Öğrenme çıktıları
- Temel kavramı kendi sözcüklerinle açıkla.
- Kavramı gerçekçi fakat kurmaca bir araştırmaya uygula.
- Sayıları yorumlamadan önce varsayımları ve sınırları tanı.
Kavramsal ders
Sıfır hipotezi H0 çoğunlukla farkın/ilişkinin yokluğu gibi belirli bir model iddiasıdır; alternatif hipotez H1 farklı bir iddiadır. p-değeri, H0 ve test varsayımları doğru kabul edilirse gözlenen kadar ya da daha uç bir test istatistiğine rastlama olasılığıdır.
p-değeri H0'ın doğru olma olasılığı değildir, bir sonucun pratik öneminin doğrudan ölçüsü değildir. 0,05 eşiği kurumsal bağlama göre seçilen bir karar kuralıdır; 0,049 ile 0,051 bilimsel açıdan keskin biçimde farklı gerçeklikler oluşturmaz. Çok sayıda test yapmak yanlış pozitif riskini artırır.
Sonucu etki büyüklüğü, güven aralığı, varsayımlar, veri tasarımı ve bağlamla birlikte yorumla. Güç düşüklüğü önemli etkileri kaçırmaya yol açabilir; “anlamlı değil” eşitlik ya da etki yokluğu kanıtı değildir.
Açıklamalı araştırma örneği
Bir test sonucu p=0,04 ise “H0 %4 ihtimalle doğrudur” denemez. Daha uygun ifade: “H0 ve model varsayımları altında gözlenen veya daha uç bir test sonucu elde etme olasılığı %4'tür.”
Sık karşılaşılan yorum hatası
“İstatistiksel olarak anlamlı” ifadesini “önemli, büyük, nedensel ve kesin tekrarlanabilir” kelimeleriyle eş tutma.
Uygulama soruları
- 1. Bir p-değerini doğru bir koşullu olasılık cümlesiyle tanımla.
- 2. p=0,06 görüldüğünde hangi iki yanlış yoruma düşülebileceğini belirt.
- 3. Bulguyu p-değeri yanında etki büyüklüğü ve aralıkla raporla.
Yalnız sayısal yanıtı değil, gerekçeni de açıkla.
Seçimlik R uygulaması
Kurmaca CSV dosyasını çalışma klasörüne indir; aşağıdaki kodu çalıştır veya .R dosyasını indir. Ek paket gerekmez.
CSV indir · R uygulaması indir · Modül 0 hatırlatma
# Statistics Lab / ferdo — synthetic data (no real student records)
# Save stats_synthetic.csv in your working directory.
d <- read.csv("stats_synthetic.csv", stringsAsFactors = TRUE)
stopifnot(nrow(d) == 36, all(c("score_pre","score_post","group") %in% names(d)))
# Groups are observational labels: differences cannot establish a treatment effect.
set.seed(2026)
null_means <- replicate(5000, mean(rnorm(20, mean=0, sd=1)))
observed <- .5
mean(abs(null_means) >= abs(observed))
hist(null_means, main="Simulated null sampling distribution")
abline(v=c(-observed,observed), lty=2)Derinleştirme: matematiksel rota
Birden fazla karşılaştırma yapıldığında aile bazlı yanlış pozitif olasılığının neden büyüdüğünü tartış.
Çıkış bileti
Bu haftaki örnek için kanıtın desteklediği bir bulgu ve bir sınırlılık cümlesi yaz.
Bu modülün öğrenci çalışma kitabı
Dört yazılı problem, puanlama ölçütleri ve dört soruluk kavram kontrolü.
Seçimlik matematiksel türetimler
Konuyu çözümlü matematik, yazılı alıştırmalar ve base R kontrolleriyle derinleştir.