İşte bu nokta çok önemli: Normal dağılmak, ya da dağılmamak… İstatistiksel hipotez testi aşamasında normal dağılım varsayımına bağlı kaldığımızda, parametrik testler üzerinden analizlerimizi gerçekleştiriyoruz. Kısaca sayısal ölçümlerimiz normal dağılıma uygun olduğunda parametrik testleri kullanacağız.
Parametrik test varsayımları (normal dağılım) yerine getirildiğinde ölçümle belirtilen sürekli bir değişken yönünden aynı bireylerin, değişik iki zaman ya da durumdaki ölçümleri arasında fark olup olmadığını test etmek için kullanılan bir önemlilik testidir.
Aradaki farkı çok basit bir şekilde açıklamak gerekirse parametrik testler ortalamalar üzerinden çalışırken parametrik olmayan testler medyan değer üzerinde çalışır. Medyan değer sıralanmış bir veri setindeki orta değer olarak basitçe tanımlanabilir.
Parametrik testler, nonparametrik testlere göre daha güçlü ve daha esnektir.
İlgili 45 soru bulundu
1.1.
Parametrik ve nonparametrik testlerin varsayımları aşağıdaki gibidir: Parametrik testlerde örneklem veya örneklemlerin çekildikleri evrenlerin normal dağılım göstermesi ve varyanslarının homojen olması istenir. Nonparametrik testlerde ise evren dağılımı konusunda bir varsayım bulunmamaktadır.
Parametrik olmayan testler, anakütle ile ilgili hiçbir varsayımda bulunmayan testlerdir. Değişkenlerin ölçeklerinin ad (nominal), sıra (ordinal) veya aralık (interval) olması durumunda tercih edilirler.
Tanımlayıcı istatistik kısmında normal dağılım testi için ortalama değeri (mean) ve median (medyan) değerinin birbirine yakın sonuçlar olması, veri setinin normal dağılıma sahip olduğunu göstermektedir.
Non-parametrik testler, verilerin dağılımına daha az duyarlıdır. Çeşitli non-parametrik test örnekleri vardır. Çeşitli non-parametrik test seçenekleri vardır. Örneğin, normal dağılmayan veriler için, Mann-Whitney U testi, Kruskal-Wallis testi ve benzeri non-parametrik testler kullanılabilir.
İstatistiki bazı konuları baz alarak oluşturulan parametreleri ile yapılan birçok işlev parametrik olarak değerlendirilmektedir. Parametrik belirli ölçümler ile belirli konuların oluşturulmasını sağlamaktadır. Parametrik kelime manası olarak ise bir veya birden fazla parametre olarak tanımlanmaktadır.
Diğer parametrik testler
t-testi ve ANOVA'ya ek olarak, eşleştirilmiş t-testi, tek yönlü ANOVA, iki yönlü ANOVA, tekrarlanan ölçümler ANOVA ve karma tasarım ANOVA dahil olmak üzere farklı uygulamalarda kullanılan birkaç başka istatistik parametrik test vardır.
Duyarlılık analizi olarak da bilinen parametrik analiz, farklı geometrik veya fiziksel parametrelerin veya her ikisinin sorunun çözümü üzerindeki etkisinin incelenmesidir.
Diğer istatistiksel yöntemlerde olduğu gibi regresyon analizi de parametrik ve parametrik olmayan yöntemler olarak incelenebilir. Parametrik yöntemlerin kullanımı güçlü varsayımlar gerektirirken, parametrik olmayan yöntemlerde bu varsayımlar gerekli değildir.
t testi, iki ortalama arasındaki farkın istatistiksel manidarlığını test etmek için kullanılan parametrik bir tekniktir.
Normal dağılım göstermeyen gruplarda üç veya daha fazla sayıda grubun ortalamaları arasındaki farklılığın anlamlılığını test amacıyla kullanılan bir tekniktir.
İki Ortalama Arasındaki Farkın Önemlilik Testi. Ölçümle belirtilen sürekli bir değişken yönünden bağımsız iki grup arasında fark olup olmadığını test etmek için kullanılan bir önemlilik testidir.
Tek örnekli Kolmogorov-Smirnov testi, bir değişkenin (örneğin, gelir) normal olarak dağıtıldığını test etmek için kullanılabilir. Ortalama, standart sapma, minimum, maksimum, kayıp olmayan vakaların sayısı, çeyreklik, Lilliefors testi ve Monte Carlo simülasyonu.
Toplum parametresinin hesaplanamadığı ya da belirli bir dağılım varsayımı yapılamadığı ölçümlemenin İsimsel, Sıralı ya da Aralıklı bir yöntemle yapılmış olduğu durumlarda uygulanan testlere ise parametrik olmayan testler denir.
Tek Örneklem Kolmogorov Smirnov Testi, bir örneklem ortalamasının, evren ortalamasından anlamlı farklılık gösterip göstermediğini tespit etmek için kullanılır. Yani test edilen değerlerin normal dağılıma sahip olup olmadığını tespit etmek amacıyla normallik testi olarak başvurulur.
Normal dağılım hem uygulamalı hem de teorik istatistikte kullanılan oldukça önemli bir dağılımdır. Normal dağılımın istatistikte önemli bir yerinin olmasının nedeni, yapılan birçok ölçme sonucunun ölçme sayısı arttıkça normal dağılıma yaklaşmasıdır.
Standart normal dağılım, ortalama değeri 0 ve varyans değeri 1 olan normal dağılım ailesinin tek bir elemanıdır. Carl Friedrich Gauss bu dağılımlar grubu ile, astronomik verileri analiz etmekte iken, ilgilenmiş ve bu dağılım için olasılık yoğunluk fonksiyonunu ilk defa tanımlamıştır.
Z dağılımı; ortalaması µ=0 ve standart sapması σ=1 olan Z puanlarının evren dağılımı olarak tanımlanabilmektedir. Z dağılımı olasılıklı bir normal dağılımdır. Yani Z dağılımının genel karakteristiği normal dağılımla aynıdır. Bu nedenle Z dağılımı 'standart normal dağılım' olarak da isimlendirilmektedir.
Parametrik olmayan istatistik terimi çok zaman da verilerin ölçülme ölçeği özelliklerine yani orijinal olarak kategorik olmalarına (yani isimsel veya sırasal ölçekli olmasına) ve niceliksel ölçekli veriler için mümkün olan matematik işlemlerin ve istatistik ölçümlerinin geçerli olmamasına da dayanır.
Kruskal-Wallis Yöntemi: İkiden fazla muamele grubunun söz konusu olduğu deneylere elde edilen veriler varyans analizinin ön şartlarından uzaklaşmış durumda iseler, gruplar arası farkın önemi parametresiz test yöntemi olan Kruskal-Wallis yöntemi ile kontrol edilebilir.
Verilerimizin İlişkili Örneklemler için Tek Yönlü Varyans Analizi için gereken parametrik teknik varsayımlarını karşılamadığı durumlarda Friedman Testi kullanılabilir.
Benzer sorularSıkça sorulan sorular
DuyuruReklam alanı
Popüler SorularSıkça sorulan sorular
© 2009-2024 Usta Yemek Tarifleri