀) (varsayılan 0)
Kavram: Test edilen değer μ₀, sıfır hipotezinde ana kütle ortalamasının alacağı varsayılan değerdir. Veriden değil, araştırma sorusundan gelir: bir hedef, bir norm ya da kuramsal bir değer olmalıdır.
Gündelik örnek: Şeker paketleri için μ₀ = 1000 g'dır, çünkü paketin üzerinde bu yazmaktadır. Örneklemin kendi ortalaması (994 g) μ₀ olarak girilirse test anlamsızlaşır; fark her zaman sıfır çıkar.
Ne işe yarar: Sınanacak sayısal sütun(lar)ı ve sıfır hipotezindeki popülasyon ortalamasını (H0: μ = μ₀) belirler; her sütun için ayrı sonuç bloğu üretilir.
Sonuca etkisi: t = (M - μ₀)/SE, p, Cohen d = (M - μ₀)/SD, ortalama farkı ve fark GA'sı μ₀ ile değişir; ortalamanın GA'sı, SD, SE ve betimseller değişmez.
Doğrulama verisinde: time verisinde (n = 20, ortalama 89.85, SD 19.1456) μ₀ = 80: t = 2.3008, p = 0.032898, fark GA [0.8896, 18.8104]; μ₀ = 100: t = -2.3709, p = 0.028475. Ortalama GA her durumda [80.8896, 98.8104].
Güven düzeyi (%90, %95, %99, Diğer/özel 80.0-99.9)
Kavram: Güven düzeyi, ortalama ve fark için verilen aralıkların ne kadar 'emin' olacağını belirler; 1'den çıkarıldığında karar için kullanılan anlamlılık eşiği α elde edilir.
Gündelik örnek: %95 güvenle paketlerin ortalama 1 ile 11 gram eksik olduğu söylenebilir. Dernek bir mahkemeye başvuracaksa %99 güven isteyebilir; aralık genişler, belki 0'ı da içine alır ve kanıt yetersiz sayılır.
Ne işe yarar: α = 1 - güven düzeyi; GA genişliğini ve karar eşiğini belirler.
Sonuca etkisi: Ortalama ve fark GA'ları, d GA'ları, bootstrap GA, tek yönlü GA, karar (p < α) ve TOST ((1 - 2α) GA) değişir; t ve p değişmez. Özel değer yalnız "Diğer" seçiliyken geçerlidir.
Doğrulama verisinde: time için ortalama GA %90 [82.4474, 97.2526], %95 [80.8896, 98.8104], %99 [77.6021, 102.0979].
Hipotez yönü (Çift yönlü, Sağ yönlü, Sol yönlü)
Kavram: Hipotezin yönü, araştırma sorusunun herhangi bir farkı mı (çift yönlü) yoksa yalnız belirli bir yöndeki farkı mı (tek yönlü) sorduğunu belirtir. Tek yönlü test o yöndeki farkı daha kolay yakalar ama ters yöndeki farkı hiç değerlendirmez.
Gündelik örnek: Tüketici derneği yalnız paketlerin eksik gelip gelmediğiyle ilgileniyorsa soru sol yönlüdür: 'ortalama 1000 g'dan az mı?'. Paketlerin fazla gelmesi de bir sorun sayılıyorsa çift yönlü soru sorulur. Yön, tartımdan önce seçilmelidir.
Ne işe yarar: H1: μ ≠ μ₀, μ > μ₀ veya μ < μ₀.
Sonuca etkisi: p değeri tek kuyruklu olur; ek satırda tek yönlü (1 - α) GA verilir (bir ucu sonsuz). Ana GA ve d GA iki yönlü kalır.
Doğrulama verisinde: time için sağ yönlü p = 0.016449, tek yönlü %95 GA [2.4474, ∞]; sol yönlü p = 0.983551, [-∞, 17.2526].
Hedges g (onay kutusu)
Kavram: Cohen d'nin küçük örneklemlerde etkiyi biraz büyük gösterme eğilimini düzelten sürümüdür; örneklem büyüdükçe d ile neredeyse aynı olur.
Gündelik örnek: 25 paketle d = −0,50 bulunduysa Hedges g yaklaşık −0,48 çıkar; fark küçüktür. Yalnız 6 paket tartılsaydı düzeltme daha belirgin olurdu.
Ne işe yarar: Cohen d'nin küçük örneklem yanlılık düzeltmesi, g = d·J (Hedges ve Olkin, 1985).
Sonuca etkisi: Etki büyüklüğü bölümüne "Hedges g" satırı eklenir.
Doğrulama verisinde: time için d = 0.5145, g = 0.4939. Düzeltme çarpanı kesin gamma biçimiyle hesaplanır.
→ Hedges g
d için normal yaklaşımlı GA (onay kutusu)
Kavram: Cohen d de örneklemden hesaplanan bir tahmindir ve belirsizliği vardır; bu seçenek d için normal dağılım yaklaşımına dayalı bir güven aralığı verir. Yaklaşım büyük örneklemlerde iyi çalışır.
Gündelik örnek: d = −0,50 'orta düzey' bir eksiklik gibi görünür. Ama 25 paketle güven aralığı kabaca [−0,9; −0,1] olur; gerçek etki küçük de olabilir büyük de.
Ne işe yarar: d ± z·√(1/n + d²/(2n)) büyük örneklem aralığını verir (Hedges ve Olkin, 1985).
Sonuca etkisi: Yalnız ek satır.
Doğrulama verisinde: time için %95 [0.0481, 0.9808] (elle formülle aynı); merkezî olmayan t aralığı [0.0411, 0.9760] biraz farklıdır (küçük n'de nct tercih edilir).
d GA, merkezî olmayan t (onay kutusu)
Kavram: d'nin güven aralığını yaklaşık formül yerine merkezî olmayan t dağılımından kesin olarak hesaplar; küçük örneklemlerde normal yaklaşımdan daha doğrudur.
Gündelik örnek: Yalnız 10 paket tartıldıysa normal yaklaşım aralığı olduğundan dar gösterebilir. Merkezî olmayan t yöntemi bu durumda daha güvenilir bir aralık verir; 200 pakette iki yöntem neredeyse aynı sonucu verir.
Ne işe yarar: d için kesin güven aralığını verir (Steiger ve Fouladi, 1997).
Sonuca etkisi: Yalnız ek satır.
Doğrulama verisinde: time için %95 [0.0411, 0.9760]; %99 [-0.1049, 1.1236].
Shapiro-Wilk (onay kutusu; varsayılan açık)
Kavram: Değerlerin normal dağılıp dağılmadığını sınar; p < α ise dağılım normalden belirgin biçimde sapmaktadır. Küçük ve orta örneklemlerde en güçlü normallik testlerinden biridir.
Gündelik örnek: Paket ağırlıkları dolum makinesinin rastgele dalgalanmasından geliyorsa normal dağılması beklenir. Shapiro-Wilk p = 0,60 verirse 25 paketlik örneklemde t-testine güvenilebilir; birkaç paket çok eksik çıkıp dağılımı bozduysa test bunu işaret eder.
Ne işe yarar: Normallik varsayımını sınar.
Sonuca etkisi: Yalnız ek satır; kapatılınca satır kalkar.
Doğrulama verisinde: time için W = 0.9629, p = 0.6042.
Kolmogorov-Smirnov (onay kutusu)
Kavram: Verinin birikimli dağılımını, ortalaması ve standart sapması örneklemden alınmış bir normal dağılımla karşılaştırır. Parametreler aynı veriden kestirildiğinde bu klasik sürüm normalliği gereğinden kolay kabul eder; bu yüzden tek başına normallik kararı için uygun değildir.
Gündelik örnek: Paket ağırlıkları için Kolmogorov-Smirnov p = 0,90, Shapiro-Wilk p = 0,04 verebilir. Bu çelişkide Shapiro-Wilk'e güvenilir; K-S'nin yüksek p değeri kısmen kendi ölçütünü veriden almasından kaynaklanır.
Ne işe yarar: Parametreleri örnekten kestirilmiş normal dağılıma uyumu sınar (Lilliefors düzeltmesi uygulanmaz).
Sonuca etkisi: Yalnız ek satır. Parametreler örnekten kestirildiğinden bu p normal dağılım lehine yanlıdır; normallik için Shapiro-Wilk veya Lilliefors tercih edilmelidir.
Doğrulama verisinde: time için D = 0.1300, p = 0.8458 (kesin dağılımdan).
Betimsel (onay kutusu; varsayılan açık)
Kavram: Örneklemin temel özetini verir: kişi sayısı, ortalama, standart sapma, standart hata, medyan, en küçük ve en büyük değer, çarpıklık ve basıklık. Test sonucunu yorumlamadan önce verinin genel görünümünü gösterir.
Gündelik örnek: Tabloda en hafif paketin 940 g olduğu görülürse dernek önce bu paketin yırtık olup olmadığını kontrol eder. Medyanın 996 g, ortalamanın 994 g olması da birkaç hafif paketin ortalamayı aşağı çektiğini düşündürür.
Ne işe yarar: n, ortalama, SD, SE, medyan, en küçük, en büyük, çarpıklık ve basıklığı verir.
Sonuca etkisi: Yalnız ek tablo.
Doğrulama verisinde: time için M = 89.85, SD = 19.1456, SE = 4.2811, medyan 92.5, en küçük 43, en büyük 121, çarpıklık -0.708, basıklık 0.664 (düzeltilmiş G1/G2).
Bootstrap GA (onay kutusu)
Kavram: Ortalamanın güven aralığını t dağılımı formülü yerine, veriden yerine koyarak binlerce yeni örneklem çekip her birinin ortalamasını hesaplayarak elde eder; normallik varsayımı gerektirmez.
Gündelik örnek: 25 paketin ağırlıkları bir torbadaki kartlara yazılır; torbadan yerine koyarak 25 kart çekilir ve ortalama not edilir. Bu 5000 kez tekrarlandığında ortalamaların ortadaki %95'inin yayıldığı aralık, bootstrap güven aralığıdır.
Ne işe yarar: Ortalamanın yüzdelik bootstrap güven aralığını verir (B = 5000, sabit tohum 12345).
Sonuca etkisi: Yalnız ek satır; t tabanlı aralık değişmez.
Doğrulama verisinde: time için %95 [81.5987, 97.7512]; t tabanlı GA [80.8896, 98.8104]. Bootstrap sınırları yeniden örneklemeye bağlı olarak Monte Carlo hata payı kadar değişebilir.
Eşdeğerlik testi, TOST (onay kutusu; alt ve üst sınır, varsayılan -0.5 / 0.5)
Kavram: Ortalamanın hedeften 'farklı olmadığını' değil, pratikte 'eşdeğer olduğunu' göstermeyi amaçlar. Önemsiz sayılacak fark aralığı önceden belirlenir ve farkın bu aralığın iki sınırından da anlamlı biçimde içeride kaldığı iki tek yönlü testle sınanır.
Gündelik örnek: Yönetmelik 1000 g'lık pakette ±5 g sapmayı kabul ediyorsa üretici, ortalamanın 995 ile 1005 g arasında kaldığını göstermek ister. Anlamsız bir t-testi bunu kanıtlamaz; TOST ise farkın ±5 g sınırları içinde olduğunu doğrudan sınar.
Ne işe yarar: Schuirmann TOST: M - μ₀ farkının [alt, üst] sınırları içinde olup olmadığını sınar.
Sonuca etkisi: Yalnız TOST satırları. Sınırlar TOST kapalıyken yok sayılır; alt >= üst girilirse analiz uyarıyla durur.
Doğrulama verisinde: time için ±0.5: p_TOST = 0.9791 (eşdeğer değil); ±20: p_TOST = 0.0142, %90 GA [2.4474, 17.2526] sınırlar içinde, eşdeğer.
Gerçek veride örnek
Veri: UCLA OARC hsb2 (High School and Beyond, n = 200)
Değişkenler: değer sütunu write (yazma puanı), μ₀ = 50
- Soru: Öğrencilerin yazma puanı ortalaması (n = 200) varsayılan test değeri μ₀ = 50'den farklı mı?
- Varsayım: Shapiro-Wilk W = 0.947, p = 9.87e-07; normallik ihlal edilir, ancak n = 200 olduğundan merkezi limit teoremi gereği t-testi ortalama için sağlamdır.
- Sonuç: t(199) = 4.14, p < .001. Sıfır hipotezi reddedilir: ortalama yazma puanı (M = 52.78) 50'den anlamlı biçimde yüksektir.
- Etki büyüklüğü: Cohen d = 0.29; fark istatistiksel olarak anlamlı ama küçük bir etkidir.
- Betimsel: Ortalama farkı 2.78 puan (SE = 0.670), farkın %95 GA'sı [1.45, 4.10]; aralık 0'ı içermez.
- APA: t(199) = 4.14, p < .001, d = 0.29.
İlgili kavramlar
Eşdeğerlik testi (TOST)Hedges gCohen d (etki büyüklüğü)Bootstrap (yeniden örnekleme)Kolmogorov-Smirnov testi ve Lilliefors düzeltmesiMerkezi olmayan t dağılımına dayalı güven aralığıShapiro-Wilk testiTek yönlü ve çift yönlü test (hipotez yönü)
Örneklerdeki sayılar MerQur'un bağımsız, kamuya açık doğrulama verileri üzerindeki çıktılarıdır; ayrıntılar için MerQur Teknik Not'a bakınız.