Hipotez Testleri Rehberi: Hangi Araştırma Sorusu İçin Hangi Test Seçilir?
- yöntem istatistik
- 1 gün önce
- 9 dakikada okunur
Bir tez, makale veya bilimsel araştırma yürütürken en kritik aşamalardan biri doğru istatistiksel testin seçilmesidir. Araştırmacının elindeki veriye uygun olmayan bir test kullanması, elde edilen sonuçların yanlış yorumlanmasına ve araştırmanın bilimsel geçerliliğinin zedelenmesine neden olabilir.
Özellikle SPSS kullanmaya yeni başlayan araştırmacılar için “Hangi hipotez için hangi test kullanılır?”, “Verilerim normal dağılmıyorsa ne yapmalıyım?”, “İki grup arasındaki farkı hangi testle incelemeliyim?” gibi sorular oldukça yaygındır.
Aslında doğru test seçimi yalnızca değişkenlerin türüne bakılarak yapılmaz. Araştırma sorusu, grup sayısı, değişkenlerin ölçüm düzeyi, bağımlı veya bağımsız gruplar, dağılım özellikleri ve araştırmanın amacı birlikte değerlendirilmelidir.
Bu rehberde, en sık kullanılan hipotez testlerini, hangi araştırma sorularında kullanılabileceklerini ve SPSS'te hangi analizlerin tercih edildiğini adım adım ele alacağız.
Hipotez Testi Nedir?
Hipotez testi, araştırmada ortaya atılan bir varsayımın istatistiksel veriler kullanılarak değerlendirilmesini sağlayan yöntemdir.
Bir araştırmada genellikle iki temel hipotez bulunur:
H0: Sıfır (Null) Hipotezi
H0, araştırmada test edilen değişkenler arasında anlamlı bir farklılık veya ilişki olmadığını ifade eder.
Örneğin:
H0: Kadın ve erkek katılımcıların akademik başarı puanları arasında anlamlı bir fark yoktur.
H1: Alternatif Araştırma Hipotezi
H1, araştırmacının test etmek istediği farklılık veya ilişkinin bulunduğunu ifade eder.
Örneğin:
H1: Kadın ve erkek katılımcıların akademik başarı puanları arasında anlamlı bir fark vardır.
İstatistiksel analiz sonucunda elde edilen p değeri, H0 hipotezinin değerlendirilmesinde önemli bir göstergedir.
Genellikle:
p < 0,05 → İstatistiksel olarak anlamlı sonuç
p ≥ 0,05 → İstatistiksel olarak anlamlı sonuç yok
şeklinde değerlendirme yapılır.
Ancak yalnızca p değerine bakarak sonuç yorumlamak doğru değildir. Etki büyüklüğü, güven aralıkları, varsayımlar ve araştırmanın tasarımı da dikkate alınmalıdır.
Hangi Araştırma Sorusu İçin Hangi Test Kullanılır?
İstatistiksel test seçiminde en pratik yaklaşım araştırma sorusundan başlamaktır.
Örneğin:
“İki grup arasında fark var mı?”
sorusunun cevabı ile
“İki değişken arasında ilişki var mı?”
sorusunun cevabı aynı istatistiksel testle aranmaz.
Aşağıdaki temel sınıflandırma, doğru analizi belirlemede yardımcı olabilir:
Araştırma sorusu | Parametrik test | Parametrik olmayan alternatif |
İki bağımsız grubun ortalamaları farklı mı? | Bağımsız Örneklem t Testi | Mann-Whitney U |
Aynı grubun iki ölçümü farklı mı? | Eşleştirilmiş Örneklem t Testi | Wilcoxon İşaretli Sıralar |
Üç veya daha fazla bağımsız grubun ortalamaları farklı mı? | Tek Yönlü ANOVA | Kruskal-Wallis |
Aynı grubun üç veya daha fazla ölçümü farklı mı? | Tekrarlı Ölçümler ANOVA | Friedman |
İki kategorik değişken ilişkili mi? | Ki-Kare | Fisher Exact |
İki sürekli değişken arasında ilişki var mı? | Pearson Korelasyon | Spearman Korelasyon |
Bir değişken diğerini yorduyor mu? | Regresyon | Duruma göre farklı modeller |
Birden fazla bağımsız değişken bir sonucu açıklıyor mu? | Çoklu Regresyon | Araştırma tasarımına göre farklı modeller |
Ancak bu tabloyu doğrudan ezberlemek yerine neden o testin seçildiğini anlamak çok daha önemlidir.
1. İki Bağımsız Grup Arasında Fark Var mı?
Araştırma sorunuz:
“Kadın ve erkek katılımcıların yaşam doyumu puanları arasında anlamlı bir fark var mıdır?”
şeklindeyse iki bağımsız grubun karşılaştırılması söz konusudur.
Örneğin:
Kadın – erkek
Deney – kontrol
Eğitim alan – almayan
Evli – bekar
gibi birbirinden bağımsız iki grup karşılaştırılabilir.
Bağımsız Örneklem t Testi
Veri uygun varsayımları sağlıyorsa Independent Samples t-Test (Bağımsız Örneklem t Testi) kullanılabilir.
Örneğin:
H1: Kadın ve erkek katılımcıların yaşam doyumu puanları arasında anlamlı bir fark vardır.
Burada:
Bağımsız değişken: Cinsiyet
Bağımlı değişken: Yaşam doyumu puanı
Grup sayısı: 2
olabilir.
Normal dağılım sağlanmıyorsa?
Verilerin yapısına ve diğer varsayımlara göre Mann-Whitney U testi tercih edilebilir.
Bu test, iki bağımsız grubun karşılaştırılmasında kullanılan parametrik olmayan yöntemlerden biridir.
2. Aynı Grubun İki Ölçümü Arasında Fark Var mı?
Burada önemli olan grupların bağımsız olmamasıdır.
Örneğin:
“Öğrencilerin eğitim öncesi ve eğitim sonrası başarı puanları arasında anlamlı bir fark var mıdır?”
Aynı öğrencilerin iki farklı zamanda ölçümü yapılmıştır.
Bu nedenle:
Eşleştirilmiş Örneklem t Testi
Veriler parametrik test varsayımlarını sağlıyorsa Paired Samples t-Test (Eşleştirilmiş Örneklem t Testi) kullanılabilir.
Örneğin:
Ön test – son test
Tedavi öncesi – tedavi sonrası
Eğitim öncesi – eğitim sonrası
karşılaştırmaları bu kapsama girebilir.
Parametrik varsayımlar sağlanmıyorsa
Wilcoxon İşaretli Sıralar Testi değerlendirilebilir.
Burada sık yapılan hata, aynı kişilerin iki ölçümünü bağımsız gruplar gibi değerlendirmektir.
3. Üç veya Daha Fazla Bağımsız Grup Arasında Fark Var mı?
Araştırma sorusu:
“Eğitim düzeyi gruplarına göre yaşam doyumu puanları farklılaşmakta mıdır?”
şeklinde olabilir.
Örneğin:
Lise
Lisans
Yüksek lisans
Doktora
gibi üç veya daha fazla bağımsız grubunuz varsa:
Tek Yönlü ANOVA
One-Way ANOVA (Tek Yönlü Varyans Analizi) kullanılabilir.
Ancak ANOVA sonucunun anlamlı çıkması, hangi gruplar arasında fark olduğunu tek başına göstermez.
Örneğin:
ANOVA: p = 0,003
sonucunu elde ettiğinizde, “grupların hepsi birbirinden farklıdır” diyemezsiniz.
Anlamlılığın hangi gruplar arasında bulunduğunu belirlemek için post-hoc testleri kullanılabilir.
Bunlara örnek olarak:
Tukey
Bonferroni
Games-Howell
verilebilir.
Post-hoc testinin seçimi varyansların homojenliği ve diğer varsayımlar dikkate alınarak yapılmalıdır.
Parametrik varsayımlar uygun değilse
Üç veya daha fazla bağımsız grubun karşılaştırılmasında Kruskal-Wallis H Testi değerlendirilebilir.
4. Aynı Katılımcıların Üç veya Daha Fazla Ölçümü Arasında Fark Var mı?
Örneğin aynı katılımcıların:
Eğitim öncesi
Eğitim sonrası
3 ay sonraki
ölçümleri alınmış olsun.
Burada ölçümler birbirinden bağımsız değildir.
Uygun koşullarda:
Tekrarlı Ölçümler ANOVA
(Repeated Measures ANOVA) kullanılabilir.
Bu test, aynı katılımcılardan birden fazla zamanda elde edilen ölçümlerin karşılaştırılmasına yardımcı olur.
Parametrik varsayımlar sağlanmıyorsa
Friedman Testi değerlendirilebilir.
Bu nedenle “üç grup varsa ANOVA kullanılır” şeklindeki basit ezber her zaman doğru değildir.
Grupların bağımsız mı yoksa ilişkili mi olduğu mutlaka kontrol edilmelidir.
5. İki Değişken Arasında İlişki Var mı?
Araştırma sorunuz:
“Akademik başarı ile ders çalışma süresi arasında anlamlı bir ilişki var mıdır?”
şeklindeyse fark testi değil, korelasyon analizi gündeme gelir.
Buradaki temel soru:
Bir değişken arttığında diğer değişken de artıyor veya azalıyor mu?
şeklindedir.
Pearson Korelasyon
Değişkenlerin ölçüm düzeyi ve dağılım özellikleri uygun olduğunda Pearson korelasyon katsayısı kullanılabilir.
Örneğin:
Çalışma süresi
Akademik başarı puanı
arasında ilişki araştırılabilir.
Korelasyon katsayısı:
Pozitif → Değişkenler aynı yönde hareket ediyor.
Negatif → Değişkenler ters yönde hareket ediyor.
Sıfıra yakın → Doğrusal ilişki zayıf olabilir.
Ancak korelasyonun nedensellik anlamına gelmediği unutulmamalıdır.
Örneğin çalışma süresi ile başarı arasında anlamlı korelasyon bulunması, çalışma süresinin kesin olarak başarıya neden olduğunu kanıtlamaz.
Parametrik varsayımlar uygun değilse
Spearman Sıra Farkları Korelasyonu değerlendirilebilir.
6. İki Kategorik Değişken Arasında İlişki Var mı?
Örneğin araştırma sorunuz:
“Cinsiyet ile sigara kullanma durumu arasında anlamlı bir ilişki var mıdır?”
olsun.
Burada değişkenler kategoriktir:
Cinsiyet:
Kadın
Erkek
Sigara kullanımı:
Evet
Hayır
Bu durumda:
Ki-Kare Bağımsızlık Testi
(Chi-Square Test of Independence) kullanılabilir.
Ki-kare testi, iki kategorik değişken arasında istatistiksel olarak anlamlı bir ilişki olup olmadığının değerlendirilmesinde sık kullanılan testlerden biridir.
Örneğin:
H0: Cinsiyet ile sigara kullanma durumu arasında ilişki yoktur.
H1: Cinsiyet ile sigara kullanma durumu arasında ilişki vardır.
şeklinde hipotezler kurulabilir.
Bazı küçük örneklem ve düşük beklenen frekans durumlarında Fisher's Exact Test gibi alternatiflerin değerlendirilmesi gerekebilir.
7. Bir Değişken Başka Bir Değişkeni Yorduyor mu?
Araştırma sorunuz:
“Akademik başarı, öğrencilerin çalışma süresi tarafından anlamlı şekilde yordanmakta mıdır?”
şeklindeyse korelasyon analizinden daha ileri bir analiz gerekebilir.
Bu durumda:
Basit Doğrusal Regresyon
kullanılabilir.
Regresyon analizinde amaç yalnızca iki değişken arasında ilişki olup olmadığını görmek değil, bir değişkenin diğerindeki değişimi ne ölçüde açıkladığını veya yordadığını incelemektir.
Örneğin:
Bağımlı değişken:
Akademik başarı
Bağımsız değişken:
Haftalık çalışma süresi
şeklinde bir model kurulabilir.
8. Birden Fazla Değişken Sonucu Yorduyor mu?
Gerçek araştırmalarda tek bir değişkenin yeterli olmadığı durumlar oldukça yaygındır.
Örneğin:
“Akademik başarı; çalışma süresi, motivasyon, aile desteği ve sosyoekonomik durum tarafından anlamlı şekilde yordanmakta mıdır?”
sorusunu ele alalım.
Burada birden fazla bağımsız değişken vardır.
Bu durumda:
Çoklu Doğrusal Regresyon
kullanılabilir.
Örneğin:
Bağımlı değişken:
Akademik başarı
Bağımsız değişkenler:
Çalışma süresi
Motivasyon
Aile desteği
Sosyoekonomik durum
şeklinde bir model oluşturulabilir.
Bu analizde yalnızca modelin anlamlı olup olmadığı değil, değişkenlerin modele katkıları ve açıklanan varyans gibi sonuçlar da değerlendirilir.
9. Kategorik Bir Sonucu Yordamak İstiyorsanız Ne Yapılır?
Bağımlı değişkeniniz sürekli bir puan değil de iki kategoriden oluşuyorsa klasik doğrusal regresyon uygun olmayabilir.
Örneğin:
“Bir öğrencinin üniversiteye devam edip etmeyeceği; akademik başarı, aile desteği ve ekonomik durum tarafından yordanabilir mi?”
Bağımlı değişken:
Devam ediyor
Devam etmiyor
şeklindeyse lojistik regresyon gündeme gelebilir.
Burada bağımlı değişkenin yapısına göre uygun regresyon modeli seçilmelidir.
10. Parametrik mi, Parametrik Olmayan Test mi?
Hipotez testi seçiminde en çok karıştırılan konulardan biri parametrik ve parametrik olmayan testlerdir.
Parametrik testlerin kullanılabilmesi için analiz türüne bağlı olarak bazı varsayımların değerlendirilmesi gerekir.
Bunlar arasında:
Normal dağılım
Varyansların homojenliği
Bağımsızlık
Ölçüm düzeyi
Aykırı değerler
gibi kriterler bulunabilir.
Ancak burada önemli bir nokta vardır:
“Veriler normal değilse bütün parametrik testler kesinlikle kullanılamaz.”
şeklinde mekanik bir yaklaşım doğru değildir. Örneklem büyüklüğü, dağılımın yapısı, aykırı değerler, testin dayanıklılığı ve araştırmanın tasarımı birlikte değerlendirilmelidir.
Dolayısıyla yalnızca bir normallik testi sonucuna bakarak otomatik şekilde test seçmek yerine verinin tamamı incelenmelidir.
Hipotez Testi Seçerken 5 Temel Soru
Hangi testi kullanacağınıza karar vermekte zorlanıyorsanız aşağıdaki soruları sırayla yanıtlayabilirsiniz.
1. Araştırma sorum ne?
Öncelikle şunu belirleyin:
Fark mı arıyorum?
İlişki mi arıyorum?
Yordama mı yapmak istiyorum?
Grupları mı karşılaştırıyorum?
2. Kaç grup var?
1 grup
2 grup
3 veya daha fazla grup
3. Gruplar bağımsız mı?
Örneğin:
Kadın – erkek
bağımsız gruplara örnek olabilir.
Buna karşılık:
Ön test – son test
aynı kişilerin iki ölçümü olduğundan bağımlı/ilişkili ölçümlerdir.
4. Değişkenlerimin türü ne?
Değişkenler:
Kategorik
Sıralı
Sürekli
gibi farklı yapılarda olabilir.
Bu özellik test seçimini doğrudan etkileyebilir.
5. Varsayımlar sağlanıyor mu?
Örneğin:
Normal dağılım
Varyans homojenliği
Bağımsızlık
Aykırı değerler
gibi kriterler değerlendirilmelidir.
SPSS'te Hipotez Testi Seçimi Nasıl Yapılır?
SPSS, analizlerin gerçekleştirilmesini kolaylaştıran güçlü bir istatistik programıdır. Ancak SPSS'in bir test önermesi veya menüde bir analizin bulunması, o analizin araştırmanız için otomatik olarak doğru olduğu anlamına gelmez.
Öncelikle araştırma sorusunun doğru tanımlanması gerekir.
Örneğin:
“İki bağımsız grup arasında fark var mı?”
SPSS'te:
Analyze → Compare Means → Independent-Samples T Test
yolu kullanılabilir.
“İki ilişkili ölçüm arasında fark var mı?”
Analyze → Compare Means → Paired-Samples T Test
kullanılabilir.
“Üç veya daha fazla bağımsız grup arasında fark var mı?”
Analyze → Compare Means → One-Way ANOVA
kullanılabilir.
“İki değişken arasında ilişki var mı?”
Analyze → Correlate → Bivariate
menüsü üzerinden uygun korelasyon analizi gerçekleştirilebilir.
“İki kategorik değişken ilişkili mi?”
Analyze → Descriptive Statistics → Crosstabs
üzerinden Ki-Kare analizi gerçekleştirilebilir.
Ancak SPSS'te menü yolunu bilmek, analiz seçiminin doğru yapıldığı anlamına gelmez. Asıl önemli olan araştırma sorusu → değişken yapısı → varsayımlar → istatistiksel test zincirini doğru kurabilmektir.
Hipotez Testi Seçiminde En Sık Yapılan Hatalar
1. Sadece değişken adına bakarak test seçmek
“Yaş değişkenim var, korelasyon yapmalıyım.”
veya
“İki değişkenim var, t testi yapmalıyım.”
şeklinde düşünmek doğru değildir.
Araştırma sorusu ve değişkenlerin yapısı birlikte değerlendirilmelidir.
2. İki grup gördüğünde otomatik olarak t testi yapmak
İki grubun bulunması tek başına bağımsız örneklem t testinin kullanılacağı anlamına gelmez.
Grupların bağımsız olup olmadığı ve veri yapısı değerlendirilmelidir.
3. Üç grup varsa doğrudan ANOVA yapmak
Üç veya daha fazla grup için ANOVA sık kullanılan bir yöntemdir ancak grupların bağımsızlığı, değişkenlerin yapısı ve diğer varsayımlar değerlendirilmelidir.
4. Normallik testini tek başına karar mekanizması yapmak
“Shapiro-Wilk p < 0,05 çıktı, o halde kesinlikle parametrik test kullanamam.”
şeklindeki yaklaşım fazla mekaniktir.
Örneklem büyüklüğü ve dağılımın genel yapısı da değerlendirilmelidir.
5. Anlamlılık ile etki büyüklüğünü karıştırmak
p < 0,05 bulunması, sonucun mutlaka güçlü veya önemli olduğu anlamına gelmez.
İstatistiksel anlamlılık ile etki büyüklüğü farklı kavramlardır.
Bu nedenle uygun analizlerde Cohen's d, eta-kare, korelasyon katsayısı, odds ratio veya güven aralığı gibi göstergelerin de değerlendirilmesi gerekebilir.
6. Korelasyonu nedensellik olarak yorumlamak
İki değişken arasında anlamlı ilişki bulunması:
“X, Y'ye neden olmaktadır.”
sonucunu tek başına desteklemez.
Nedensellik iddiası için araştırma tasarımı ve ek metodolojik kanıtlar gerekir.
Hipotez Testi Seçiminde Pratik Karar Ağacı
Aşağıdaki yaklaşım, analiz seçimini kolaylaştırabilir:
Araştırma sorunuz fark mı arıyor?
→ Evet.
İki bağımsız grup mu var?
→ Bağımsız Örneklem t Testi→ Uygun değilse Mann-Whitney U değerlendirilebilir.
İki ilişkili ölçüm mü var?
→ Eşleştirilmiş Örneklem t Testi→ Uygun değilse Wilcoxon değerlendirilebilir.
Üç veya daha fazla bağımsız grup mu var?
→ Tek Yönlü ANOVA→ Uygun değilse Kruskal-Wallis değerlendirilebilir.
Üç veya daha fazla ilişkili ölçüm mü var?
→ Tekrarlı Ölçümler ANOVA→ Uygun değilse Friedman değerlendirilebilir.
Araştırma sorunuz ilişki mi arıyor?
→ İki sürekli/sıralı değişken arasındaki ilişki için:
Pearson Korelasyon veya uygun durumda Spearman Korelasyon
→ İki kategorik değişken arasındaki ilişki için:
Ki-Kare Bağımsızlık Testi veya uygun durumda Fisher Exact Test
Araştırma sorunuz yordama mı arıyor?
→ Sürekli bağımlı değişken için:
Doğrusal Regresyon
→ İkili kategorik bağımlı değişken için:
Lojistik Regresyon
Tezinizde Hangi Hipotez Testini Kullanmalısınız?
Bir tezde doğru istatistiksel testin seçilmesi yalnızca SPSS'te hangi menünün kullanılacağını bilmekten ibaret değildir.
Doğru analiz için öncelikle:
Araştırma sorusu belirlenmeli,
Hipotezler oluşturulmalı,
Bağımlı ve bağımsız değişkenler belirlenmeli,
Değişkenlerin ölçüm düzeyleri incelenmeli,
Grup sayısı belirlenmeli,
Grupların bağımlı veya bağımsız olduğu değerlendirilmelidir,
İlgili varsayımlar incelenmeli,
Uygun istatistiksel test seçilmeli,
Analiz sonuçları doğru biçimde raporlanmalı,
Bulgular araştırma hipotezleriyle birlikte yorumlanmalıdır.
Bu aşamalardan birinde yapılan hata, sonraki analizlerin de yanlış ilerlemesine neden olabilir.
Doğru Testi Seçmek, Doğru Araştırma Sorusu Sormakla Başlar
Hipotez testleri, tez ve akademik araştırmaların en önemli istatistiksel aşamalarından biridir. Ancak “hangi test daha iyi?” sorusundan önce “araştırma sorum tam olarak ne?” sorusunun yanıtlanması gerekir.
İki grup arasındaki farkı araştırıyorsanız t testi veya Mann-Whitney U; üç veya daha fazla grubun karşılaştırılmasında ANOVA veya Kruskal-Wallis; değişkenler arasındaki ilişkileri incelemede Pearson veya Spearman korelasyon; kategorik değişkenlerde Ki-Kare; değişkenlerin bir sonucu ne ölçüde yordadığını incelemede ise regresyon analizleri gündeme gelebilir.
Fakat bu testlerin seçimi otomatik değildir. Araştırma tasarımı, değişkenlerin yapısı, örneklem özellikleri ve istatistiksel varsayımlar birlikte değerlendirilmelidir.
Özellikle tez ve makale çalışmalarında yalnızca SPSS çıktısındaki p değerine bakmak yerine, testin neden seçildiğinin, varsayımların sağlanıp sağlanmadığının, etki büyüklüğünün ve sonuçların bilimsel olarak nasıl yorumlanacağının da açıklanması gerekir.
Doğru analiz, doğru testle değil; doğru araştırma sorusuyla başlar.
Sık Sorulan Sorular
Hipotez testi nedir?
Hipotez testi, araştırmada ileri sürülen bir varsayımın örneklem verileri kullanılarak istatistiksel olarak değerlendirilmesini sağlayan yöntemdir.
Hangi durumda t testi kullanılır?
İki grubun ortalamalarının karşılaştırılması gereken durumlarda, veri yapısı ve test varsayımları uygun olduğunda t testi kullanılabilir. Grupların bağımsız veya ilişkili olmasına göre farklı t testi türleri tercih edilir.
ANOVA ne zaman kullanılır?
Üç veya daha fazla grubun ortalamalarını karşılaştırmak amacıyla, uygun varsayımlar sağlandığında ANOVA kullanılabilir.
Mann-Whitney U testi ne zaman kullanılır?
İki bağımsız grubun karşılaştırılmasında, parametrik yöntemlerin uygun olmadığı veya verinin yapısının parametrik olmayan yaklaşımı gerektirdiği durumlarda Mann-Whitney U testi değerlendirilebilir.
Ki-Kare testi ne için kullanılır?
Ki-Kare bağımsızlık testi, iki kategorik değişken arasında istatistiksel olarak anlamlı bir ilişki bulunup bulunmadığını değerlendirmek için kullanılır.
Pearson ve Spearman arasındaki fark nedir?
Pearson korelasyon doğrusal ilişkiyi değerlendirmede ve uygun varsayımlar altında sürekli değişkenlerde kullanılır. Spearman korelasyon ise sıralı veriler veya parametrik varsayımların uygun olmadığı durumlarda değerlendirilebilen parametrik olmayan bir korelasyon yöntemidir.
SPSS hangi testi kullanmam gerektiğini söyler mi?
SPSS analizleri uygulamak için araçlar sunar ancak araştırmanız için hangi testin bilimsel olarak doğru olduğunu otomatik olarak belirlemez. Test seçimi araştırma sorusu, değişkenlerin yapısı, araştırma tasarımı ve varsayımlar dikkate alınarak yapılmalıdır.
Tezde hipotez testi seçerken nelere dikkat edilmelidir?
Araştırma sorusu, hipotezlerin yapısı, bağımlı ve bağımsız değişkenler, değişkenlerin ölçüm düzeyleri, grup sayısı, grupların bağımlı/bağımsız olması, dağılım özellikleri ve ilgili istatistiksel varsayımlar birlikte değerlendirilmelidir.
Yorumlar