İçeriğe geçScholarGate
KütüphaneKitaplığımMasaReview StudioAsistan
Giriş
Bu sayfada
SezgiNasıl çalışırNe zaman kullanılırGüçlü yönler & sınırlılıklarYaygın tuzaklarUygulamalarSSS🔒 Tam yöntemi okuKaynaklarİlişkili yöntemler
Bu sayfaya atıf yapBu sayfada bir hata mı var? Bildir / düzeltme öner →
Ana sayfa›Model değerlendirme›Uyum İyiliği Testi
MCDMStatistical testing

Uyum İyiliği Testi

Goodness-of-Fit Testing Framework · Ayrıca şöyle bilinir: goodness of fit test, GOF test, model fit assessment

Uyum iyiliği (GOF) testi, gözlemlenen verilerin varsayılan bir olasılık dağılımı veya modelle tutarlı olup olmadığını değerlendirmek için kullanılan bir çerçevedir. Karl Pearson'ın ki-kare testinden (1900) türetilen GOF testleri, veriler ve model tahminleri arasındaki tutarsızlığı ölçerek, gözlemlenen sapmaların istatistiksel olarak anlamlı olup olmadığını veya rastgele şansa bağlı olup olmadığını yargılamak için p-değerleri üretir.

ScholarGate
  1. MCDM
  2. v1
  3. 3 Kaynaklar
  4. PUBLISHED
Bu sayfaya atıf yap →
Araçlar & kaynaklar
Slaytları indir
Öğren & keşfet

Tam yöntemi oku

Yalnızca üyeler

Bu bölümü okumak için ücretsiz hesapla giriş yapın.

Giriş yap

Yöntem haritası

İlişkili yöntemlerin komşuluğu — keşfetmek için bir düğüm seçin.

Uyum İyiliği Testi
Akaike Bilgi Kriteri (AI…Bayes Bilgi Ölçütü (BIC)Ortalama Karesel Hata (M…Belirlilik katsayısı (R²)

Ne zaman kullanılır

Bir modelin istatistiksel olarak yeterli olup olmadığını değerlendirmek için GOF testlerini kullanın. Yaygın uygulamalar: parametrik testler uygulamadan önce verilerin normal dağıldığını test etmek veya bir regresyon modelinin artıklarının uygun şekilde dağılıp dağılmadığını kontrol etmek. GOF testleri, model eleştirisi ve tanısal kontroller için özellikle kullanışlıdır. Ancak, büyük örneklemler testlerin önemsiz sapmaları bile reddetmesine neden olur; resmi testlerin yanı sıra görsel inceleme (Q-Q grafikleri, histogramlar) esastır.

Güçlü yönler & sınırlılıklar

Güçlü yönler
  • Hipotez testi çerçevesi: resmi istatistiksel değerlendirme sağlar
  • Nesnel karar kuralı: p-değeri eşiğine göre reddet/kabul et
  • Çoklu test varyantları: ki-kare, Kolmogorov-Smirnov, Anderson-Darling, Shapiro-Wilk, vb.
  • Model eleştirisi ve tanısal prosedürler için temel oluşturur
Sınırlılıklar
  • Güç örneklem büyüklüğüne bağlıdır; büyük örneklemler küçük sapmaları bile reddeder, küçük örneklemler gerçek uyumsuzlukları tespit edemez
  • Tam olarak belirtilmiş bir sıfır modeli varsayar; yanlış belirtim yanlış p-değerlerine yol açar
  • p > 0.05 yorumu: modelin doğru olduğunu kanıtlamaz, yalnızca verilerin onunla tutarlı olduğunu gösterir
  • Sapmanın büyüklüğünü ölçmez; iki çok farklı model aynı p-değerlerine sahip olabilir

SSS

Bir GOF testinde p > 0.05 gerçekten ne anlama gelir?

Anlamı şudur: eğer model doğruysa, rastgele şansla bu kadar aşırı veya daha aşırı verileri yalnızca %5 oranında gözlemlersiniz. Modelin doğru olduğu anlamına GELMEZ; yalnızca verilerin modelle tutarlı olduğu anlamına gelir. Birçok model eşit derecede iyi uyum sağlayabilir.

Büyük örneklemler neden iyi uyum sağlıyor gibi görünen modelleri reddeder?

Test gücü örneklem büyüklüğü ile artar. Büyük örneklemler küçük sapmaları tespit eder; bir model pratik olarak yeterli ancak istatistiksel olarak anlamlı derecede farklı olabilir. Her zaman GOF testlerini görsel inceleme (Q-Q grafikleri, artık grafikleri) ile birleştirin.

Hangi GOF testini kullanmalıyım?

Bağlama bağlıdır: ayrık/kategorik veriler için ki-kare, sürekli veriler için Kolmogorov-Smirnov veya Anderson-Darling, normallik için Shapiro-Wilk. Belirli sorunuzu ve veri türünüzü kontrol edin; yazılım belgelerine başvurun.

Aynı veriye birden fazla GOF testi uygulayabilir miyim?

Aynı veriye birden fazla hipotez testi uygulamaktan kaçının; yanlış pozitif riskini artırırsınız. Birden fazla hipotezi test ediyorsanız, düzeltme yöntemleri uygulayın (Bonferroni, Holm). Önceden belirlenmiş tek bir test seçmek daha iyidir.

GOF testi görsel incelemenin yerini mi alıyor?

Hayır. İkisini birleştirin: GOF testleri resmi hipotez testi sağlar, ancak artık grafikleri, Q-Q grafikleri ve histogramlar sapmaların doğasını ve büyüklüğünü ortaya koyar. Birlikte tam tanısal içgörü sağlarlar.

Kaynaklar

  1. Pearson, K. (1900). On the criterion that a given system of deviations from the probable in the case of a correlated system of variables is such that it can be reasonably supposed to have arisen from random sampling. Philosophical Magazine, 50(302), 157-175. DOI: 10.1080/14786440009463897 ↗
  2. Cramér, H. (1928). On the composition of elementary errors. Skandinavisk Aktuarietidskrift, 11, 141-180. link ↗
  3. Kolmogorov, A. N. (1933). Sulla determinazione empirica di una legge di distribuzione. Giornale dell'Istituto Italiano degli Attuari, 4, 83-91. link ↗

Bu sayfayı kaynak gösterin

ScholarGate. (2026, June 3). Goodness-of-Fit Testing Framework. ScholarGate. https://scholargate.app/tr/model-evaluation/goodness-of-fit

İlişkili yöntemler

Akaike Bilgi Kriteri (AIC)Bayes Bilgi Ölçütü (BIC)Ortalama Karesel Hata (MSE)Belirlilik katsayısı (R²)

Hangi yöntem?

Bu yöntemi en yakın akrabalarının yanına koyup yan yana okuyun — kütüphane kitapları masaya serer; seçim sizindir.

  • Akaike Bilgi Kriteri (AIC)Model değerlendirme↔ karşılaştır
  • Bayes Bilgi Ölçütü (BIC)Model değerlendirme↔ karşılaştır
  • Ortalama Karesel Hata (MSE)Model değerlendirme↔ karşılaştır
  • Belirlilik katsayısı (R²)Model değerlendirme↔ karşılaştır
Yan yana karşılaştır →

Benzer yöntemler

Anderson-Darling Normallik TestiBağımsızlık için Pearson Ki-kare TestiKolmogorov-Smirnov TestiLilliefors Normallik TestiShapiro-Wilk Normallik Testip-Değeri ve İstatistiksel AnlamlılıkSıfır Hipotezi TestiBağımsızlık Ki-kare Testi

İlgili referans kavramlar

Goodness of Fitİstatistiksel Hipotez TestiKi-Kare ve Fisher Kesin TestleriHipotez Testi ÇerçevesiOlabilirlik Oranı TestleriVeri Dağılımı ve Normallik

Bu sayfada bir hata mı var? Bildir / düzeltme öner →

ScholarGate — Goodness-of-Fit (Goodness-of-Fit Testing Framework). 2026-07-21 tarihinde şu adresten erişildi: https://scholargate.app/tr/model-evaluation/goodness-of-fit · Veri seti: https://doi.org/10.5281/zenodo.20539026
Hızlı bilgiler
Originator
Karl Pearson
Subfamily
Statistical testing
Year
1900
Type
Hypothesis testing framework for model adequacy
İlişkili yöntemler
Akaike Bilgi Kriteri (AIC)Bayes Bilgi Ölçütü (BIC)Ortalama Karesel Hata (MSE)Belirlilik katsayısı (R²)
ScholarGate

Araştırma yöntemleri için içerik öncelikli bir referans kütüphanesi — her yöntemin ne olduğu, nasıl çalıştığı ve nereden geldiği.

Açık veri (CC-BY)

Keşfet

  • Kütüphane
  • Yöntemlerde ara…
  • Alanlara göre gez
  • Alanlar
  • Yolculuk
  • Karşılaştır
  • Hangi yöntem?

Başvuru

  • Konular
  • Atlas
  • Sözlük
  • Metodoloji
  • Felsefe

Çalışma alanı

  • Kitaplığım
  • Masa
  • Sohbet

Şirket

  • Hakkımızda
  • Fiyatlandırma
  • İletişim
  • Yöntem öner

Kayıtlar, başvuru amacıyla yayımlanmış kaynaklardan derlenmiştir. Herhangi bir bilginin doğruluğunu ve kendi kullanımınıza uygunluğunu denetlemek sizin sorumluluğunuzdadır.

© 2026 ScholarGate · Araştırma yöntemleri referans kütüphanesi
  • Gizlilik
  • Çerezler
  • Koşullar
  • Hesabı sil