Bayes Tek Örneklem t-testi
Bayesian One-Sample t-test · Ayrıca şöyle bilinir: Bayesian single-sample t-test, Bayes factor one-sample t-test, JZS one-sample Bayes factor, Bayesian location test
Bayes tek örneklem t-testi, tek bir grubun ortalamasını sabit bir referans değerle karşılaştırmak için p-değeri yerine Bayes faktörü kullanır. Verilerin, ortalamanın referansa eşit olduğu sıfır hipotezi (null hypothesis) ile alternatif hipotez lehine sağladığı kanıtı nicelleştirir ve etki büyüklüğü üzerinde tam bir sonsal dağılım (posterior distribution) verir — bu da ikili bir reddetme-veya-koruma kararının ötesinde, pratik büyüklük hakkında ifadeler oluşturmayı sağlar.
Tam yöntemi oku
Bu bölümü okumak için ücretsiz hesapla giriş yapın.
Yöntem haritası
İlişkili yöntemlerin komşuluğu — keşfetmek için bir düğüm seçin.
Ne zaman kullanılır
Tek bir sürekli değişken ölçtüğünüzde ve grup ortalamasını bilinen veya teorik olarak anlamlı bir referans değerle karşılaştırmak istediğinizde ve sıfır hipotezini veya alternatif hipotezi basitçe reddetmek veya korumak yerine her iki hipotez için de kanıtı nicelleştirmek istediğinizde Bayes tek örneklem t-testini kullanın. Özellikle örneklem büyüklüklerinin küçük olduğu ve önsel bilgiyi dahil etmek istediğinizde veya sıfır etki için kanıtın gücünü belirtmeniz gerektiğinde kullanışlıdır. Etki büyüklüğü üzerinde herhangi bir önsel için teorik gerekçeniz yoksa ve paydaşlar katı bir sıklıkçı hata oranı garantisi gerektiriyorsa bundan kaçının; bu durumda, klasik tek örneklem t-testi daha uygundur. Ayrıca, sonuçlarınız dönüştürme olmadan açıkça sürekli değilse veya ağır çarpıksa da kaçının.
Güçlü yönler & sınırlılıklar
- p-değerlerinde bulunmayan, sıfır hipotezi için kanıtı nicelleştirir.
- Etki büyüklüğü üzerinde tam bir sonsal dağılım sağlar, olasılıksal büyüklük ifadelerine olanak tanır.
- Bayes faktörü yorumu süreklidir: daha büyük değerler daha güçlü kanıtları gösterir, ikili bir karar yerine derecelendirmeye izin verir.
- Varsayılan Cauchy önseli Rouder ve ark. (2009) tarafından iyi gerekçelendirilmiştir ve çoğu uygulamalı durumda öznel bir belirleme gerektirmez.
- Yeni veriler geldikçe artımlı olarak güncellenebilir, sıralı çalışma tasarımlarıyla tutarlıdır.
- Bayes faktörü önsele bağlıdır — r'nin farklı seçimleri farklı BF değerleri verir ve önsele duyarlılık her zaman kontrol edilmelidir.
- İstatistiksel testin örnekleme dağılımının t-dağılımını izlediğini varsayar, bu da yaklaşık normalliği veya yeterince büyük n'yi gerektirir.
- Bayes faktörü eşiklerinin yorumlanması (örneğin, orta düzeyde kanıt olarak BF > 3) gelenekseldir ve evrensel olarak kabul görmemiştir.
- Hesaplama uygulaması, klasik t-testinden birçok uygulamalı araştırmacı için daha az tanıdıktır.
SSS
BF10 = 0.2 ne anlama gelir?
1'in altındaki bir BF10, verilerin alternatif hipotezden daha çok sıfır hipoteziyle tutarlı olduğu anlamına gelir. BF10 = 0.2 (eşdeğeri BF01 = 5), sıfır lehine orta düzeyde bir kanıtı gösterir — veriler H0 altında H1'den 5 kat daha olasıdır. Bu, klasik t-testinin sağlayamayacağı niteliksel bir sonuçtur.
Önsel ölçeği r'yi nasıl seçerim?
Rouder ve ark. (2009) tarafından önerilen varsayılan Cauchy ölçeği r = sqrt(2)/2 ≈ 0.707, birçok sosyal ve davranışsal bilim bağlamı için iyi çalışır. Beklenen küçük etkiler için (örneğin, ince bilişsel manipülasyonlar) r = 0.5 gibi daha dar bir ölçek tercih edilebilir. Her zaman seçilen r'yi rapor edin ve r = 0.5 ve r = 1.0 ile tekrarlayarak bir duyarlılık analizi yapın.
Bu, Bayes etiketli klasik tek örneklem t-testi ile aynı mı?
Hayır. Her ikisi de t istatistiğini yeterli bir istatistik olarak kullanır, ancak çıkarımsal çıktı temelden farklıdır. Klasik test, H0 doğruysa en az bu kadar aşırı bir sonucun olasılığı olan bir p-değeri hesaplar. Bayes testi, verilerin H1'e kıyasla H0 altındaki göreceli olabilirlik oranı olan bir Bayes faktörü — ve etki büyüklüğü için sonsal bir güven aralığı hesaplar.
Çok küçük örneklemlerle kullanabilir miyim?
Evet ve bu, asimptotik sıklıkçı testlere göre avantajlarından biridir. Bayes faktörü ve sonsal dağılım, önsele göre tamdır, asimptotik yaklaşımlar değildir. Ancak, çok küçük örneklemler (n < 5) genellikle zayıf, sonuçsuz Bayes faktörleri üretir, bu da yanlış bir kesinlik hissi yerine gerçek belirsizliği yansıtır.
Hangi yazılım bu testi çalıştırır?
BayesFactor R paketi (Morey & Rouder) ttestBF() fonksiyonunu sağlar. JASP, tıklanabilir Bayes t-testleri içeren grafiksel bir arayüz sunar. Python kullanıcıları, Cauchy önselleriyle Bayes t-testi işlevselliği içeren pingouin kütüphanesini kullanabilir.
Kaynaklar
- Rouder, J. N., Speckman, P. L., Sun, D., Morey, R. D., & Iverson, G. (2009). Bayesian t tests for accepting and rejecting the null hypothesis. Psychonomic Bulletin & Review, 16(2), 225–237. DOI: 10.3758/PBR.16.2.225 ↗
- Kruschke, J. K. (2014). Doing Bayesian Data Analysis: A Tutorial with R, JAGS, and Stan (2nd ed.). Academic Press. ISBN: 978-0124058880
Bu sayfayı kaynak gösterin
ScholarGate. (2026, June 3). Bayesian One-Sample t-test. ScholarGate. https://scholargate.app/tr/statistics/bayesian-one-sample-t-test
Hangi yöntem?
Bu yöntemi en yakın akrabalarının yanına koyup yan yana okuyun — kütüphane kitapları masaya serer; seçim sizindir.
- Bayes Bağımsız Örneklem t-testiİstatistik↔ karşılaştır
- Tek Örneklem t-Testiİstatistik↔ karşılaştır