t İstatistiği Açıklaması: Formül, Yorumlama ve Örnekler

t istatistiği, gözlenen bir farkın anlamlı olup olmadığını ya da büyük olasılıkla rastlantısal değişkenlikten kaynaklanıp kaynaklanmadığını gösterir.

Farklar neredeyse her veri setinde görünür. Esas soru, sonucun gerçek bir etkiyi yansıtıp yansıtmadığıdır. t istatistiği, farkın büyüklüğünü verideki belirsizlikle karşılaştırarak buna yanıt verir.

Bu yüzden hipotez testlerinde ve regresyonda yaygın olarak kullanılır. Bir sonucun istatistiksel olarak anlamlı olup olmadığını ve ciddiye almaya değer olup olmadığını değerlendirmenize yardımcı olur.

Bu rehberde, t istatistiğinin ne anlama geldiğini, nasıl hesaplandığını, nasıl yorumlandığını ve yaygın test senaryolarında nasıl uygulandığını öğreneceksiniz.

İstatistikte t istatistiği nedir?

t istatistiği, verideki değişkenliğe göre ayarlama yaptıktan sonra bir sonucun bir başvuru değerinden ne kadar uzak olduğunu ölçer.

Basitçe söylemek gerekirse, belirsizlikle ölçeklendirilmiş farktır. Bu, ham farkı değerlendirilebilir standartlaştırılmış bir değere dönüştürür.

75’lik bir ölçüte kıyasla ortalaması 78 olan bir sınıf düşünün. Fark 3 puandır. Bu sayı tek başına pek bir şey anlatmaz. Notlar dar bir aralıkta toplanmışsa fark anlamlı olabilir. Notlar geniş bir aralıkta değişiyorsa aynı fark önemli olmayabilir.

t istatistiği bu iki parçayı tek bir değerde birleştirir. Gözlenen farkın, verideki değişkenliğe göre büyük olup olmadığını gösterir.

Bu önemlidir çünkü aynı fark, verinin ne kadar istikrarlı olduğuna bağlı olarak farklı sonuçlara yol açabilir. t istatistiği sonucu bağlama oturtur, böylece önemini değerlendirebilirsiniz.

Şu yaygın senaryolarda görürsünüz:

• Tek örneklem t testi, bir örneklem ortalamasının bilinen bir değerden farklı olup olmadığını kontrol eder
• İki örneklem t testi, iki grubun ortalamalarını karşılaştırır
• Eşleştirilmiş t testi, aynı grubun bir değişim öncesi ve sonrası ölçümlerini karşılaştırır
• Regresyon analizi, bir katsayının sıfırdan farklı olup olmadığını test eder

Tüm bu durumlarda mantık aynı kalır: bir referans noktadan uzaklığı ölç, değişkenliğe göre ayarla ve sonucun anlamlı olup olmadığını değerlendir.

t İstatistiği Formülü ve Nasıl Hesaplanır

t istatistiği basit bir yapıyı izler. Gözlediğinizi beklediğinizle karşılaştırır, ardından bu farkı belirsizlikle ölçeklendirir.

Bu formülde:

• estimate örneklem bulgunuzdur

• hypothesized value test ettiğiniz değerdir

• standard error tahmininizin rastlantısallık nedeniyle ne kadar değişebileceğini ölçer

Dolayısıyla t istatistiği, sonucunuzu test ettiğiniz değerden kaç standart hata uzakta olduğunu söyler.

Tek örneklem t istatistiği

Bunu, tek bir örneklem ortalamasını bilinen bir değerle karşılaştırırken kullanırsınız.

Burada: 

• x örneklem ortalamasıdır

• μ0 varsayılan değerdir

• s örneklem standart sapmasıdır

• n örneklem büyüklüğüdür

Payda s/n​, ortalamanın standart hatasıdır.

İki örneklem t istatistiği (bağımsız örneklemler)

Bu test, iki ayrı grubun ortalamalarını karşılaştırır. Yapı tutarlıdır:

• Pay: iki örneklem ortalaması arasındaki fark
• Payda: bu farkın standart hatası

Ancak küçük bir fark var: Standart hatayı hesaplarken, her iki gruptaki değişkenliği nasıl ele alacağınıza karar vermeniz gerekir.

İki yaygın yaklaşım vardır.

1. Eşit olmayan varyanslar

Grupların farklı yayılım düzeylerine sahip olduğu durumlarda kullanın; bu, gerçek verilerde yaygındır:

• Her grup kendi varyansını korur
• Standart hata hesaplanırken her iki varyans birleştirilir

2. Eşit varyanslar 

Her iki grup benzer değişkenlik gösterdiğinde kullanın:

• Varyanslar tek bir havuzlanmış tahminde birleştirilir
• Hesaplama daha basit hale gelir

Regresyon katsayısı t istatistiği

Regresyonda, her katsayının kendi t istatistiği vardır.

• Pay: tahmin edilen katsayı
• Payda: bu katsayının standart hatası

Bu, bir yordayıcının sonuç değişkeniyle anlamlı bir ilişkisi olup olmadığını gösterir.

Hızlı sayısal bir örnek

Tek örneklemli bir durumu ele alalım:

• Örneklem ortalaması = 78
• Varsayılan değer = 75
• Örneklem standart sapması = 10
• Örneklem büyüklüğü = 25

Adım 1: Standart hatayı hesaplayın

Adım 2: Farkı bulun

Fark = 78 − 75 = 3

Adım 3: t istatistiğini hesaplayın

T = 3/2 = 1,5

Örneklem ortalaması, başvuru değerinin 1,5 standart hata üzerindedir. Bu değer, bir sonraki adımda istatistiksel anlamlılığı değerlendirmek için kullanılır.

t Dağılımı ve Serbestlik Dereceleri

t istatistiği, bir başvuru dağılımla karşılaştırıldığında anlam kazanır. Bu başvuru dağılım, t dağılımıdır.

Gerçek bir etki olmadığında t değerlerinin nasıl göründüğünü gösterir. Bir t değeri hesapladıktan sonra, bunun bu dağılım üzerinde nereye düştüğüne bakarsınız. Merkezden uzak değerler rastlantı eseri ortaya çıkma olasılığı daha düşük olanlardır. Merkeze yakın değerler rastlantısal değişkenlikle daha tutarlıdır.

Serbestlik dereceleri ne anlama gelir

Serbestlik dereceleri t dağılımının şeklini kontrol eder. Verinizin ne kadar güvenilir bilgi sağladığını yansıtır: daha fazla veri daha istikrarlı tahminlere, daha az veri daha fazla belirsizliğe yol açar.

Yaygın formüllerinden bazıları şunlardır:

• Tek örneklem t testi: serbestlik derecesi = n − 1
• İki örneklem t testi: serbestlik derecesi = n₁ + n₂ − 2
• Regresyon: serbestlik derecesi = n − k − 1; burada k, yordayıcı sayısıdır

Örneklem büyüklüğü dağılımı nasıl etkiler

Küçük örneklemlerde değişkenliği tahmin etmek daha zordur. Bu, uç t değerlerinin daha olası olmasına yol açar; dolayısıyla t dağılımı daha geniştir.

Bu iki sonuca yol açar:

• Anlamlılık göstermek için daha büyük t değerleri gerekir
• Sonuçları anlamlı olarak sınıflandırmak daha zordur

Örneklem büyüklüğü arttıkça tahminler daha istikrarlı hale gelir. t dağılımı daralır ve normal dağılımla örtüşmeye başlar. Büyük örneklemlerde aralarındaki fark minimumdur.

t İstatistiğini Nasıl Yorumlamalı

Daha büyük bir t istatistiği, sıfır hipotezine karşı daha güçlü kanıt demektir. Daha küçük bir t istatistiği, sonucun rastlantısal değişkenlikten kaynaklanabileceğini gösterir.

Esas fikir budur. Şimdi bunu pratik hale getirelim.

t’nin büyüklüğü size ne anlatır

Değerin 0’dan ne kadar uzakta olduğuna odaklanın.

• t, 0’a yakın > az ya da hiç fark yok
• t büyüdükçe > daha güçlü fark
• çok büyük t > sıfır hipotezine karşı güçlü kanıt

İşaret yalnızca yönü gösterir.

• pozitif > beklenen değerin üstünde
• negatif > beklenen değerin altında

Yorumlamada büyüklük, işaretten daha önemlidir.

p-değeri nasıl elde edilir

t istatistiğini hesapladıktan sonra, t dağılımla karşılaştırın. Bu size p-değerini verir; p-değeri, sıfır hipotezi altında sonucun ne kadar olası olduğunu gösterir.

• küçük p-değeri > sonuç sıfır hipotezi altında olası değildir, ona karşı daha güçlü kanıt
• büyük p-değeri > sonuç sıfır hipotezi altında olasıdır, zayıf kanıt

t istatistiği uzaklığı verir. p-değeri ise bu uzaklığın ne kadar alışılmadık olduğunu gösterir.

Tek kuyruklu vs. iki kuyruklu testler

Seçim, hipotezinize bağlıdır:

• İki kuyruklu test, daha yüksek ya da daha düşük herhangi bir farkı kontrol eder
• Tek kuyruklu test, belirli bir yönde farkı kontrol eder

İki kuyruklu testler daha yaygındır. Tek kuyruklu testler yalnızca yön analizden önce tanımlandığında kullanılır.

İstatistiksel anlamlılık vs. pratik önem

Bir sonuç istatistiksel olarak anlamlı olabilir ama yine de faydalı olmayabilir. Bu, büyük veri kümelerinde sıkça görülür.

• Büyük örneklemlerde, küçük farklar bile istatistiksel olarak anlamlı görünebilir
• Küçük örneklemlerde, anlamlı farklar anlamlı görünmeyebilir

Bu yüzden yalnızca p-değerine güvenmeyin. Etki büyüklüğüne bakın ve gerçek kararlarda önemli olup olmadığını sorun.

Hipotez Testinde t İstatistiği

t istatistiği, bir sonucun çoğunlukla sıfır olan bir başvuru değerinden anlamlı derecede farklı olup olmadığını test etmek için kullanılır. Bu başvuru, etki yok ya da fark yok anlamına gelir. 

Tek bir soruyu yanıtlar: gözlenen sonuç, rastlantısal değişkenlikten ziyade gerçek olarak ele alınacak kadar büyük mü?

Bir anakütle ortalamasını test etmek

Bir örneklem ortalamasını bilinen ya da varsayılan bir değerle karşılaştırırken kullanın.

Diyelim ki bir sayfada ortalama kalma süresinin 5 dakika olması bekleniyor ve örnekleminiz 6 dakika gösteriyor. t istatistiği, bu 1 dakikalık farkın anlamlı olup olmadığını değerlendirir.

• küçük t değeri farkın büyük olasılıkla şansa bağlı olduğunu gösterir
• büyük t değeri farkın büyük olasılıkla gerçek olduğunu gösterir

Bu, sıfır hipotezinin reddedilmesinin veya reddedilmemesinin temelini oluşturur.

İki ortalamayı karşılaştırmak

İki bağımsız grubu karşılaştırmak için kullanın.

Örnek olarak iki açılış sayfasının dönüşüm oranlarını ele alalım:

• Grup A: eski tasarım
• Grup B: yeni tasarım

Bir grupta daha yüksek ortalama tek başına yeterli değildir. t istatistiği, iki ortalama arasındaki farkın istatistiksel olarak anlamlı olup olmadığını kontrol eder.

Daha büyük mutlak t değeri, farkın gerçek olduğuna dair daha güçlü kanıt demektir. 

Eşleştirilmiş örneklemlerle test

Aynı grup iki kez ölçüldüğünde kullanın.

Bir özellik güncellemesi öncesi ve sonrası kullanıcı etkileşimine sahip olduğunuzu varsayalım. Her gözlem eşleştirilmiştir. Ayrı grupları karşılaştırmak yerine her eşleştirme içindeki farklarla çalışırsınız.

t istatistiği, tüm eşleştirmeler arasındaki ortalama değişimin sıfırdan farklı olup olmadığını test eder. Bu, değişimin anlamlı bir etkisi olup olmadığını gösterir.

Regresyon katsayılarını test etmek

Regresyonda, her katsayının kendi t istatistiği vardır. Her katsayı, bir yordayıcı ile sonuç arasındaki ilişkiyi temsil eder.

Bir katsayının, e-posta sıklığının dönüşümler üzerindeki etkisini temsil ettiğini varsayalım. t istatistiği, bu katsayının sıfırdan farklı olup olmadığını test eder.

• sıfıra yakın değer az ya da hiç etki olmadığını gösterir
• sıfırdan uzak değer muhtemelen anlamlı etkiyi gösterir

Bu, modele hangi değişkenlerin katkıda bulunduğunu belirlemeye yardımcı olur.

T İstatistiği Tablosu

Bir t tablosu, sonucun istatistiksel olarak anlamlı olup olmadığına karar vermenize yardımcı olur. Şu temellere göre kritik değerler sağlar:

• serbestlik dereceleri
• seçilen anlamlılık düzeyi (örneğin 0,05) 

t tablosu nasıl kullanılır

Şu adımları izleyin:

1. t istatistiğinizi hesaplayın
2. Serbestlik derecenizi bulun
3. Anlamlılık düzeyinizi seçin
4. Tablodan kritik değeri bulun

Şimdi sonucunuzu kritik değerle karşılaştırın:

• t değeriniz tablo değerinden büyükse istatistiksel olarak anlamlıdır
• Eğer küçükse, istatistiksel olarak anlamlı değildir

Bu tablonun nasıl okunacağı şöyle. 

Diyelim ki:

• t istatistiğiniz = 2,3
• Serbestlik dereceleri = 10
• Anlamlılık düzeyi = 0,05

Tablodan:

• Kritik değer = 2,23

Şimdi karşılaştırın:

• Sizin t = 2,3
• Tablo değeri = 2,23

2,3 değeri 2,23’ten büyük olduğuna göre sonuç istatistiksel olarak anlamlıdır.

t İstatistiği vs. z İstatistiği: Fark Nedir?

Temel fark basittir:

• Anakütle standart sapması bilinmiyorsa t istatistiğini kullanın
• Biliniyorsa z istatistiğini kullanın

t istatistikleri ile z istatistikleri arasındaki fark hakkında rehberimizde daha fazla bilgi edinin. 

t istatistiği ne zaman kullanılır

Örneklem verileriyle çalışırken ve anakütle standart sapmasını bilmediğinizde t istatistiğini kullanın.

Bu yaygın durumdur. Değişkenliği örneklem standart sapmasını kullanarak tahmin edersiniz; bu, belirsizlik getirir. t istatistiği bu belirsizliği dikkate alır; bu nedenle daha küçük veri kümeleri için uygundur.

Ortalama oturum süresini tahmin etmek için 25 kullanıcıdan veri topladığınızı düşünün. Gerçek anakütle değişkenliği bilinmediğinden, t istatistiğini kullanırsınız.

z istatistiği ne zaman kullanılır

Anakütle standart sapması bilindiğinde z istatistiğini kullanın.

Bu daha az yaygındır, ancak kontrollü ortamlarda ya da istikrarlı tarihsel verilere sahip olduğunuzda geçerli olabilir. Çok büyük örneklemlerde de kullanılır; bu durumda örneklem standart sapması anakütle değerine çok yaklaşır.

Bir şirketin uzun dönem verileri varsa ve bir metriğin tam standart sapmasını biliyorsa, test için z istatistiğini kullanabilir.

Örneklem büyüklüğünün neden önemi vardır

Örneklem büyüklüğü, tahminlerinizde ne kadar belirsizlik olduğu üzerinde etkilidir.

• küçük örneklemler: daha yüksek belirsizlik, bu yüzden t istatistiği daha uygundur
• büyük örneklemler: daha düşük belirsizlik, bu yüzden z istatistiği makul hale gelir

t dağılımı bunu, küçük örneklemler için daha geniş olarak hesaba katar ve daha temkinli sonuçlara yol açar.

t ve z nasıl benzer hale gelir

Örneklem büyüklüğü arttıkça iki yöntem arasındaki fark minimuma iner. Büyük veri kümelerinde her iki yaklaşım da neredeyse aynı sonuçları üretir. Bu nedenle z istatistiği, geniş ölçekli analizlerde sıklıkla bir yaklaşım olarak kullanılır.

t İstatistiği vs. t Testi: Fark Nedir?

t istatistiği tek bir değerdir; t testi ise tam karar sürecidir. İkisini de anlayalım:

t istatistiği nedir?

Bunu şimdiye kadar çokça ele aldık, ama tekrar edeyim: t istatistiği örneklem verilerinizden hesaplanır. Sonucunuzun genellikle sıfır olan sıfır hipotezi değerinden ne kadar uzak olduğunu gösterir.

Verideki değişkenliğe göre farkın büyüklüğünü verir. Tek başına, sonucun anlamlı olup olmadığını söylemez.

t testi nedir?

t testi, belirli bir hipotez testi yapma yoludur.

Şunları içerir:

• sıfır ve alternatif hipotezlerin tanımlanması
• t istatistiğinin hesaplanması (yukarıda)
• p-değerinin bulunması veya kritik değerin belirlenmesi
• sonuca göre karar verilmesi

Bu süreç, gözlenen farkın istatistiksel olarak anlamlı olup olmadığını belirler.

Birlikte nasıl çalışırlar

t istatistiği, t testinin bir adımıdır.

Önce t değerini hesaplarsınız. Sonra bunu kullanarak bir p-değeri elde eder ya da bir kritik değerle karşılaştırırsınız. O nihai adım, sıfır hipotezini reddedip reddetmeyeceğinize karar vermenizi sağlar.

t İstatistiğini Kullanırken Yaygın Hatalar

Hataların çoğu hesaplamadan değil, yorumlamadan kaynaklanır. t istatistiği hesaplaması kolaydır; ancak önemli ayrıntılar göz ardı edilirse yanlış kullanılabilir.

Bağlam olmadan t değerini değerlendirmek

Büyük bir t değeri tek başına çok şey anlatmaz. Anlamı, örneklem büyüklüğüne ve değişkenliğe bağlıdır.

Ne yapmalı:

• t değerini p-değeriyle birlikte yorumlayın
• örneklem büyüklüğünü dikkate alın
• veride ne kadar değişkenlik olduğunu kontrol edin

Temel varsayımları görmezden gelmek

t istatistiği birkaç koşula dayanır. Bunlar sağlanmazsa sonuçlar güvenilir olmayabilir. Temel varsayımlar şunlardır:

• veri kabaca normal dağılmıştır; özellikle küçük örneklemler için
• gözlemler bağımsızdır

Ne yapmalı:

• veri dağılımını kontrol edin
• sorunları belirlemek için grafikler veya özet istatistikler kullanın
• varsayımlar ihlal edilirse alternatif yöntemlere başvurun

Tek kuyruklu ve iki kuyruklu testleri karıştırmak

Yanlış testi seçmek sonucu değiştirir. Tek kuyruklu test bir yönü, iki kuyruklu test her iki yönü kontrol eder

Ne yapmalı:

• analizden önce test türüne karar verin
• belirli bir yön gerekmedikçe varsayılan olarak iki kuyruklu testleri kullanın

ANOVA yerine birden çok t-testi yürütmek

İkiden fazla grubu birden çok t testiyle karşılaştırmak, yanlış pozitif riskini artırır.

Yapılacaklar: Üç veya daha fazla grup için ANOVA kullanın. Ardından gerekiyorsa post hoc testlerle devam edin

Yalnızca p-değerlerine dayanmak

Küçük bir p-değeri istatistiksel anlamlılığı gösterir; pratik önemi değil. Etki büyüklüğünü kontrol ettiğinizden ve sonucun gerçek kararlarda önemli olup olmadığını değerlendirdiğinizden emin olun.

Sonuç

Farklar tüm veri setlerinde ortaya çıkar. Zorluk, bunların gerçek bir etkiyi mi yoksa rastlantısal değişkenliği mi yansıttığını bilmektir. t istatistiği bu sorunu, farkı belirsizliğe göre ölçekleyerek ele alır.

t istatistiği olmadan yalnızca farkları görürsünüz. Onunla birlikte bu farkların harekete geçmeye değer olup olmadığını değerlendirebilirsiniz.