Çıkarımsal İstatistik – Tez Hazırlatma – Tez Yaptırma – Tez Yaptırma Fiyatları – Tez Örnekleri – Ücretli Tez Yazdırma – Tez Yaptırma Ücreti

Korelasyonlar

Korelasyonlar tipik olarak doğası gereği tanımlayıcı olarak kabul edilse de, merkezi eğilim ve dağılım ölçümlerinden farklı olarak istatistiksel anlamlılık açısından test edilebilirler. Önem testleri, bir örneklemdeki değişkenler arasındaki bir ilişkinin popülasyonda gerçekten var olma olasılığını tahmin etmemize olanak tanır ve yalnızca tesadüfün sonucu değildir.

Çok genel anlamda, bir ilişkinin önemi, sonuçların veya bulguların, değişkenler tamamen ilişkisiz (bağımsız) olsaydı ve her bir bağımlı değişkenin dağılımları aynı olsaydı ne olacağı ile karşılaştırılmasıyla belirlenir. İstatistiksel anlamlılığın birincil indeksi p değeridir.

p değeri, bir bulgunun geçerli olup olmadığını ve dolayısıyla popülasyonu temsil edip etmediğini belirlemede tesadüfi hata olasılığını temsil eder. Örneğin, iki değişken arasındaki korelasyonu inceliyor olsaydık, .05’lik bir p değeri, bulgunun şans eseri olma olasılığının %5 olduğunu gösterirdi.

Dolayısıyla, bu değişkenler arasında böyle bir ilişkinin olmadığını varsayarsak, tesadüfen 100 üzerinden yaklaşık 5 kez benzer bir sonuç bulmayı bekleyebiliriz. bulgularımızda olabilir.

Çoğunlukla, üzerinde değişkenlerin ölçüldüğü ölçek türü (yani, nominal, sıra, aralık veya oran) tarafından belirlenen geniş bir korelasyon seçimi vardır. En yaygın olarak kullanılan bağıntılardan biri, genellikle Pearson r olarak adlandırılan Pearson çarpım-moment korelasyonudur.

Pearson r, oran veya aralık ölçeklerinde ölçülen iki değişken arasındaki ilişkileri incelemek için kullanılır. Örneğin, Pearson r, egzersiz günleri ile kilo kaybı arasındaki ilişkiyi incelemek için kullanılabilir.

Diğer korelasyon türleri aşağıdakileri içerir:

• Nokta-çift seri(rpbi): Bu, doğal olarak oluşan ikili bir nominal ölçekte ölçülen bir değişken ile bir aralık (veya oran) ölçeğinde ölçülen bir değişken arasındaki ilişkiyi incelemek için kullanılır (örneğin, cinsiyet [ikiye bölünmüş] ve SAT puanları arasındaki bir korelasyondur.
• Spearmanrank-order(lar): Bu, ilişkiyi incelemek için kullanılır.Sıralı ölçeklerde ölçülen iki değişken arasında (örn. sınıf sıralaması ve sosyoekonomik statü).
• Phi(Φ): Bu, iki kişi arasındaki ilişkiyi incelemek için kullanılır. Doğal olarak ikiye bölünmüş değişkenler (nominal-iki; örneğin, cinsiyet [nominal] ve medeni durum korelasyonudur.
• Gama(γ): Bu, bir nominal değişken ile sıralı bir ölçekte ölçülen bir değişken arasındaki ilişkiyi incelemek için kullanılır (örneğin, etnik köken [nominal] ve sosyoekonomik statü korelasyonu)

Çıkarımsal İstatistik

Bir önceki bölümde, merkezi eğilim, dağılım ve korelasyon ölçümleri de dahil olmak üzere en yaygın olarak kullanılan tanımlayıcı istatistiklere genel bir bakış sağladık. Veri kümelerimizdeki değişken ilişkilerini tanımlamaya ve incelemeye ek olarak, genellikle daha büyük nüfusla ilgili soruları yanıtlamak için araştırma yaparız.

Tüm popülasyondan veri toplamak mümkün olmayacağından, araştırmacılar, örneklerin alındığı popülasyonlar hakkında çıkarımlar yapmak için temsili örneklerle araştırma yaparlar. Bu çıkarımları incelemek için kullanılan analizlere uygun şekilde çıkarımsal istatistikler denir.

Çıkarımsal istatistikler, anlık örneklerimizin ve verilerimizin ötesinde sonuçlar çıkarmamıza yardımcı olur. Örneğin, çıkarımsal istatistikler, nispeten küçük bir çalışan örneğinden, bir şirketin tüm iş gücü için iş memnuniyetinin ne olacağını çıkarmak için kullanılabilir. Benzer şekilde, çıkarımsal istatistikler, belirli bir çalışma örneğindeki gruplar arası farklılıklardan, daha büyük bir popülasyon için yeni bir tedavinin veya ilacın ne kadar etkili olabileceğini çıkarmak için kullanılabilir.

Başka bir deyişle, çıkarımsal istatistikler, bir örneklemde belirlenen bulgulara dayanarak popülasyon hakkında genel sonuçlar çıkarmamıza yardımcı olur. Ancak, herhangi bir genellemede olduğu gibi, dikkate alınması gereken bir dereceye kadar belirsizlik veya hata vardır. Neyse ki, çıkarımsal istatistikler bize yalnızca çıkarım yapma araçlarını değil, aynı zamanda olası hata miktarını belirtme araçlarını da sağlar.

Çıkarımsal istatistikler tipik olarak rastgele örnekleme gerektirir. Tartışıldığı gibi, bu, bir örneğin ve ürettiği verilerin popülasyonu temsil etme olasılığını artırır.

Çıkarımsal istatistik ders NOTLARI
Çıkarımsal istatistik konu anlatimi
Betimsel ve Çıkarımsal istatistik nedir
Çıkarımsal istatistik örnekleri
Kestirimsel istatistik
Betimsel istatistik
Betimsel istatistik dersi
Betimsel istatistik metodları

Temsili bir örneklem elde etmek için başka teknikler olsa da (örneğin, en önemli özellikler açısından popülasyonla eşleşen bireylerin seçilmesi), rastgele örnekleme en iyi yöntem olarak kabul edilir, çünkü tüm özelliklerin temsil edilebilirliğini sağlamaya çalışır. Araştırmacının dikkate almamış olabileceği popülasyonlar bile geçerlidir.

Çıkarımlar, popülasyonda doğru olmasını beklediğimiz şeyle ilgili spesifik hipotezlerin formülasyonu ile başlar. Bununla birlikte, tartışıldığı gibi, hiçbir zaman tam bir kesinlikle bir hipotezi kanıtlayamayız.

Bu nedenle, sıfır hipotezini test etmeli ve onun tutulması mı yoksa reddedilmesi mi gerektiğine karar vermeliyiz. Örneğin, randomize kontrollü bir çalışmada, önceki araştırmalara dayanarak, belirli bir tedaviyi alan bir grubun standart bir tedaviyi alan bir gruptan daha iyi sonuçlara sahip olmasını bekleyebiliriz. Bu durumda, sıfır hipotezi, gruplar arasında hiçbir fark olmadığını da tahmin edecektir. Benzer şekilde, korelasyon durumunda, sıfır hipotezi, söz konusu değişkenlerin ilişkili olmayacağını da öngörecektir.

Araştırmacıların seçebilecekleri çok sayıda çıkarımsal istatistik vardır. Uygun istatistiklerin seçimi, büyük ölçüde sorulan araştırma sorusunun doğası ve analiz edilen değişken türleri tarafından belirlenir. Çıkarımsal istatistiklerin kapsamlı bir incelemesi ciltler dolusu metni doldurabileceğinden, t-testi, varyans analizi (ANOVA), ki-kare ve gerileme de vardır.

T-Testi

İki grup arasındaki ortalama farkları test etmek için t testleri kullanılır. Genel olarak, tek bir ikili bağımsız değişken (örneğin, bir deney ve bir kontrol grubu) ve tek bir sürekli bağımlı değişken de gerektirirler.

Örneğin, t-testleri, rastgele bir deneyde deney ve kontrol grupları arasındaki ortalama farkları test etmek için veya deneysel olmayan bir bağlamda iki grup arasındaki ortalama farkları test etmek için kullanılabilir (örneğin, kokain ve eroin kullanıcılarının daha fazla suç rapor edip etmediği gibi). aktivite). Bir araştırmacı, sürekli bir değişken üzerinde iki grup arasındaki ortalama (ortalama) performansı karşılaştırmak istediğinde, t-testini dikkate dealmalıdır.