Hipotez Testleri: H₀ ve H₁’den İstatistiksel Karara

Hipotez testi mantığı ve H₀-H₁ hipotezlerinin kurulması

Hipotez testi iki karşıt iddiayı karşılaştırır. H₀, sıfır hipotezidir ve genellikle fark, ilişki ya da değişim olmadığını; başka bir ifadeyle mevcut durumun sürdüğünü belirtir. H₁ ya da Hₐ ise H₀’a karşı olan ve araştırmacının kanıtlamak istediği iddiayı ifade eder. Örneklem verisi, bu iki iddiadan birini kesin olarak kanıtlamaz; H₀’ı reddetmek için yeterli kanıt olup olmadığını gösterir.

Hipotezler, test edilmek istenen nüfus parametresi üzerinden yazılır. Örneğin genç yetişkinlerin ortalama üç çift kot pantolona sahip olduğu iddiası sınanacaksa H₀: μ = 3 ve ortalamanın daha yüksek olduğu düşünülüyorsa Hₐ: μ > 3 kurulur. Burada μ, nüfus ortalamasıdır; örneklem ortalaması olan x̄ değildir. Eşitlik genellikle H₀’da bulunur, çünkü karar süreci varsayılan değerin doğru olduğu kabulüyle başlar.

Örneklem ortalaması ya da oranı, H₀’ın öne sürdüğü dağılımla karşılaştırılır. Sonuç H₀ altında çok uzak ve düşük olasılıklıysa H₀ reddedilir; veri H₀ ile uyumluysa H₀ reddedilemez. “H₀ kabul edildi” demek yerine “H₀’ı reddetmek için yeterli kanıt yok” demek daha doğrudur. Örneğin bir okul öğrencilerinin günlük televizyon izleme ortalamasının dört saatten düşük olup olmadığı inceleniyorsa H₀: μ = 4, Hₐ: μ < 4 biçimindeki kurulum, sorudaki yönü doğrudan yansıtır.

Tek yönlü ve çift yönlü testlerin belirlenmesi

Alternatif hipotezin yönü, testin tek yönlü mü çift yönlü mü olacağını belirler. Hₐ: μ > μ₀ veya Hₐ: μ < μ₀ biçimindeyse tek yönlü test kullanılır; çünkü yalnızca belirli bir yöndeki sapma önemlidir. Hₐ: μ ≠ μ₀ ise çift yönlü test gerekir; çünkü hem beklenen değerden büyük hem de küçük sapmalar dikkate alınır.

Tek yönlü testte anlamlılık bölgesi dağılımın yalnızca bir kuyruğundadır. “Ortalama daha yüksek mi?” sorusunda sağ kuyruk, “daha düşük mü?” sorusunda sol kuyruk incelenir. Çift yönlü testte toplam anlamlılık olasılığı iki kuyruğa bölünür; bu nedenle gözlenen değer beklenen değerden hangi yönde uzaklaşırsa uzaklaşsın değerlendirmeye alınır. Test yönü, veriye bakıldıktan sonra sonucu avantajlı hâle getirmek için seçilmemelidir; araştırma sorusunun ve H₁’ın anlamından önce belirlenmelidir.

Örneğin bir ürünün ortalama kullanım süresinin 10 saatten fazla olup olmadığı soruluyorsa H₀: μ = 10 ve Hₐ: μ > 10 tek yönlü bir test oluşturur. Ürünün ortalama kullanım süresinin 10 saatten farklı olup olmadığı soruluyorsa H₀: μ = 10 ve Hₐ: μ ≠ 10 çift yönlü test gerekir. Oranlar için de aynı mantık geçerlidir: p’nin p₀’dan büyük, küçük ya da farklı olup olmadığı alternatif hipotezin yönünü belirler.

Anlamlılık düzeyi ve p-değeri

Anlamlılık düzeyi α, H₀ gerçekte doğruyken onu reddetme riskinin testten önce kabul edilen üst sınırıdır. Bu değer, yalnızca hesaplamadan sonra seçilmez; yanlış bir reddin sonuçları dikkate alınarak önceden belirlenir. α = 0,05 seçildiğinde karar kuralı, H₀ doğru kabul edildiğinde gözlenen sonuç kadar veya daha uç bir sonucun olasılığı yüzde beşten düşükse H₀’ı reddetmeye dayanır.

p-değeri, H₀ doğruymuş gibi düşünüldüğünde elde edilen örneklem sonucu kadar ya da ondan daha uç bir sonucun görülme olasılığıdır. p küçükse veri H₀ ile daha az uyumludur. Karar kuralı p ≤ α ise H₀’ı reddetmek, p > α ise H₀’ı reddetmek için yeterli kanıt bulunmadığını söylemektir. p-değeri, H₀’ın doğru olma olasılığı değildir; ayrıca sonucun pratikte ne kadar büyük veya önemli olduğunu da tek başına göstermez.

Örneğin α = 0,05 olan bir testte p = 0,02 bulunursa sonuç istatistiksel olarak anlamlı kabul edilir ve H₀ reddedilir. Bu, H₁ yönünde kanıt bulunduğunu gösterir; H₀’ın kesinlikle yanlış olduğunu kanıtlamaz. p = 0,18 bulunursa H₀ reddedilmez. Böyle bir sonuç, iddianın kesinlikle doğru olduğunu değil, mevcut örneklemle H₀’a karşı yeterli kanıt oluşmadığını ifade eder.

Test istatistiği ve kritik değerle karar verme

Test istatistiği, örneklemden hesaplanan değerin H₀’da varsayılan parametreden standart hata cinsinden ne kadar uzak olduğunu özetleyen sayıdır. Ortalama için, nüfus standart sapması biliniyorsa z; özellikle küçük örneklem ve bilinmeyen nüfus standart sapması durumunda t dağılımına dayalı bir test kullanılabilir. Ortalama için z ve t testleri farklı koşullarda kullanılan yöntemlerdir; ayrıntılı seçim, ayrı bir konu olarak ele alınır.

Ortalama testinde genel z standardizasyonu, H₀’daki μ₀ değeri kullanılarak şu biçimde yazılır: z = (x̄ - μ₀) / (σ / √n). Böylece örneklem ortalamasının varsayılan ortalamadan kaç standart hata uzakta olduğu bulunur. Kritik değer, seçilen α ve testin tek ya da çift yönlü oluşuna göre dağılım üzerinde belirlenen sınırdır. Test istatistiği kritik bölgeye düşerse H₀ reddedilir; düşmezse H₀ reddedilmez.

Örneğin sağ yönlü bir testte hesaplanan z kritik değerden büyükse örneklem sonucu H₀ dağılımının sağ kuyruğunda yer alır ve H₀’a karşı yeterli kanıt oluşur. Çift yönlü testte ise test istatistiğinin mutlak değeri kritik sınırı aşarsa reddetme kararı verilir. Aynı karar p-değeriyle de verilebilir; kritik değer yaklaşımı dağılım üzerindeki konumu, p-değeri yaklaşımı ise bu konumun olasılığını ifade eder.

Hipotez testinin temel uygulama adımları

Hipotez testi düzenli bir sıra izler:

1. Araştırma sorusunu ve test edilen parametreyi belirleyin: ortalama, oran ya da iki parametre arasındaki fark gibi.
2. H₀ ve Hₐ’yı kurun; alternatif hipotezin yönüne göre tek yönlü veya çift yönlü testi seçin.
3. Anlamlılık düzeyini α belirleyin ve uygun kritik değeri bulun.
4. Örneklemi alın; gerekli örneklem istatistiklerini, örneğin x̄, standart sapma veya örneklem oranını hesaplayın.
5. Veriye ve hipoteze uygun test istatistiğini hesaplayın.
6. Test istatistiğini kritik değerle ya da p-değerini α ile karşılaştırın.
7. İstatistiksel kararı ve bunun araştırma sorusundaki anlamını açık bir cümleyle yazın.

Örneğin sekiz kişilik bir örneklemde ortalama kot pantolonu sayısının üçten fazla olup olmadığı inceleniyorsa önce H₀: μ = 3 ve Hₐ: μ > 3 yazılır. Nüfusun normal olduğu varsayımı ve örneklemin büyüklüğü dikkate alınarak uygun test seçilir; örneklem ortalaması ve standart sapmadan test istatistiği hesaplanır. Hesaplanan değer sağ kuyruktaki kritik bölgeye düşerse H₀ reddedilir; düşmezse “ortalamanın üçten büyük olduğunu söylemek için yeterli kanıt yoktur” denir.

Sonuç iki düzeyde ifade edilmelidir: Önce “α düzeyinde H₀ reddedildi” veya “H₀’ı reddetmek için yeterli kanıt bulunamadı” biçiminde istatistiksel karar verilir. Ardından bu karar, ölçülen değişkenin birimiyle araştırma sorusuna bağlanır. Parametrik olmayan testler, çoklu karşılaştırmalar, test gücü ve ayrıntılı matematiksel türetimler bu temel uygulama çerçevesinin dışındaki konulardır.

Hipotez testi varsayımlarına kısa giriş

Bir testin sonucu, kullanılan yöntemin varsayımları karşılandığında anlamlı biçimde yorumlanabilir. Örneklemin rastgele ve gözlemlerin bağımsız olması, ölçülen değişkene uygun dağılım koşullarının bulunması ve kullanılan test türünün veri yapısıyla uyuşması önemlidir. Oran testlerinde başarı-başarısızlık biçimindeki ikili sonuçlar ve yeterli beklenen gözlem koşulları da dikkate alınır.

Tip I ve Tip II hataların temel anlamı

Hipotez testi kesinlik değil, kontrollü hata riskiyle karar verme sürecidir. Tip I hata, H₀ gerçekte doğru olduğu hâlde H₀’ı reddetmektir. Örneğin gerçekten ortalama değer değişmemişken değiştiği sonucuna varmak Tip I hatadır; bu hatanın testten önce belirlenen üst sınırı α ile ilişkilidir.

Tip II hata ise H₀ gerçekte yanlış olduğu hâlde H₀’ı reddetmemektir. Gerçekten ortalama yükselmişken örneklem kanıtı yetersiz kaldığı için değişim yokmuş gibi karar vermek buna örnektir. H₀’ın reddedilememesi, Tip II hatanın kesinlikle yapıldığı anlamına gelmez; yalnızca örneklemin H₀’a karşı yeterli kanıt sağlamadığını gösterir. Bu nedenle sonuç raporlanırken hem karar hem de kararın hangi anlamlılık düzeyinde verildiği belirtilmelidir.

İstatistiksel anlamlılık ile pratik anlam arasındaki fark

İstatistiksel anlamlılık, gözlenen farkın H₀ doğru kabul edildiğinde rastlantıyla açıklanmasının zor olduğunu söyler. Ancak farkın günlük yaşamda, üretimde, sağlıkta ya da işletme kararında ne kadar önemli olduğu ayrı bir sorudur. Büyük örneklemlerde küçük bir fark düşük p-değeri üretebilir; buna karşılık gerçek hayatta etkisi sınırlı olabilir.

Örneğin bir makinenin ortalama üretim süresinde çok küçük bir azalma istatistiksel olarak anlamlı çıkabilir. Bu azalma üretim maliyetini, bekleme süresini veya karar alınmasını etkileyecek büyüklükte değilse pratik anlamı düşük kalır. Tersine, karar açısından önemli bir fark örneklem küçük olduğu için istatistiksel olarak anlamlı bulunmayabilir. Bu yüzden p-değerinin yanında farkın büyüklüğü, ölçü birimi, uygulamadaki sonuçları ve araştırma sorusunun gerektirdiği eşik de değerlendirilmelidir.