Hipotez Testi Nasıl Yapılır? H₀, p-Değeri ve Karar Süreci

H₀ ve H₁ yazılırken iddianın yönü nasıl belirlenir?

H₀, testin başlangıç varsayımıdır. Bir ortalama için eşitlik, test istatistiğinin dağılımını belirlemede sınır değer olarak kullanılabilir. μ popülasyon ortalamasını, μ₀ ise test edilen referans değeri gösterir. H₁, araştırılan farklılığı belirtir ve yön seçimi araştırma sorusuna göre yapılır.

Bir farklılığın iki yönde de önemli olabileceği durumda çift yönlü test kurulur: H₀: μ = μ₀ ve H₁: μ ≠ μ₀. Burada hem referans değerden büyük hem de küçük sonuçlar dikkate alınır. Sadece artış araştırılıyorsa üst kuyruklu testte biçimsel olarak H₀: μ ≤ μ₀ ve H₁: μ > μ₀; sadece azalış araştırılıyorsa alt kuyruklu testte H₀: μ ≥ μ₀ ve H₁: μ < μ₀ yazılır. Eşitlik, bu tek yönlü testlerde test istatistiğinin dağılımını belirleyen sınır değer olarak kullanılabilir.

Yön, veriye bakıldıktan sonra değiştirilmemelidir. Örneğin araştırma başlamadan önce 'ortalama 100'den büyük mü?' sorusu belirlenmişse üst kuyruklu test kullanılır. '100'den farklı mı?' sorusu ise yön belirtmediğinden çift yönlüdür. Aynı örneklem için tek yönlü ve çift yönlü test arasında sonradan seçim yapmak, karar kuralını veriye göre değiştirmek anlamına gelebilir.

H₀'ın reddedilmemesi, H₀'ın kanıtlandığı anlamına gelmez. Doğru ifade, 'H₀'ı reddetmek için yeterli istatistiksel kanıt bulunamadı' biçimindedir. Bu ayrım özellikle p-değeri büyük çıktığında önemlidir.

p-değeri ve α birlikte nasıl yorumlanır?

Anlamlılık düzeyi α, H₀ gerçekte doğruyken onu yanlışlıkla reddetme olasılığını kontrol etmek için testten önce belirlenir. Mevcut metinde yaygın örnek olarak α = 0,05 verilmiştir. Bu eşik, 'H₀'ın doğru olma olasılığı yüzde 5'tir' şeklinde yorumlanamaz.

p-değeri, H₀ doğru kabul edildiğinde gözlenen sonuç kadar veya ondan daha uç bir sonucun elde edilmesine ilişkin olasılık ölçüsüdür. Bu nedenle p-değeri, H₀'ın doğru olma olasılığı değildir. Genel karar kuralı şöyledir:

• p ≤ α ise H₀ reddedilir.
• p > α ise H₀ reddedilmez.

Örneğin α = 0,05 ve p = 0,03 ise sonuç istatistiksel olarak anlamlı kabul edilir ve H₀ reddedilir. p = 0,08 olduğunda ise H₀'ı reddetmek için yeterli kanıt yoktur. Bu sonuç, etkinin kesinlikle olmadığı anlamına gelmez; örneklem büyüklüğü, veri değişkenliği ve gerçek etkinin büyüklüğü birlikte değerlendirilmelidir.

İstatistiksel anlamlılık ile pratik önem de ayrılmalıdır. Çok büyük bir örneklemde küçük bir fark p < 0,05 üretebilir; buna karşılık önemli olabilecek bir fark, küçük veya değişken bir örneklemde anlamlı çıkmayabilir. Bu yüzden p-değerinin yanında mümkünse etki büyüklüğü ve belirsizlik ölçüleri de raporlanmalıdır.

Ortalama için t-istatistiği hangi bilgileri birleştirir?

Popülasyon standart sapması bilinmiyor ve örneklem standart sapması s kullanılıyorsa, bir örneklem ortalaması için verilen t-istatistiği kullanılır:

t = (x̄ - μ₀) / (s / √n)

Burada x̄ örneklem ortalaması, μ₀ H₀ altında test edilen ortalama, s örneklem standart sapması ve n örneklem büyüklüğüdür. Pay, gözlenen ortalamanın referans değerden farkını; payda ise bu farkın örnekleme değişkenliği bakımından ölçeğini gösterir. Dolayısıyla yalnızca x̄ - μ₀ farkına bakmak yeterli değildir: aynı fark, s küçükse daha dikkat çekici, s büyükse daha az ayırt edici olabilir.

Bu formül, H₀ doğruyken t istatistiğinin t dağılımına uyduğu koşullarda kullanılır. Serbestlik derecesi n - 1'dir. Test istatistiği hesaplandıktan sonra bu değer, serbestlik derecesine göre t dağılımının kritik değeriyle karşılaştırılabilir veya p-değeri hesaplanabilir.

Örneğin t değerinin mutlak değeri kritik sınırı aşarsa çift yönlü testte H₀ reddedilir. Tek yönlü testte ise yalnızca araştırılan yöndeki kuyruk dikkate alınır. Test seçimi yapılmadan önce gözlemlerin bağımsızlığı, örnekleme yöntemi ve veri yapısının uygunluğu da kontrol edilmelidir; formül tek başına bu koşulları garanti etmez.

Tip I, Tip II hata ve test gücü arasındaki denge

Tip I hata, gerçekte doğru olan H₀'ın reddedilmesidir. Bu hatanın olasılığı, test tasarımında seçilen α ile kontrol edilir. Örneğin α = 0,05 kullanılması, H₀ doğru olduğunda yanlış reddetme riskinin test çerçevesinde yüzde 5 düzeyinde sınırlandırılmasının hedeflendiğini ifade eder; tek bir çalışmanın sonucunun mutlaka bu oranda hata yapacağını söylemez.

Tip II hata, gerçekte yanlış olan H₀'ın reddedilmemesidir ve β ile gösterilir. Test gücü 1 - β olarak tanımlanır; güç, gerçek bir fark varken bu farkı ortaya çıkarma olasılığıyla ilgilidir. Örneklem büyüklüğünün artırılması, ölçümlerdeki değişkenliğin azaltılması veya gerçek etkinin daha büyük olması test gücünü artırabilir; ancak sonuç, kullanılan test ve varsayımlara bağlıdır.

α'yı azaltmak daha temkinli bir reddetme kuralı oluşturur, fakat diğer koşullar sabitken H₀ gerçekten yanlış olduğu hâlde onu reddedememe olasılığını artırabilir. Bu nedenle α ve hedef güç, veri toplandıktan sonra değil, araştırma tasarlanırken belirlenmelidir. 'Anlamlı çıkmadı' ifadesi, özellikle düşük güçlü çalışmalarda 'etki yoktur' sonucuna dönüştürülmemelidir.

Parametrik olmayan test ve çoklu karşılaştırma ne zaman gündeme gelir?

t-testi gibi parametrik yöntemler belirli dağılım ve veri koşullarına dayanır. Verilerin normal dağılım varsayımını karşılamadığı durumlarda veya ölçüm düzeyi ve dağılım yapısı uygun olmadığında parametrik olmayan yöntemler düşünülebilir. Mevcut içerikte Mann-Whitney U ve Kruskal-Wallis testleri bu bağlamda örneklenmiştir. Ancak 'veri normal değilse otomatik olarak tek bir alternatif teste geçilir' denemez; bağımsızlık, örneklem yapısı ve araştırma sorusu da dikkate alınmalıdır.

Bir araştırmada çok sayıda hipotez aynı veri üzerinden test edilirse, en az bir yanlış pozitif bulma olasılığı tek teste kıyasla artabilir. Bu problem çoklu karşılaştırmalar olarak adlandırılır. Bonferroni düzeltmesi veya Holm yöntemi, bu riski kontrol etmek için kullanılan yaklaşımlardandır. Düzeltmenin amacı p-değerini keyfî biçimde değiştirmek değil, birden çok kararın birlikte oluşturduğu Tip I hata riskini yönetmektir.

Regresyon analizinde de katsayıların anlamlılığı için hipotez testleri kullanılabilir. Örneğin bir regresyon katsayısı için H₀: katsayı = 0 kurulabilir; p-değeri, modeldeki diğer koşullar altında katsayının sıfırdan ayrıldığına ilişkin kanıtı değerlendirir. Bu sonuç, tek başına nedensellik kanıtı olarak yorumlanmamalıdır.

Çözümlü örnekler: 500 gram iddiasından karara

Örnek 1 — Verilenler: Bir gıda üreticisi paketlerin ortalama ağırlığının 500 gram olup olmadığını test etmek istiyor. Rastgele seçilen 50 paketin örneklem ortalaması 498 gramdır. Araştırma sorusu iki yönlü olduğu için H₀: μ = 500 ve H₁: μ ≠ 500 yazılır.

Adım 1: Farkı hesaplayın. x̄ - μ₀ = 498 - 500 = -2 gramdır.

Adım 2: t formülüne yerleştirin. n = 50 olduğundan t = -2 / (s / √50) elde edilir.

Adım 3: Verilen eksikliği belirleyin. Kaynak metinde örneklem standart sapması s, seçilen α ve buna karşılık gelen p-değeri verilmediği için sayısal t değeri ve kesin karar hesaplanamaz. Bu, hipotez testinde yalnızca ortalama farkının yeterli olmadığını gösterir.

Sonuç: Ortalama 2 gram düşük görünmektedir; ancak bunun istatistiksel olarak anlamlı olup olmadığına karar vermek için en azından s ile birlikte α ve test dağılımı bilgisi gerekir. H₀ bu bilgiler olmadan reddedilemez.

Örnek 2 — Verilenler: Bir testte α = 0,05 seçilmiş ve p = 0,03 bulunmuştur.

Adım 1: p-değerini α ile karşılaştırın: 0,03 < 0,05.

Adım 2: Kararı yazın: H₀ reddedilir.

Adım 3: Bağlamsal yorumu kurun: H₀ doğru kabul edildiğinde gözlenen sonuç kadar uç bir sonuç elde edilmesi, seçilen eşikle karşılaştırıldığında yeterince düşük olasılıklı bulunmuştur. Bu nedenle sonuç istatistiksel olarak anlamlıdır.

Sonuç: Bu karar, H₁'ın pratik açıdan önemli veya etkinin büyük olduğunu tek başına göstermez; etki büyüklüğü ve ölçüm belirsizliği ayrıca incelenmelidir.

Sık yapılan hatalar ve karıştırılan sınır durumları

1. 'p > 0,05 ise H₀ doğrudur' demek: Doğru ifade H₀'ın reddedilmediğidir. Veri, H₀'ı reddetmek için yetersiz kanıt sunmuş olabilir.

2. p-değerini H₀'ın olasılığı sanmak: p-değeri, H₀ doğru kabul edildiğinde verinin veya daha uç sonuçların olasılığıyla ilgilidir; H₀'ın doğru olma olasılığı değildir.

3. Tek yönlü testi sonradan seçmek: Sonuç hangi yönde çıktıysa o yöne uygun test seçmek, önceden belirlenmiş karar kuralını bozar. Yön araştırma sorusuyla birlikte belirlenmelidir.

4. H₀'ı 'kabul edildi' diye yazmak: İstatistiksel test çoğunlukla reddetme veya reddetmeme kararı verir. Reddetmeme, doğrulama değildir.

5. Sadece ortalama farkına bakmak: Farkın büyüklüğü, s ve n ile birlikte değerlendirilmelidir. Formülde paydadaki s / √n, örnekleme değişkenliğini hesaba katar.

6. İstatistiksel anlamlılığı pratik önem sanmak: p < α sonucu, etkinin gerçek hayatta önemli olduğu anlamına gelmez. 500 gramlık bir üründeki küçük farkın üretim, maliyet veya tüketici açısından önemi ayrıca incelenmelidir.

7. Varsayımları yok saymak: Bağımsız olmayan gözlemler, uygunsuz örnekleme veya testin dağılım koşullarının ihlali, hesap doğru olsa bile yorumu zayıflatabilir.

8. Çok sayıda testi düzeltmesiz yorumlamak: Aynı veri üzerinde birçok hipotez deneniyorsa çoklu karşılaştırma riski değerlendirilmelidir; Bonferroni veya Holm gibi yöntemler bu amaçla kullanılabilir.