SPOR ARAŞTIRMALARINDA KULLANILAN TEMEL İSTATİSTİK

YÖNTEMLER

Prof. Dr. Soner ÇANKAYA1 – Prof. Dr. Levent SANGÜN2

1
Ondokuz Mayıs Üniversitesi, Yaşar Doğu Spor Bilimleri Fakültesi, scankaya@omu.edu.tr
2
Çukurova Üniversitesi, Adana Meslek Yüksek Okulu, lsangun@cu.edu.tr

GİRİŞ

İstatistik, belirli amaç(lar) doğrultusunda araştırma evreni veya örnekleminden doğru bir şekilde veri
toplanması, analiz edilmesi ve bilgiye dönüştürmesinde önemli rol oynayan yöntemler bilimidir.
Sunulan derlemede amaç, spor alanında yaygın olarak kullanılan temel istatistik kavramları spor
alanındaki uygulamalarını örnek vererek incelemektir. Bu bağlamda, istatistikte verilerin ölçüm biçimi,
tanımlayıcı istatistiksel yöntemler, spor alanında elde edilen verilerin analizinde yaygın olarak kullanılan
parametrik bazı istatistiksel yöntemlerin tanıtılması amaçlanmaktadır.

TEMEL KAVRAMLAR

Bir sonuca varabilmek için; araştırma, deney, deneyim, gözlem, mülakat vb sonucu elde edilen sayısal,
sözel, görsel vb. ifadelere veri (data) denir. Anlam çıkarmada veya sonuca varmakta kullanılan nicelikler,
olaylar, kayıtlar ve sayı kümeleri olarak da tanımlanabilmektedir. İnsanlar, belgeler birer veri kaynağı olup,
bir sporcunun yaşı (yıl), 100 m mesafeyi koşma süresi (sn), bir bireyin tutumları, görüşleri, vb. birer veridir.
Bir araştırmada incelenen konuya ilişkin elde edilen veriler değişik amaçlar doğrultusunda farklı şekilde
sınıflara ayrılabilmektedir. Genel anlamda ölçüldükleri ölçü birimi bakımından nitel ve nicel veriler veya
bilimsel araştırma sürecinde kullanımı bakımından ise birincil ve ikincil veriler olmak üzere 2 grupta
incelenmektedir.
Araştırma öncesinde var olmayan ve araştırmacının amaçları doğrultusunda ilgili anakütle (evren)
hakkında kişisel olarak topladığı verilere birincil veri (primary data), söz konusu araştırma yapılmadan önce
toplanılmış ve işlenmiş verilere ise ikincil veri (secondary data) adı verilmektedir.
Evren, araştırma kapsamına giren ve aynı veya ortak özelliğe sahip bireylerin veya birimlerin
oluşturduğu topluluğa denir. Literatürde evren, kitle, yığın, ana kütle, ana kitle, popülasyon olarak da ifade
edilmektedir. Spor alanında görev yapan akademisyenlerin örgütsel bağlılık düzeylerini incelemek için
yapılacak bir araştırmada, Üniversitelerin Spor Bilimleri Fakülteleri’nde görev yapan akademik personelin
tümü araştırmanın evrenini oluşturmaktadır.
Örneklem, araştırmaya konu olan bir evrenden, evreni temsil edebilecek düzeyde belirli yöntemler
kullanılarak seçilen daha az sayıda bireylerin veya birimlerin oluşturduğu topluluğa örnek veya örneklem
adı verilir. Spor Bilimleri Fakülteleri’nde görev yapan tüm akademik personel içerisinden tesadüfi
örnekleme yöntemi ile seçilmiş 300 akademisyen araştırmanın örneklemini oluşturmaktadır.
Birim, bir topluluğu oluşturan ve incelemeye konu olan obje ya da bireylerin her birine denir (Kayaalp
& Çankaya, 2008). Spor Bilimleri Fakülteleri’nde görev yapan akademik personellerin her biri araştırma
birimi ifade etmektedir.
Değişken, birimlerin sahip oldukları özellikler birer değişken olarak tanımlanmaktadır. Değişken, belli
bir sembolle (X,Y,Z gibi) gösterilmekte ve sembolün değeri (x1,x2,x3,…,xn) ölçümden ölçüme, tartımdan
tartıma veya gözlemden gözleme değişik değerler alabilmektedir. Değişkenlerin ortaya çıkış şekillerine şık
adı verilmektedir. Bazı değişkenlerin şık sayısı az, bazı değişkenlerin ise çoktur. Örneğin, medeni durum
değişkenli iki şıklıdır, evli-bekâr. Diğer taraftan eğitim durumu (ilkokul, ortaokul, lise, ön lisans, lisans,
yüksek lisans ve doktora), ağırlık veya boy değişkenleri çok şıklıdır (Köksal, 2003). Yapılan araştırmalarda
kullanılan değişken tipleri genellikle sürekli, kesikli ve kategorik değişkendir. Sürekli ve kesikli değişkenler
aynı zamanda kantitatif veya nicel (rakamla ifade edilebilen) değişken, kategorik değişkenler ise kalitatif
veya nitel (rakamla ifade edilemeyen) değişken olarak da ifade edilmektedir (İkiz, Püskülcü & Eren, 1996).
Sürekli değişken, ölçüm veya tartım sonucu elde edilen ve belirli bir aralıkta her değeri alabilen
değişkenlerdir. Örneğin, boy, ağırlık, koşu süresi vb.
Kesikli değişken, sayım sonucu elde edilen ve tam sayısal değerler alan değişkenlerdir. Örneğin,
ailedeki birey sayısı, kazanılan madalya sayısı vb.
Kategorik değişken, ölçülüp sayılamayan veya sözel olarak ifade edilen değişkenlerdir. Bireylerin
cinsiyeti (kadın, erkek), medeni durumu (evli, bekâr), okuduğu bölüm (Spor Yöneticiliği, Rekreasyon,
Beden Eğitimi ve Spor Öğretmenliği, Antrenörlük Eğitimi Bölümü) veya kilolarına göre (zayıf, normal
veya obez) kategorize edilmesi bu değişken tipine örnek olarak verilebilir.
Değişkenlerin alabileceği değerlerin neler olabileceği, neler olamayacağı, yani nasıl ölçüldüğünü
belirlemek, yapılacak istatistik analizin seçimi için çok önemlidir (Terzi, 2018). Ölçme, belli bir nesne yada
olayın, belli bir özelliğe sahip oluş derecesinin gözlenip, gözlem sonuçlarının sembollerle, özellikle sayı
sembolleriyle ifade edilmesidir (Karagöz, 2017). Sıralama, adlandırma, aralık ve oran olmak üzere dört
farklı ölçme düzeyi vardır.
İstatistik, belirli bir amaç doğrultusunda incelenen evrenden belirli bir örnekleme yöntemi kullanarak
seçilen örneklem grubundan hesaplanan değerlere denir (Kayaalp & Çankaya, 2008). Örneklem grubundan
hesaplanan aritmetik ortalama (𝑋̅), örneklem standart sapması (S) buna bir örnektir.
İstatistik teknik ve yöntemlerini kullanılış amaçlarına göre, tanımlayıcı ve çıkarımsal istatistik şeklinde
iki genel grupta toplayabiliriz.
Tanımlayıcı istatistik, Elde edilen verilerin sınıflandırılması, frekans dağılımlarının yapılması, bu
dağılımların ortalamalar, yüzdelikler ve standart sapma gibi ölçülerle tanımlanması ve bunların tablo ya da
grafiklerle okuyuculara sunulması tanımlayıcı istatistiğin konularıdır.
Çıkarımsal istatistik, Kitleye ilişkin genellemelerin yapılmasını sağlayan yöntemlerdir. Örneklemden
elde edilen bulgularla, örneklemin seçildiği anakütle hakkında tahminlerde bulunma, karşılaştırmalar
yapma ve kararlara varma işlemleri çıkarımsal istatistiğin konularıdır (Terzi, 2018).

ÖRNEKLEME YÖNTEMİ

Evrenin bütün birimleri yerine, bazı kurallara göre seçilen birimlerin oluşturduğu, temsil
gücüne sahip bir alt grubun gözleme tabi tutulması, incelenmesi ve elde edilen sonuçların evrene
genellenmesine örnekleme denir. Örneklem seçmek için kullanılan değişik tekniklere ise
örnekleme yöntemi denir.
Örnekleme yöntemleri olasılıklı (rastlantısal) ve olasılıksız (yargısal) örnekleme olmak
üzere 2’ye ayrılmaktadır.
Olasılıksız Örnekleme Yöntemi
Olasılıklı örnekleme yöntemi, birimlerin örneğe seçilme işleminin olasılık kurallarıyla
yapıldığı bir örnekleme türüdür. Bu örnekleme yönteminde evrendeki her birimin örneğe veya
örnekleme seçilme olasılığı birbirine eşittir.
Olasılıklı örnekleme yöntemleri, basit rastlantısal örnekleme, katmanlı örnekleme, küme
örnekleme ve olasılıklı alan örneklemesi olmak üzere 4’e ayrılmaktadır.
Basit rastlantısal örnekleme, kura yöntemi, rastlantısal sayılar yöntemi ve sistematik
örnekleme yöntemi olmak üzere 3’e ayrılmaktadır. Katmanlı örnekleme yöntemi ise orantılı ve
orantısız katmanlı örnekleme yöntemi olarak 2’ye ayrılmaktadır.
Basit rastlantısal örnekleme
Basit rastlantısal örnekleme, popülasyondaki (evrendeki) bütün birimlerin homojen ve her bir
birimin popülasyondan örnekleme seçilme şanslarının birbirine eşit olduğu örnekleme şeklidir.
Örneğin, Spor Bilimleri Fakültesi’nde okuyan 1600 öğrenci olsun. Bir bilimsel çalışma için
örneklem grubuna 100 kişiye ihtiyaç olsun. Böyle bir durumda 1600 öğrencinin isimleri 1’den
1600’ a kadar kodlanır ve bu numaralar bir torbaya atılır. Daha sonra bunların içerisinden 100’ü
torbadan çekilerek örneklem grubu oluşturulur (Karagöz, 2017).

Katmanlı (Tabakalı) Örnekleme Yöntemi

Popülasyondaki (evrendeki) birimler homojen değilse, yani belirli kriterlere göre farklı alt gruplar
(katmanlar) varsa bu durumda Katmanlı (Tabakalı) Örnekleme Yöntemi kullanılır. Bu yöntemde
önce evren alt gruplara ayrılır, sonra da bu alt gruplardan tesadüfi örnekleme ile örneklem grubu
oluşturulur. Bu yöntemde, evreni tabakalara ayırmada demografik, coğrafik, ekonomik, sosyal,
sağlık vb. kriterler kullanılabilir (Karagöz, 2017).

Kümeleme Örnekleme Yöntemi

Bu örnekleme yönteminde, popülasyondaki (evrendeki) ortak özelliğe sahip birimler belirlenerek
grup oluşturulur ve gruplardaki bütün birimler örnekleme alınır. Bu yöntemde kümelere göre
örnekleme üç biçimde yapılabilir (Karagöz, 2017).
 Tek aşamalı
 İki aşamalı
 Çok aşamalı

Alan Örneklemesi Yöntemi

Bu örnekleme yöntemi küme örnekleme yönteminin bir çeşidi olarak da bilinmektedir. Burada,
popülasyondaki (evrendeki) birimler farklı coğrafyadaki alanlarda yer alıyor ise, örneğin
araştırmanın evreni Türkiye ise, önce bölgelere daha sonra bu bölgelerdeki şehirlere ayrılır.
Bunların içinden belli sayıda şehir, seçilen şehirlerin içerisinden de belli sayıda ilçe, semt veya
mahalle belirlenir. Bu belirlenen mahallelerden de belli sayıda birey seçilir.

Olasılıksız Örnekleme Yöntemi

Olasılıksız örnekleme yöntemi, birimlerin örneğe seçilme işleminin olasılık kurallarıyla
yapılmadığı ve araştırmacının kendi inisiyatifini kullandığı bir örnekleme türüdür. Bu örnekleme
yönteminde evrendeki her birimin örneğe veya örnekleme seçilme olasılığı birbirine eşit değildir.
Bu örnekleme yöntemine;
 Kolayda örnekleme
 Kasti örnekleme
 Kota örnekleme
 Kartopu örneklem vb. yöntemler örnek olarak verilebilir.
Kolayda Örnekleme Yöntemi
Bu örneklemede, birimlerin seçimi büyük ölçüde görüşmeciye bırakılmıştır. Görüşmeci, gözüne
kestirdiği ya da uygun gördüğü kişiyi çalışmaya dahil eder. Bu örnekleme yöntemi genelde plot
çalışmaları için uygun bir yöntemdir. Bu yöntemde araştırmacı, yakın olan ve erişilmesi kolay olan
bir durumu seçer ve örnekleme girecek kişi sayısı istenen örneklem büyüklüğüne ulaşıncaya kadar
devam eder (Karagöz, 2017).

Kasti (Yargısal) Örnekleme Yöntemi

Yargısal örneklemede örneklemi oluşturan birimler araştırmacının, araştırma problemine cevap
bulacağına inandığı kişilerden oluşmaktadır. Kasti örneklemede, araştırmacı kendi bilgi ve
tecrübesine dayanarak popülasyondan örneklem seçer. Burada, araştırmacı araştırdığı konu ile
ilgili sorulara cevap alabileceği kişilere ulaşmaya çalışır (Karagöz, 2017).
Kota Örnekleme Yöntemi
Bu örnekleme, katmanlı (tabakalı) örnekleme yönteminin olasılığa dayalı olmayan biçimidir.
Evrenin özelliklerini belirlediğine inanılan belli değişkenler dikkate alınarak örneklemin
oluşturulması hedeflenir. Örneğin; sigaraya bağlı akciğer kanseri ile ilgili yapılacak bir
araştırmada, hastanede yatan hasta sayısı 400 ise ve araştırmacı bunlardan 80 kişiyle görüşmeye
karar vermişse araştırmada kullanılacak kota Q = 80/400=1/5’tir. Bu bağlamda araştırmacı
saptadığı değişkenlerin oluşturduğu her alt gruptan istenilen 16 hasta ile görüşmelidir (Gürbüz,
2018).

Kartopu Örnekleme Yöntemi

Popülasyonun sınırlarının kesin olarak bilinemediği durumlarda kullanılır.
Bu örnekleme yönteminde, herhangi bir şekilde evrendeki birimlerden birisiyle bağlantı kurulur.
Sonra bağlantı kurulan kişinin yardımıyla bir başkasıyla, daha sonra yine aynı yolla bir başkasıyla
temas kurulur. Böylelikle örneklem kartopu etkisi şeklinde, zincirleme olarak örnek büyütülür
(Karagöz, 2017).

MERKEZİ EĞİLİM ÖLÇÜLERİ

Merkezi Eğilim Ölçüleri (yer ölçüleri), verilerin merkezini veya yığılma noktasını belirleyen
istatistiklerdir. Grafikler bize verilerin yığılma noktaları hakkında ön bilgi vermede yardımcı
olurlar. Ancak bu değerler gerçek değerler değildir, tahmindir. Bu yüzden gerçek değerler için yer
ölçüleri hesaplanmalıdır. Aritmetik ortalama, mod ve medyan değerleri yer ölçüleri içerisinde en
yaygın kullanılan istatistiklerdir.

Aritmetik Ortalama

En basit yer ölçüsüdür. n sayıdaki gözlem değerinin aritmetik ortalaması, bu gözlem değerlerin
toplamının toplam gözlem sayısına bölünmesi ile bulunan değerdir. X değişkeninin aritmetik
ortalaması X ile Y değişkeninin aritmetik ortalaması Y ile gösterilir. Aritmetik ortalamanın birimi gözlem
değerinin birimi ile aynıdır.
Serilerde aritmetik ortalama;

x1  x 2  x 3  ...  x n
X
n
n

X i
X i 1
, i  1, 2, 3, ..., n
n

Örnek: Xi:{1, 2, 4, 5, 5, 7} serisinde aritmetik ortalama değeri nedir?

∑ 𝑛
𝑋𝑖 1+2+4+5+5+7
𝑋̅ = 𝑖=1 = = 4 olarak hesaplanır.
𝑛 6

Frekans tablosunda aritmetik ortalama;

∑𝑘𝑗=1 𝑓𝑗 𝑋𝑗
̅
𝑋= 𝑘
∑𝑗=1 𝑓𝑗

Eşitlikte,

fj: j. sınıfın frekansını,

Xj: j. sınıfın orta değerini,

k: sınıf sayısını göstermektedir.

Örnek: Aşağıda verilen frekans tablosunun aritmetik ortalama değeri kaçtır?

Sınıflar Frekans (fj) Sınıf Orta Değeri fj*Xj
(Xj)
2-4 3 3 9
5-7 5 6 30
8-10 4 9 36
11-13 2 12 24
14-16 6 15 90
17-19 2 18 36

∑𝑘
𝑗=1 𝑓𝑗 𝑋𝑗 9+30+36+24+90+36 225
𝑋̅ = ∑𝑘
= = = 10,227 olarak hesaplanır.
𝑗=1 𝑓𝑗 3+5+4+2+6+2 22

Medyan (Ortanca Değer)

Gözlem değerleri içerisinde aşırı uç değer var ise aritmetik ortalamaya alternatif olarak hesaplanan
merkezi eğilim ölçüsüdür. Birimi gözlem değerinin birimi ile aynıdır. Medyan, küçükten büyüğe
doğru sıralanmış verilerde tam ortada kalan değerdir.

n 1
Eğer, serideki toplam gözlem sayısı (n sayısı) tek sayı (3, 5, 7, 9 vb) ise, medyan . gözlem
2
𝑛 𝑛+2
değeri, n sayısı çift sayı (2, 4, 6, 8, 10 vb) ise, medyan 2 . ve 2 . gözlem değerlerinin aritmetik
ortalamasıdır.

Örnek: Xi:{1, 2, 4, 5, 6, 7, 60} serisinde medyan değeri nedir?

n=7 olduğu için;
𝑛+1 7+1
= 2 = 4. gözlem değeri medyandır. Dolayısı ile küçükten büyüğe sıralanmış veride
2
4. gözlem değeri 5 olduğu için medyan=5 olarak ifade edilir.

Örnek: Xi:{ 2, 3, 4, 7, 9, 11, 12, 80} serisinde medyan değeri nedir?

n=8 olduğu için;
𝑛 𝑛+2
= 4 ve 2 = 5 olduğu için küçükten büyüğe sıralanmış serinin 4. ve 5. sıradaki gözlem
2
değerlerinin aritmetik ortalaması medyandır. Buna göre verilen seride;
4.sıradaki veri 7; 5.sıradaki veri ise 9 olduğu için;
7+9
𝑚𝑒𝑑𝑦𝑎𝑛 = 2 = 8 olarak ifade edilir.

Frekans tablosunda medyan değeri:

𝑛
−𝐹𝑚−1
𝑀𝑒𝑑𝑦𝑎𝑛 = 𝑏𝐿 + 2
∗ 𝑐 eşitliğinden hesaplanır. Eşitlikte;
𝑓𝑚
bL: Medyan sınıfının alt sınıf sınırını,
n: Toplam gözlem sayısını,
Fm-1: Medyan sınıfından bir önceki eklemeli frekansı,
fm: medyan sınıfının kendi frekansını,
c: sınıf aralığını (birbirini takip eden iki sınıfın alt limitleri veya üst limitleri arası farkı)
göstermektedir.
Frekans tablosundan medyan değerini hesaplayabilmek için öncelikle medyan sınıfı belirlenir.
n 1
Medyan sınıfı, . gözlem değerinin bulunduğu sınıftır.
2
Örnek: Aşağıda verilen frekans tablosunun medyan değeri kaçtır?

Sınıflar Frekans (fj) Eklemeli Frekans (Fj)

2-4 3 3
5-7 5 8
8-10 4 12 Medyan sınıfı
11-13 2 14
14-16 6 20
17-19 2 22

n 1 22+1
Medyan sınıfı . gözlem değerinin bulunduğu sınıf idi. 2 = 11,5 (11. ve 12. Gözlemin
2
aritmetik ortalaması) olduğundan 11. ve 12.gözlem değerlerinin düştüğü sınıf medyan sınıfıdır.
Dolayısı ile medyan sınıfı eklemeli frekansta 12’nin olduğu yani 8-10 sınıf aralığıdır.
bL: Medyan sınıfının alt sınıf sınırı (7,5)
n: Toplam gözlem sayısı (22)
Fm-1: Medyan sınıfından bir önceki eklemeli frekans (8)
fm: medyan sınıfının kendi frekansı (4)
c: sınıf aralığını göstermektedir (5-2=3)

Buna göre medyan değeri;

𝑛 22
−𝐹𝑚−1 −8
𝑀𝑒𝑑𝑦𝑎𝑛 = 𝑏𝐿 + 2 ∗ 𝑐 = 7,5 + 2
∗ 3 = 9,75 olarak hesaplanır.
𝑓𝑚 4

MOD (TEPE DEĞERİ)

Gözlem değerleri içerisinde en çok tekrarlanan değere mod (tepe değeri) denir. Birimi gözlem
değerinin birimi ile aynıdır.
Örnek: Xi:{2,3,2,4,5,2,6,6,5,4,4,3,4,4} serisinde mod değeri nedir?
mod=4 olarak ifade edilir.

Örnek: Xi:{2,3,2,4,5,7,7,2,6,6,6,5,4,4,3,6,6,4,4} serisinde mod değeri nedir?

mod1=4 ve mod2=6 olarak ifade edilir

Frekans tablosunda mod değeri:

𝑑1
𝑀𝑜𝑑 = 𝑏𝐿 + 𝑑 +𝑑 ∗ 𝑐 eşitliğinden hesaplanır. Eşitlikte;
1 2
bL: mod sınıfının alt sınıf sınırını
d1: Mod sınıfı ile bir önceki sınıf frekansı arası farkı,
d2: Mod sınıfı ile bir sonraki sınıf frekansı arası farkı,
c: sınıf aralığını göstermektedir. Birbirini takip eden iki sınıfın alt limitleri veya üst limitleri arası
farktır.

Frekans tablosundan mod değerini hesaplayabilmek için öncelikle verilen frekans tablosundan
mod sınıfı belirlenir. Frekans tablosunda mod sınıfı, frekans sütununda (fj) en büyük frekansın
olduğu sınıftır.
Örnek: Aşağıda verilen frekans tablosunun mod değeri kaçtır?

Sınıflar Frekans (fj)

2-4 3
5-7 4
8-10 3
11-13 5
14-16 6 Mod sınıfı
17-19 4

bL: mod sınıfının alt sınıf sınırı (13,5)

d1: Mod sınıfı ile bir önceki sınıf frekansı arası fark, (6-5=1)
d2: Mod sınıfı ile bir sonraki sınıf frekansı arası fark, (6-4=2)
c: sınıf aralığını göstermektedir. (5-2=3).

Verilenlerden mod değeri hesaplanır ise,

𝑑1 1
𝑀𝑜𝑑 = 𝑏𝐿 + 𝑑 +𝑑 ∗ 𝑐 = 13,5 + 1+2 ∗ 3 = 14,5 olarak hesaplanır.
1 2

Aritmetik Ortalama (A.O), Mod ve Medyan Arası İlişki

Eğer bir veri seti içerisinde;

 A.O = Medyan = Mod ise dağılış simetriktir.
 A.O < Medyan < Mod ise dağılış sola çarpıktır.
 A.O > Medyan > Mod ise dağılış sağa çarpıktır, şeklinde yorumlanır.
Ancak frekans tablosunda rakamsal farklılık olsa bile bu 3 merkezi eğilim ölçüsü aynı sınıf
içerisinde yer alıyor içe dağılış simetrik şeklinde yorumlanabilir.

DAĞILIM ÖLÇÜLERİ
Dağılım (dağılış) ölçüleri, bir veri grubundaki varyasyonu belirlemede veya iki veri setini
gösterdikleri varyasyon bakımından karşılaştırmada kullanılan istatistiklerdir. En yaygın
kullanılan dağılış ölçüleri varyans ve standart sapmadır. Bunun yanı sıra kullanılan dağılış ölçüleri;
değişim genişliği, standart hata, çarpıklık ve basıklık katsayıları, ortalama mutlak sapma vb.

DEĞİŞİM GENİŞLİĞİ
Değişim genişliği, bir veri setinde en yüksek değerle en küçük değer arasındaki farka denir. Birimi
gözlem değerinin birimi ile aynıdır.

D.G.  X maks  X m in

Örnek: Xi = {2, 5, 1, 6, 7, 13, 9, 4} ise değişim genişliğini hesaplayınız.

D.G =13-1 = 12 olur.

Değişim genişliği, en basit ve en klasik bir dağılış ölçüsüdür. Buna karşılık değişim
genişliğinin bazı dezavantajlı yönleri de vardır. Bunlar:
 İki grup varyasyon bakımından karşılaştırılmak istense tesadüfen de olsa aynı değişim
genişliğine sahip olabilirler. Bu da grupların varyasyon bakımından karşılaştırılmasında
yanıltıcı sonuç verir.
 Yine grupların varyasyon bakımından karşılaştırılmasında eğer gruplarda eşit sayıda
gözlem değeri yoksa hesaplanan değişim genişlikleri bizi yanıltabilir.
  Değişim genişliği hesaplanırken tüm veriler göz önünde tutulmamaktadır. Bu da veri
kaybına neden olur.

SERİLERDE VARYANS VE STANDART SAPMA

Gözlemlerin ortalamadan sapmalarının karelerinin ortalamasına varyans denir. Birimi gözlem
değerinin biriminin karesi şeklinde ifade edilir. Örneğin gözlemlerin birimi kg ise varyansın birimi
olarak kg2 dediğimizde bir anlam ifade etmez. Bu nedenle dağılım ölçüsü olarak varyansın
karekökü olan standart sapma ile birlikte kullanılır. Populasyon varyansı 𝜎 2 , örnek varyans 𝑠 2 ,
standart sapma ise 𝑠 harfi ile gösterilir.
N

(X i  )2
∑𝑛 ̅ 2
𝑖=1(𝑋𝑖 −𝑋) 1 (∑𝑛
𝑖=1 𝑋𝑖 )
2

 
2 i 1
, 2
𝑠 = = [∑𝑛𝑖=1 𝑋𝑖2 − ]
N 𝑛−1 𝑛−1 𝑛

Standart sapma, bir çalışma grubundaki her bir verinin ortalamaya göre ne kadar uzaklıkta
olduğunu, bir diğer deyişle dağılımın ne yaygınlıkta olduğunu gösteren bir ölçüdür.

Örnek: X i  4, 5, 6, 2, 14 ise örnek varyansını ve standart sapmasını hesaplayınız.

𝑋𝑖 𝑋𝑖2
4 16 1  (31) 2 
5 25 S2   277    21.2
5 1  5 
6 36
2 4
14 196 S  21 .2  4.604
31 277

Örnek: 10 km’lik bir koşu yarışmasında sporcuların ortalama hızları (5, 7, 4, 6, 6, 5 km/sa) olarak
ölçülmüştür. Buna göre sporcuların hızlarının varyansını ve standart sapmasını hesaplayınız.
𝑛
1 (∑𝑛𝑖=1 𝑋𝑖 )2 1 (5 + 7 + ⋯ + 5)2 1 (33)2
2
𝑠 = [∑ 𝑋𝑖2 − ]= [(52 + 72 … + 52 ) − ] = [(187) − ] = 1,1
𝑛−1 𝑛 6−1 6 5 6
𝑖=1

𝑠 = √𝑠 2 = √1,1 = 1,0488 km/sa olarak hesaplanır.

HİPOTEZ TESTLERİ

İstatistikte hipotez testleri, karar teorisi olarak adlandırılır. Ortaya atılan doğru veya yanlış
iddialara hipotez denir. Örneğin "para hilesizdir" denildiğinde bu bir hipotezdir. Ortaya atılan
iddiaya H0 hipotezi veya sıfır hipotezi denir. H0 hipotezinin alternatifi olan hipoteze ise karşıt
hipotez veya H1 hipotezi adı verilir. Bir hipotezin kabulüne veya reddine karar verilirken doğru
olan bir H0 hipotezini reddetme olasılığı bırakılır, buna  (önem seviyesi) denir. Önem seviyesi
genellikle 0.05 veya 0.01 alınır.
Hipotez testi yapılırken hipotezler belli bir parametre üzerine kurulur ve test iki (çift) yönlü veya
tek yönlü yapılır. Hipotezin çift yönlü veya tek yönlü oluşunu, ortaya atılan iddia belirler. Eğer
hipotez çift yönlü ise  /2, tek yönlü ise  değeri alınır. Aşağıda tek yönlü ve çift yönlü hipotezlere
ait örnekler ve normal dağılış eğrileri verilmiştir.
Ortalamalar Arası Farka Ait Hipotez Testi
Gerekli varsayımların sağlanması durumunda, birbirinden bağımsız iki grup ortalamasını
karşılaştırırken bağımsız iki örneklem t testinden (Student t-test) yararlanılır. Mann-Whitney U
testi bağımsız iki örneklem t testinin parametrik olmayan alternatifidir ve n1 ve n2 hacimli
bağımsız iki örneğin, aynı medyanlı kitleden alınmış rastgele örnekler olup olmadığını test etmek
için uygulanır.
Örneğin A ve B gibi iki buğday çeşidinin verimi karşılaştırılmak istendiğinde bu hipotez testinden
yararlanılır.
Bu hipotez testlerinde hipotezler aşağıdaki şekilde kurulur ve kullanılacak istatistiklerle
ilgili kriterler aşağıdaki gibidir.
a) H0 : 1= 2
Çift Yönlü hipotez
H1 : 1  2
b) H0 : 1= 2
H1 : 1 <2
Tek Yönlü hipotez
c) H0 : 1= 2
H1 : 1 >2
T hipotez
Populasyon varyansları σ12 ve σ22 bilinmiyorsa ve n1 ve n2<30 ise,

t
X 1  X 2   1   2 
 t n1 n 2 2, / 2 t n1 n 22,
vey a
1 1
S 2   
 n1 n2 

Eşitlikte,
̅̅̅1 : birinci grubun örneklem ortalaması,
𝑋
̅̅̅2 : ikinci grubun örneklem ortalaması,
𝑋
s2 birleştirilmiş (ortak) varyans olup, aşağıdaki formülden hesaplanır.
(𝑛1 −1)𝑠12 +(𝑛2 −1)𝑠22
𝑠2 = 𝑛1 +𝑛2 −2

Eşitlikte,
𝑛1 : birinci grubun örneklem büyüklüğünü,
𝑛2 : ikinci grubun örneklem büyüklüğünü,
𝑠12 : birinci grubun örnek varyansını,
𝑠22 : ikinci grubun örnek varyansını göstermektedir.

Örnek: Aynı marka ve modelde 30 yarış motosikletinden 15 motosiklete A tipi yakıt kullanılarak
test sürüşü yapılıyor ve litre başına ortalama 25 km yol gidildiği ve standart sapmanın da 0,5 km
olduğu tespit ediliyor. Diğer 15 motosiklette ise B tipi yakıt kullanılarak test sürüşü yapıldığında
litre başına ortalama 22 km yol gidildiği ve standart sapmasının ise 0,4 km olduğu bulunmuştur.
Bu deneme de A tipi yakıt ile B tipi yakıt arasında fark olup olmadığını 0,01 önem seviyesinde
hesaplayarak sonucu yorumlayınız (tcetvel=t28, 0,01=2,467).

H0 : 1= 2 (A tipi yakıt ile B tipi yakıt arasında fark yoktur)

H1 : 1  2 (A tipi yakıt ile B tipi yakıt arasında fark vardır)

̅̅̅1 = 25, 𝑠12 = (0,5)2

𝑛1 = 15, 𝑋
̅̅̅2 = 22, 𝑠22 = (0,4)2 olduğundan,
𝑛2 = 15, 𝑋

2
(𝑛1 − 1)𝑠12 + (𝑛2 − 1)𝑠22 (15 − 1)(0,5)2 + (15 − 1)(0,4)2
𝑠 = = = 0,205
𝑛1 + 𝑛2 − 2 15 + 15 − 2

(25−22)−0 3
𝑡= 1 1
= 0,165 = 18,18 > 2,467 olduğundan H0 red edilir.
√(0,205)( + )
15 15

Bir başka ifade ile gidilen mesafe açısından A tipi yakıt ile B tipi yakıt arasında fark vardır.

Eşli Karşılaştırma Testi (Eş Yapma – Paired Sample t-test)

İki grup ortalaması karşılaştırılırken grupların birbirinden bağımsız olduğu varsayılmıştı. Eğer
gruplar arasında bir bağımlılık varsa eşli karşılaştırma yöntemi uygulanır.

Veri düzenlemesi
Xi: İlk ölçüm değerlerini,
Yi: Son ölçüm değerlerini,
di: Fark değerlerini ifade etmektedir.

Bu test ile ilgili hipotezler aşağıdaki gibi kurulur.

a) H0 :  = 0
H1 :   0
b) H0 :  = 0
H1 :  > 0
c) H0 :  = 0
H1 :  < 0
Test istatistiği, Eşitlikte,

d 
d  d i /n Sd  S d2 / n
t ~ t n 1,  / 2 veya 
Sd 1   d i 2 
S d2   d i2  
n 1  n 
 
Örnek: 100 metrelik hızlı koşunun kan basıncı üzerine arttırıcı etkisinin araştırıldığı bir çalışmada
koşudan önce ve sonra sporcuların kan basınçları ölçülmüş ve ölçümler arasındaki farklar
aşağıdaki gibi bulunmuştur.
(10, 12, 14, 15, 4, 6, 11, 5, 9, 13)
Buna göre 100 m’lik hızlı koşunun kan basıncı üzerine arttırıcı etkisi olup olmadığını bulunuz. (
t9-0,05=1,833)

H0 : δ = 0 (100 m’lik hızlı koşunun kan basıncı üzerine arttırıcı etkisi yok)
H1 : δ > 0 (100 m’lik hızlı koşunun kan basıncı üzerine arttırıcı etkisi var)

Test istatistiği,
𝑑̅ −𝛿 10+12+⋯+13 99
𝑡= ~𝑡𝑛−1,𝛼 𝑑̅ = (∑𝑛𝑖=1 𝑑𝑖 )/𝑛 = = 10 = 9,9
𝑠𝑑̅ 10

1 992 1
𝑠𝑑̅ = √[ ((102 + 122 + ⋯ + 132 ) − )] /10 = √[ (1113 − 980,1)] /10 = √1,477 = 1,215
9 10 9

9,9−0
𝑡= = 8,148 > 1,833 olduğundan H0 red edilir.
1,215

Bir başka ifade ile “100 m’lik hızlı koşunun kan basıncı üzerine arttırıcı etkisi vardır” şeklinde
yorumlanır.

Kİ KARE ANALİZİ

İstatistikte kalitatif nitelikteki anket yolu ile elde edilen verilerin analizinde ki-kare analiz
yönteminden yararlanılır. Bunun yanında ki-kare analizinden uyum iyiliği testi, belli bir dağılışa
uyum testi, bağımsızlık testi gibi konularda da yararlanılır.
Ki-kare analizinde temel mantık, gözlenen değer ile beklenen değer arasındaki farkın
istatistiki olarak kontrol edilmesidir. İstatistikte beklenen değer, bir olayın olma olasılığından
yararlanarak elde edilen değerdir ve Bi ile gösterilir. Gözlenen değer ise, deneme sonunda elde
edilen değerdir ve Gi ile gösterilir.
Bağımsızlık testinde kullanılan test istatistiği olup, aşağıdaki formülle hesaplanır.

  
2
r c G
ij  Bij 
2

  2r 1c 1,

i 1 j 1 Bij
Eşitlikte;
Gij=i. Sıra j. Sütundaki gözlenen değeri,
Gr . * G.c
Bij= i. Sıra j. Sütundaki beklenen değeri olup, Bij  eşitliğinde (Gr: r. Sıra toplamı; Gc: c. Sütun
G..
toplamı; G..: Genel toplamı),
r= sıra sayısını,
c= sütun sayısını göstermektedir.
Örnek: Farklı illerden (A, B, C) yetenek sınavına giren öğrencilerin başarı durumları aşağıda
verilmiştir. Bu verilere göre başarı durumunun illere bağımlı olup olmadığını test ediniz. (α=0.01)

Başarı
Durumu A B C Toplam
Başarılı 100 100 50 250
Başarısız 100 40 10 150
Toplam 200 140 60 400

H0= Başarı durumu illere bağımlı değildir.

H1= Başarı durumu illere bağımlıdır.
02,012  9,21

G11 için beklenen değer, B11 =(250*200)/400 =125

G12 için beklenen değer, B12 =(150*200)/400 = 75
G21 için beklenen değer, B21 =(250*140)/400 = 87,5
G22 için beklenen değer, B22 =(150*140)/400 = 52,5
G31 için beklenen değer, B31 =(250*60)/400 = 37,5
G32 için beklenen değer, B32 =(150*60)/400 = 22,5 olarak hesaplanır.

 h2 
100  1252  ... 10  22,52  29,20
125 22,5
h  c ; 29,20  9,21
2 2
olduğundan H0 hipotezi red edilir. Başarı durumu illere göre
değişmektedir.

TEK YÖNLÜ VARYANS ANALİZİ VE TUKEY ÇOKLU KARŞILAŞTIRMA TESTİ

Gerekli varsayımların karşılanması koşulu ile, bir araştırmada incelemeye konu olan değişken
veya grup sayısının iki veya daha fazla olması durumunda bunlara ait ortalamaların
karşılaştırılmasında kullanılan bir analiz yöntemidir. Eğer tek yönlü varyans analizi neticesinde H0
red edilir ise, farklılığın hangi gruptan kaynaklandığını ortaya koymak amacı ile çoklu
karşılaştırma testlerinden (örneğin, Tukey çoklu karşılaştırma testinden) yararlanılır. Örneğin,
okuduğu bölümlere (spor yöneticiliği, antrenörlük eğitimi, beden eğitimi ve spor öğretmenliği,
rekreasyon bölümlerine) göre öğrencilerin iletişim kurma becerileri arasındaki farklılık olup
olmadığı araştırılmak istenir ise kullanılabilecek yöntemlerden biri tek yönlü varyans analizidir.
Varyans Analizinin Varsayımları
 Toplanabilirlik
 Hataların tesadüfi, normal dağılışlı olması
 Eşit varyans, sıfır korelasyon
 Yij ‘lerin şans değişkeni olması

Matematik modeli,

Yij    i  eij

Yij=i. Muameleye ait j. Tekerrürün gözlem değeri,

µ= genel popülasyon ortalaması,
αi= i. Muamelenin etkisini,
eij=i. Muameleye ait tesadüfi hata
Varyasyon kaynakları
Genel Kareler Toplamı= Muamele (Gruplar Arası) Kareler Toplamı +Hata (Grup içi) Kareler
Toplamı
2 𝑌2
Genel Kareler Toplamı= 𝐺𝐾𝑇 = ∑𝑚 𝑟
𝑖=1 ∑𝑗=1 𝑌𝑖𝑗 − 𝑁
..

Eşitlikte,
Yij : i.ci muameledeki j. tekerrüre ait gözlem değerini,
Y.. : Gözlem değerlerinin toplamını,
m : Muamele sayısını,
r : Tekerrür sayısını,
N : Toplam gözlem sayısını ifade etmektedir.
𝑌2 𝑌..2
Gruplar Arası Kareler Toplamı= 𝐺𝐴𝐾𝑇 = ∑𝑚 𝑖.
𝑖=1 𝑟 −
𝑖. 𝑁

Gruplar İçi Kareler Toplamı= Hata Kareler Toplamı=HKT= GKT- GAKT

Varyans Analiz Çizelgesi

Varyasyon Katsayısı Serbestlik Kareler Toplamı Kareler Fhesap
Derecesi (SD) (KT) Ortalaması (KO)
Muamele (Gruplar) Arası m-1 … GAKT/(m-1) GAKO/HKO
Hata (Grup İçi) N-m … HKT/(N-m)
Genel N-1 … ----

Tukey Testi

Tukey’in HSD testi olarak bilinir (Bek ve Efe, 1998; Efe ve ark., 2000) . Test istatistiği,

𝑠2
𝑊 = 𝑞𝛼,𝑡,𝑣 √
𝑛
Eşitlikte,

𝑞𝛼,𝑡,𝑣 :Tukey testi için cetvel değerini,

𝑠 2 : Varyans analizindeki hata kareler ortalamasını,
v = Hata kareler ortalamasının serbestlik derecesini,
α = Önem seviyesini,
n = Her bir ortalamadaki tekerrür sayısını, ifade eder.
Hesaplanan Tukey HSD değeri, ortalamalar arası fark değeri ile kıyaslanır. Küçükten büyüğe
doğru sıralanmış ortalamalara ait farklar çizelgesinde elde edilen bu değerler Tukey HSD hesap
değerinden büyük ise "*" işareti ile küçük ise “-“ işaret ile işaretlenir ve ortalamalar ortalama
grupları oluşturulur. Daha sonra ortalamalara harflendirme işlemi uygulanır.

Örnek: Yapılan bir araştırmada farklı sıcaklıkların sporcuların koşma süresi üzerine etkisi
araştırılmak isteniyor. Buna göre 60 kiloya sahip 12 sporcu tesadüfi olarak 3 gruba ayrılarak kapalı
ortamda farklı sıcaklıklarda 100m’lik mesafede koşturulmuş ve sonuçları aşağıdaki tabloda
verilmiştir. Buna göre farklı sıcaklıklardaki koşma süreleri arasında fark olup olmadığını test
ediniz. FC=F2,9,0,05=4,26

Sıcaklık (Co)
Tekerrür A=10 Co B=20 Co C=30 Co
1. Koşu 12,5 12,9 13,8
2. Koşu 12,7 13,4 14,0
 3. Koşu 11,9 13,2 14,3
4. Koşu 13,1 13,0 14,2
50,2 52,5 56,3 159

H0 : 1= 2 = 3 (Farklı sıcaklıklardaki koşma süreleri arasında fark yoktur)

H1: En az bir i diğerlerinden farklıdır (En az bir farklı sıcaklıktaki koşma süresi diğerlerinden
farklıdır)

m n
Y 2 ..
G.K .T  Y  2 1592
ijk = (12,52 + 12,72 + ⋯ + 14,32 + 14,22 ) − = 2112,54 − 2106,75 = 5,79
12
i 1 j 1 N

m
Y 2 Y 2 .. 50,22 52,52 56,32 1592
G. A.K .T  M .K .T    =(
4
+
4
+
4
)−
12
= 2111,495 − 2106,75 = 4,745
i 1 r N

Hata Kareler Toplamı= G.K.T.-M.K.T = 5,79 - 4,745 = 1,045

Varyans Analiz Çizelgesi

Varyasyon Katsayısı SD KT KO Fhesap

Muamele (Sıcaklıklar) 3-1=2 4,745 4,745/2=2,3725 2,3725/0,1161=20,43
Arası
Hata (Grup İçi) 12-3=9 1,045 1,045/9=0,1161
Genel 12-1=11 5,79 -----

20,43>4,26 olduğu için H0 red edilir. En az bir farklı sıcaklıktaki koşma süresi diğerlerinden
farklıdır.

Tukey test sonucu,

𝑠 2 : Varyans analizindeki hata kareler ortalaması = 0,1161
t = karşılaştırılacak muamele (grup) sayısı = 3
v = Hata kareler ortalamasının serbestlik derecesi= 9
α = Önem seviyesi = 0,05
𝑞𝛼,𝑡,𝑣 : 𝑞0,05,3,9 = 3,95
n = Her bir ortalamadaki tekerrür sayısı = 4 ise,

𝑠2 0,1161 0,1161
𝑊 = 𝑞𝛼,𝑡,𝑣 √ = 𝑞0,05,3,9 √ = 3,95√ = 0,673
𝑛 4 4

Öncelikle araştırmaya konu olan grup ortalamaları küçükten büyüğe sıralanır ve Farklar çizelgesi
oluşturulur.
50,2 52,5 56,3
𝐴̅ = = 12,55; 𝐵̅ = = 13,125; 𝐶̅ = = 14,075 𝑖𝑠𝑒
4 4 4
A, B ve C Ortalamalarına Ait Farklar
𝐵̅ = 13,125 𝐶̅ = 14,075
̅
𝐴 = 12,55 0,575- 1,525*
𝐵̅ = 13,125 - 0,95*

Tukey hesap değeri=0,673>0,575 fark önemsiz. A ve B ortalamaları arasında istatistiki açıdan bir fark yok,
Tukey hesap değeri=0,673>1,525 fark önemli. A ve C ortalamaları arasında istatistiki açıdan bir fark var,
Tukey hesap değeri=0,673>0,95 fark önemli. B ve C ortalamaları arasında istatistiki açıdan bir fark var,
şeklinde yorum yapılır.

BASİT DOĞRUSAL REGRESYON ANALİZİ

İstatistikte sebep sonuç şeklindeki ifadeler regresyon analizi ile ifade edilir. Örneğin kişinin aylık geliri
(sebep) aylık giderleri (sonuç) şeklinde ilişki vardır. Regresyon analizinde sebep bağımsız değişkeni (X),
sonuç ise bağımlı değişkeni (Y) ifade eder.
Basit doğrusal regresyon tahmin modeli aşağıdaki şekilde ifade edilir.

Eşitlikte; Y i  a  bX i
a: Regresyon doğrusunun Y eksenini kestiği noktanın orijine olan uzaklığını gösterir. Diğer bir
ifade ile X değeri 0 olduğunda Yi’ nin alacağı değerdir.
b: Regresyon katsayısı olup, X deki 1 birim değişmeye karşılık Yi’ nin kendi birimi cinsinden
değişeceği miktardır.
Regresyon katsayılarının tahmini;

n n
( X)( Y)
S n
SXY   XY   X 
 X
2

b  XY i 1 i 1
SXX 2

SXX i 1 n n

n n

 Yi X i
a  Y  bX Y i 1
X i 1
n n

Hipotez testleri ise;

Regresyon katsayısının önem testi yapılırken hipotezler,

H0 :  = 0
H1 :   0 şeklinde iki yönlü

H0 :  = 0
H1 :  < 0

H0 :  = 0
H1 :  > 0 şeklinde tek yönlü kurulur.

b β
t n 2   tn  2 ,  /2
Sb
Burada,

S b : Regresyon katsayısının standart sapması olup,

 (SXY ) 2
S YY 
S2 S XX
Sb  ile hesaplanır. Eşitlikte, S 2 
S XX n2

Korelasyon Analizi
Bağımlı ve bağımsız değişken arası ilişkinin derecesini ve yönünü bulmak istediğimizde korelasyon
katsayısı hesaplanır. Bu katsayı r ile gösterilir ve –1  r  +1 arasında değişir.
Korelasyon katsayısı ile ilgili özellikler sırası ile;
1) Eğer r = 0 ise, X ile Y arasında hiç ilişki yok demektir.
2) Eğer r = 1 ise, X ile Y arasında pozitif tam bir ilişki var demektir. Bu duruma; X hep aynı birimde
artarken Y’ de aynı birimde arttığında veya X hep aynı birimde azalırken Y’ de aynı birimde azaldığında
karşılaşılır.
3) Eğer r = -1 ise, X ile Y arasında negatif tam bir ilişki var demektir. Bu duruma; X hep aynı birimde
artarken Y değişkeni hep aynı birimde azalıyorken veya bunun tersi olduğu durumda karşılaşılır.

Korelasyon katsayısı

S XY
r
S XX .SYY

n n

n
( X)( Y)
S XY   XY  i 1 i 1

i 1 n

 X 2

S XX   X 2

n
n

n
( Y) 2
S YY   Y 2  i 1

i 1 n
Bulunan korelasyon katsayısının istatistiki olarak önemli olup olmadığını yani bulunan ilişkinin bir
anlam ifade edip etmediğini test edilmesi gerekir.

Korelasyon katsayısının önem testi

Korelasyon katsayısının önem testi yapılırken hipotezler,

Eğer çift yönlü ise,

H0 : ρ = 0
H1 : ρ  0
Eğer tek yönlü ise,
H0 : ρ = 0
H1 : ρ > 0
veya
H0 : ρ = 0
H1 : ρ < 0
şeklinde kurulur. Uygulanacak test istatistiği t testi olup,

r ρ
t n 2   t n 2,  / 2
Sr
dir. Burada, Sr : Korelasyon katsayısının standart hatasıdır ve

1 r2
Sr  ile hesaplanır.
n2

Korelasyon katsayısı

SXY
r
SXX .SYY
Eşitlikte;
n
( Y) 2
n n
( X)( Y)
n
SXY   XY  i 1 i 1
SXX  X 
2
 X 2 n
SYY   Y 2  i 1

i 1 n n i 1 n
Bulunan korelasyon katsayısının istatistiki olarak önemli olup olmadığını yani bulunan ilişkinin bir
anlam ifade edip etmediğini test edilmesi gerekir.

Korelasyon katsayısının önem testi

Eğer,
H0 : δ = 0
H1 : δ  0 şeklinde kurulmuş ise test istatistiği,

r 
t n 2   tn2, / 2
Sr
Eşitlikte Sr : Korelasyon katsayısının standart hatası olup,
1 r2
Sr 
n2
Eşitliğinden hesaplanır.

Örnek: 12-14 yaş grubu çocukların boy uzunluğu ile kulaç uzunluğu arasında ilişki olup
olmadığını incelemek için 10 çocuk üzerinde bir araştırma planlanmıştır. Her çocuğun boy
uzunluğu ile birlikte duvara yaslandırılarak ve kolları açılarak her iki ellerinin orta parmakları
arasındaki mesafe (kulaç uzunlukları) ölçülmüştür. Buna boy ve kulaç uzunluğu arasındaki
ilişkinin derecesi ve yönünü tahmin ederek denklemini hesaplayınız.

Çocuk Boy uzunluğu Kulaç

𝑋𝑖2 𝑌𝑖2 𝑋𝑌
no (cm)(xi) uzunluğu(cm) (yi)
1 165 162 27225 26244 26730
2 161 163 25921 26569 26243
3 156 158 24336 24964 24648
4 158 156 24964 24336 24648
5 163 161 26569 25921 26243
 6 166 166 27556 27556 27556
7 154 153 23716 23409 23562
8 156 154 24336 23716 24024
9 161 161 25921 25921 25921
10 159 157 25281 24649 24963
Toplam 1599 1591 255825 253285 254538

Örnekte, boy ve kulaç uzunluğu arasındaki ilişkinin derecesi, yönü ve denklem tahmin
edilmesi istenmekte idi.

İlişkinin denklemi;
𝐾𝑢𝑙𝑎ç 𝑈𝑧𝑢𝑛𝑙𝑢ğ𝑢 = 𝑎 + 𝑏(𝑏𝑜𝑦 𝑢𝑧𝑢𝑛𝑙𝑢ğ𝑢)
Denklemde a ve b katsayıları aşağıdaki eşitlikleri kullanarak tahmin edilebilir.

SXY 137,1
b = = 0,946
SXX 144,9
n n

n
( X)( Y)
SXY   XY  i 1 i 1 1599∗1591
=254538 − 10
= 137,1
i 1 n

SXX  X 
 X
2
2

=255825 −
15992
= 144,9
n 10

1599 1591
𝑋̅ = = 159,9 ; 𝑌̅ = = 159,1 ise, 𝑎 = 159,1 − (0,946)(159,9) = 7,835
10 10

ise boy ve kulaç uzunluğu arasındaki ilişkinin denklemi;

𝐾𝑢𝑙𝑎ç 𝑈𝑧𝑢𝑛𝑙𝑢ğ𝑢 = 7,835 + 0,946(𝑏𝑜𝑦 𝑢𝑧𝑢𝑛𝑙𝑢ğ𝑢) olarak tahmin edilir.

İlişkinin derecesi ve yönü;

S XY 137,1 137,1
r = = 150,781 = 0,909 olarak tahmin edilir.
√144,9∗156,9
S XX .SYY

n n

n
( X)( Y)
S XY   XY  i 1 i 1
=137,1
i 1 n

 X 2

S XX   X 2
 =144,9
n
n

n
( Y) 2
S YY   Y 2  i 1 15912
=253285 − 10
= 156,9
i 1 n
Buna göre, boy ve kulaç uzunluğu arasındaki ilişkinin derecesi %90,9 yönü ise pozitif.
 Dolayısı ile boy ve kulaç uzunluğu arasında %90,9’luk pozitif anlamlı bir ilişki var şeklinde
yorum yapılır.

KAYNAKLAR

Kayaalp, G. T., & Çankaya, S. (2003). İstatistik (s. 1-2). ÇÜ Ziraat Fakültesi Genel Yayın Genel Yayın No:
258, Ders Kitapları Yayın No: A-84. Adana: ÇÜ Ziraat Fakültesi Ofset Atölyesi.
Köksal, B. A. (2003). İstatistik: Analiz Metodları (6’ncı Baskı) (s. 6). İstanbul: Çağlayan Kitabevi.
İkiz, F., Püskülcü, H., & Eren, S. (1996). İstatistiğe Giriş (s. 2-5). İzmir: Barış Yayınları. Fakülteler
Kitabevi.
Gürbüz, B. (2018). Ders notu 2018. (Erişim Tarihi:06.09.2021, Erişim Adresi:
https://acikders.ankara.edu.tr/pluginfile.php/105487/mod_resource/content/1/ders%209%20evren%
20ve%20orneklem%202.pdf).
Terzi, Y. (2018). Temel İstatistik I. Ders Notları (s.6-7). (Erişim Tarihi:07.10.2021, Erişim Adresi:
https://ist-fef.omu.edu.tr/tr/hakkimizda/ders-notlari/TEMEL%20%C4%B0ST%20I%202018.pdf).
Karagöz, Y. (2017). Bilimsel Araştırma Yöntemleri ve Yayın Etiği: SPSS ve AMOS Uygulamalı Nitel-
Nicel-Karma. Nobel Yayıncılık.
Bek, Y., & Efe, E.,(1988). Araştırma ve Deneme Metotları I. Ç.Ü.Z.F. Yayınları: Ders Kitabı No: 71.
Adana: ÇÜ Ziraat Fakültesi Ofset Atölyesi.
Efe, E., Bek, Y., Şahin, M. (2000). SPSS'te Çözümleri ile İSTATİSTİK YÖNTEMLER II. T.C.
Kahramanmaraş Sütçüimam Üniversitesi Rektörlüğü Yayın No:10, Bilgisayar Araştırma Ve
Uygulama Merkezi (BAUM) Yayın No: 10, Kahramanmaraş.