Kİ-KARE TESTLERİ A) Kİ-KARE DAĞILIMI VE ÖZELLİKLERİ

Benzer belgeler
Kİ KARE ANALİZİ. Doç. Dr. Mehmet AKSARAYLI Ki-Kare Analizleri

Kİ-KARE TESTLERİ. şeklinde karesi alındığında, Z i. değerlerinin dağılımı ki-kare dağılımına dönüşür.

Korelasyon ve Regresyon

Tek Yönlü Varyans Analizi (ANOVA)

HAFTA 13. kadın profesörlerin ortalama maaşı E( Y D 1) erkek profesörlerin ortalama maaşı. Kestirim denklemi D : t :

PARAMETRİK OLMAYAN HİPOTEZ TESTLERİ Kİ-KARE TESTLERİ

ÇOKLU REGRESYON MODELİ, ANOVA TABLOSU, MATRİSLERLE REGRESYON ÇÖZÜMLEMESİ,REGRES-YON KATSAYILARININ YORUMU

Doğrusal Korelasyon ve Regresyon

dir. Bir başka deyişle bir olayın olasılığı, uygun sonuçların sayısının örnek uzaydaki tüm sonuçların sayısına oranıdır.

PARÇALI DOĞRUSAL REGRESYON

BÖLÜM 5 İKİ VEYA DAHA YÜKSEK BOYUTLU RASGELE DEĞİŞKENLER İki Boyutlu Rasgele Değişkenler

UYUM ĐYĐLĐĞĐ TESTĐ. 2 -n olup. nin dağılımı χ dir ve sd = (k-1-p) dir. Burada k = sınıf sayısı, p = tahmin edilen parametre sayısıdır.

Sıklık Tabloları ve Tek Değişkenli Grafikler

Farklı Varyans. Var(u i X i ) = Var(u i ) = E(u i2 ) = s 2 Eşit Varyans

Kİ-KARE VE KOLMOGOROV SMİRNOV UYGUNLUK TESTLERİNİN SİMULASYON İLE ELDE EDİLEN VERİLER ÜZERİNDE KARŞILAŞTIRILMASI

A İSTATİSTİK. 4. X kesikli rasgele (random) değişkenin moment çıkaran. C) 4 9 Buna göre, X in beklenen değeri kaçtır?

Sorunun varlığı durumunda hata terimi varyans-kovaryans matrisi Var, Cov(u) = E(uu') = σ 2 I n şeklinde yazılamıyor fakat

Sabit Varyans. Var(u i X i ) = Var(u i ) = E(u i2 ) = s 2

GM-220 MÜH. ÇALIŞ. İSTATİSTİKSEL. Frekans Dağılımı Oluşturma Adımları VERİLERİN SUNUMU. Verilerin Özetlenmesi ve Grafikle Gösterilmesi

Farklı Varyans. Var(u i X i ) = Var(u i ) = E(u i2 ) = σ i2. Eşit Varyans. Hata. Zaman

İki veri setinin yapısının karşılaştırılması

OLASILIĞA GİRİŞ. Biyoistatistik (Ders 7: Olasılık) OLASILIK, TIP ve GÜNLÜK YAŞAMDA KULLANIMI

Asimetri ve Basıklık Ölçüleri Ortalamalara dayanan (Pearson) Kartillere dayanan (Bowley) Momentlere dayanan asimetri ve basıklık ölçüleri

SEK Tahmincilerinin Arzulanan Özellikleri. SEK Tahmincilerinin Arzulanan Özellikleri. Ekonometri 1 Konu 9 Sürüm 2,0 (Ekim 2011)

REGRESYON ANALİZİ BÖLÜM 1-2

Adi Diferansiyel Denklemler NÜMERİK ANALİZ. Adi Diferansiyel Denklemler. Adi Diferansiyel Denklemler

Sürekli Olasılık Dağılım (Birikimli- Kümülatif)Fonksiyonu. Yrd. Doç. Dr. Tijen ÖVER ÖZÇELİK

İSTATİSTİK DERS NOTLARI

PARAMETRİK OLMAYAN HİPOTEZ TESTLERİ. χ 2 Kİ- KARE TESTLERİ. Doç.Dr. Ali Kemal ŞEHİRLİOĞLU Araş.Gör. Efe SARIBAY

ÇUKUROVA ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ YÜKSEK LİSANS TEZİ

OLASILIK. Bölüm 4. Temel Tanımlar ve Kavramlar-I. Olasılık

SEK Yönteminin Güvenilirliği Sayısal Bir Örnek. Ekonometri 1 Konu 11 Sürüm 2,0 (Ekim 2011)

kadar ( i. kaynağın gölge fiyatı kadar) olmalıdır.

bir yol oluşturmaktadır. Yine i 2 , de bir yol oluşturmaktadır. Şekil.DT.1. Temel terimlerin incelenmesi için örnek devre

DOĞRUSAL HEDEF PROGRAMLAMA İLE BÜTÇELEME. Hazırlayan: Ozan Kocadağlı Danışman: Prof. Dr. Nalan Cinemre

PARAMETRİK OLMAYAN HİPOTEZ TESTLERİ

ANOVA. CRD (Completely Randomized Design)

İKİ DEĞİŞKENLİ BASİT DOĞRUSAL REGRESYON MODELİ

Rasgele Değişken Üretme Teknikleri

Merkezi Eğilim (Yer) Ölçüleri

Bölüm 3. Tanımlayıcı İstatistikler

X, R, p, np, c, u ve diğer kontrol diyagramları istatistiksel kalite kontrol diyagramlarının

Makine Öğrenmesi 10. hafta

Regresyon ve Korelasyon Analizi. Regresyon Analizi

ALTERNATİF AKIM DEVRE YÖNTEM VE TEOREMLER İLE ÇÖZÜMÜ

Tahmin Edicilerin ve Test Đstatistiklerinin Simülasyon ile Karşılaştırılması

ÇOK BOYUTLU EŞLEŞMİŞ ÇİFTLER ARASINDAKİ FARKIN SINAMASINDA PERMÜTASYON YÖNTEMİNİN BİR DEĞERLENDİRMESİ. Burak ŞİMŞEK YÜKSEK LİSANS TEZİ İSTATİSTİK

Bölüm 3. Tanımlayıcı İstatistikler

Sayfa 1. GİRİŞ TEMEL KAVRAMLAR... 2

ZKÜ Mühendislik Fakültesi - Makine Mühendisliği Bölümü ISI VE TERMODİNAMİK LABORATUVARI Sudan Suya Türbülanslı Akış Isı Değiştirgeci Deney Föyü

6. NORMAL ALT GRUPLAR

UYGULAMA 2. Bağımlı Kukla Değişkenli Modeller

DENEY 4: SERİ VE PARALEL DEVRELER,VOLTAJ VE AKIM BÖLÜCÜ KURALLARI, KIRCHOFF KANUNLARI

KARMAŞIK SAYILAR. Derse giriş için tıklayın...

Manyetizma Testlerinin Çözümleri. Test 1 in Çözümü

Dersin Yürütülmesi Hakkında. (Örgün / Yüz Yüze Eğitim için) (Harmanlanmış Eğitim için) (Uzaktan Eğitim için)

İstatistik ve Olasılık

Elektrik Akımı. Test 1 in Çözümleri. voltmetresi K-M arasına bağlı olduğu için bu noktalar arasındaki potansiyel farkını ölçer. V 1. = i R KM 1.

Tek Yönlü Varyans Analizi

NİTEL TERCİH MODELLERİ

ÇUKUROVA ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ

ALGILANAN HİZMET KALİTESİ VE LOJİSTİK REGRESYON ANALİZİ İLE HİZMET TERCİHİNE ETKİSİNİN BELİRLENMESİ. Özet

= P 1.Q 1 + P 2.Q P n.q n (Ürün Değeri Yaklaşımı)

ÜNİTE. İSTATİSTİĞE GİRİŞ Doç.Dr.Suphi Özçomak İÇİNDEKİLER HEDEFLER TEMEL KAVRAMLAR

OLASILIK KURAMI. Temel Tanımlar ve Kavramlar-III. Temel Tanımlar ve Kavramlar-II. Temel Tanımlar ve Kavramlar-I OLASILIK

3 KESİKLİ RASSAL DEĞİŞKENLER VE OLASILIK DAĞILIMLARI

SAYISAL ANALİZ. Doç.Dr. Cüneyt BAYILMIŞ. Sayısal Analiz. Doç.Dr. Cüneyt BAYILMIŞ

EKONOMETRİYE GİRİŞ II ÖDEV 4 ÇÖZÜM

Tanımlayıcı İstatistikler (Descriptive Statistics) Dr. Musa KILIÇ

MIT Açık Ders Malzemeleri Bu materyallerden alıntı yapmak veya Kullanım Koşulları hakkında bilgi almak için

Tanımlayıcı İstatistikler

PARAMETRİK OLMAYAN İSTATİSTİKSEL TEKNİKLER 8

BEKLENEN DEĞER VE VARYANS

YER ÖLÇÜLERİ. Yer ölçüleri, verilerin merkezini veya yığılma noktasını belirleyen istatistiklerdir.

Giriş. Değişkenlik Ölçüleri İSTATİSTİK I. Ders 5 Değişkenlik ve Asimetri Ölçüleri. Değişkenlik. X i ve Y i aşağıdaki gibi iki seri verilmiş olsun:

SUÇ VERİ TABANININ LOJİSTİK REGRESYON ANALİZİ İLE TAHMİNİ: BURSA ÖRNEĞİ Estimating of Crime Database with Logistic Regression Analysis: Bursa Case

2 MANYETİZMA. 7. Etki ile mıknatıslanmada mıknatısın 5. K L M F F S N S N S N

Cebir Notları. Karmaşık Sayılar Testi z = 1 2i karmaşık sayısının çarpmaya göre tersinin eşleniğinin sanal kısmı kaçtır?

Parametrik Olmayan İstatistik Çözümlü Sorular - 2

PARAMETRİK OLMAYAN TESTLER KULLANILARAK SAKARYA HAVZASI YAĞIŞLARININ TREND ANALİZİ. Meral BÜYÜKYILDIZ 1, Ali BERKTAY 2

REGRESYONDA ETKİLİ GÖZLEMLERİ BELİRLEME YÖNTEMLERİ VE KARŞILAŞTIRMALARI. Can DARICA YÜKSEK LİSANS TEZİ İSTATİSTİK

BÖLÜM 1 1.GİRİŞ: İSTATİSTİKSEL DOĞRUSAL MODELLER

ASİMETRİK VE SİMETRİK MARJİNAL DAGILIMLARDA ÇOK

ÇOK DEĞİŞKENLİ OLASILIK DAĞILIMLARI

Işığın Kırılması Test Çözümleri. Test 1'in Çözümleri 3. K

ENERJİ. Isı Enerjisi. Genel Enerji Denklemi. Yrd. Doç. Dr. Atilla EVCİN Afyon Kocatepe Üniversitesi 2007

Standart Model (SM) Lagrange Yoğunluğu. u, d, c, s, t, b. e,, Şimdilik nötrinoları kütlesiz Kabul edeceğiz. Kuark çiftlerini gösterelim.

Sansürlenmiş ve Kesikli Regresyon Modelleri

Deprem Tepkisinin Sayısal Metotlar ile Değerlendirilmesi (Newmark-Beta Metodu) Deprem Mühendisliğine Giriş Dersi Doç. Dr.

THOMAS-FİERİNG MODELİ İLE SENTETİK AKIŞ SERİLERİNİN HESAPLANMASINDA YENİ BİR YAKLAŞIM

11. z = 1 2i karmaşık sayısının çarpmaya göre tersinin eşleniğinin sanal kısmı kaçtır? 14. eşitliğini sağlayan z karmaşık sayısı kaçtır? 15.

Değişkenler Arasındaki İlişkiler Regresyon ve Korelasyon. Dr. Musa KILIÇ

DENEY TASARIMI VE ANALİZİ

YAŞAM ÇÖZÜMLEMESİNDE AYKIRI DEĞERLER OUTLIERS IN SURVIVAL ANALYSIS

Bağımsız Model Blok Dengeleme için Model Oluşturma ve Ön Sayısal Bilgi İşlemleri

MOD SÜPERPOZİSYONU İLE ZAMAN TANIM ALANINDA ÇÖZÜM

ATATÜRK ÜNİVERSİTESİ SOSYAL BİLİMLER ENSTİTÜSÜ İŞLETME ANA BİLİM DALI. Serhat BURMAOĞLU

ÇUKUROVA ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ ÇOKLU İÇ İLİŞKİ VE EKOLOJİK REGRESYON İSTATİSTİK ANABİLİM DALI

Elektrik Akımı. Test 1 in Çözümleri

Transkript:

Kİ-KAR TSTLRİ A) Kİ-KAR DAĞILIMI V ÖZLLİKLRİ Örnekleme yoluyla elde edlen rakamların, anakütle rakamlarına uygun olup olmadığı; br başka fadeyle gözlenen değerlern teork( beklenen) değerlere uygunluk gösterp göstermedğ k-kare test le tespt edlr. Standart normal değşken Z İ değerlernn; Z ( X ) şeklnde kares alındığında, Z değerlernn dağılımı k-kare dağılımına dönüşür. 1

X tesadüf değşken dağılımından br değer seçlp standart hale dönüştürülür ve ve kares alınırsa X değşkennn dağılımı k-kare dağılımına dönüşür. Normal dağılım gösteren br X tesadüf değşken dağılımından tesadüf ve brbrnden bağımsız olarak k değer seçlsn.seçlen değerler; Z 1 X 1 Z X şeklnde standart hale dönüştürülsün. Bu Z değerlernn kareler alınıp toplanırsa elde dlen Z değşken k-kare dağılımı gösterr. N adet 1 Z örnek çn bu prosedür takp edldğnde; Z1 Z Z3... Zn değşken de k-kare dağımı gösterr.

Br k-kare dağılımı dğer k-kare dağılımlarından serbestlk derecelerne göre ayrılır. Kareler alınıp toplandığında, k-kare dağılımı gösteren bağımsız standart normal değer sayısına serbestlk dereces denr. Br k-kare dağılımının ortalaması, dağılımın serbestlk derecesne ve varyansı, serbestlk derecesnn k katına eşttr. Mesela, serbestlk dereces 10 olan br k-kare dağılımının ortalaması 10 ve varyansı 0 dr. K-kare değşken, sembolü le gösterlr. Br dağılımı dğernden ayırmak çn, bu sembole serbestlk derecesn gösteren br nds ekleneblr. Böylece 1, ve n serbestlk dereceleryle k-kare dağılımı gösteren değşkenler,, ve şeklnde gösterleblr. 1 n K-kare dağılımı sağa çarpıktır ve normalden daha dktr. N büyüdükçe merkez lmt teoremnn br sonucu olarak dklk ve asmetr azalır, dağılım normale yaklaşır. K-kare değerler 0 le arasında değşr. 3

K-Kare Testler İy Uyum Test Varsayımları: 1. Çok değerl kategork ver. Tek br örnek, brden çok lglenlen oran 3. Örnek oranları hakkında varsayılan oranların test edlmes Homojenlk Test Varsayımları: 1. Tek br kategork değşken. Her gruptan alınan ayrı brer örnek 3. Varsayılan oran yok 4. Br grup çn oranın dğer grup veya gruplar çn de aynı olup olmadığının test edlmes Bağımsızlık Test Varsayımları: 1. İk kategork değşken. Sadece tek örnek, oranlarla lgl varsayım yok 3. Br kategork değşkenn dğeryle lşkl olup olmadığının test edlmes 4

OLAY 1: Genelde br statstk sınıfında, öğrenclern %60 ının devamlı, %30 unun bazen, %10 unun se çok az derse geldkler düşünülmektedr. Szn sınıfınızdan 30 kşlk br örnek alınmış ve %65 nn devamlı, %0 snn bazen, ve %15 nn çok az derse geldğ bulunmuştur. Bu sınıfın devam durumunun genel devam durumuna uyduğu söyleneblr m? OLAY : Aynı öğretm üyesnn statstk ders verdğ 3 farklı sınıfta devam durumlarının aynı olup olmadığı araştırılmaktadır. Her üç sınıftan alınan ayrı örneklern sonucu aşağıdak tabloda görüldüğü gbdr. devaml bazen çok az snf1 15 8 3 snf 14 6 4 snf3 6 7 7 OLAY 3: Bu fakültedek devam durumu le geçme notu arasında br lşk olup olmadığı araştırılmak stenmektedr. Fakülte öğrenclernden alınan 100 kşlk br örneğe devam durumları le geçme notları sorulmuş ve aşağıdak tablo elde edlmştr: <50 50-<70 70-<90 >=90 devaml 15 0 10 1 bazen 1 19 5 3 çok az 5 5 3 5

K-Kare İy Uyum Test Varsayımları: 1. Çok değerl kategork ver ( den fazla kategors olan kategork değşken). Tek br örnek, brden çok lglenlen oran 3. Örnek oranları hakkında varsayılan oranların test edlmes Varsayılan Oranlar Blnen varsayılan oranlar Blnmeyen varsayılan oranlar Belrl br ver yapısına uygunluğun test edlmes Belrl br dağılıma uygunluğun test edlmes HANGİ OLAY BU TST İL İLGİLİDİR? 6

Genelde br statstk sınıfında, öğrenclern %60 ının devamlı, %30 unun bazen, %10 unun se çok az derse geldkler düşünülmektedr. Szn sınıfınızdan 100 kşlk br örnek alınmış ve %65 nn devamlı, %0 snn bazen, ve %15 nn çok az derse geldğ bulunmuştur. Bu sınıfın devam durumunun genel devam durumuna uyduğu söyleneblr m? varsaylan oranlar gözlenen oranlar devaml 0.60 0.65 bazen 0.30 0.0 çok az 0.10 0.15 H 0 : devamlı =0.60, bazen =0.30, çok az =0.10 H 1 : n az br oran varsayılandan farklıdır. 7

H 0 : devamlı =0.60, bazen =0.30, çok az =0.10 H 1 : n az br oran varsayılandan farklıdır. Bu hpotez testn uygulamak çn gözlenen ve beklenen arasındak farkların büyüklüğüne bakmak gerekr. Bu farkların mutlak değer ne kadar büyükse, sıfır hpotez hakkında o kadar kuşkuya düşerz. Sıfır hpotez doğruyken ve örnek orta büyüklükteyken (beklenen değerlern ( ) herbr en az 5 se), bu hpotez test çn aşağıdak K-Kare test statstğ kullanılır: Gözlenen değer test O Beklenen değer Bu test statstğ, k-1 serbestlk derecel tablo değeryle karşılaştırılır. tablo k 1, Burada k: kategor sayısıdır. 8

H 0 : devamlı =0.60, bazen =0.30, çok az =0.10 H 1 : n az br oran varsayılandan farklıdır. test O Beklenen değer = örnek hacm x beklenen olasılık = n x p Gözlenen değer = örnek hacm x gözlenen olasılık O = n x r varsaylan oranlar gözlenen oranlar beklenen degerler () gözlenen degerler (O) O - (O - )^ ((O - )^)/ devaml 0.60 0.65 60 65 5 5 0.4 bazen 0.30 0.0 30 0-10 100 3.33 çok az 0.10 0.15 10 15 5 5.50 K-kare test = 6.5 9

1) H 0 : devamlı =0.60, bazen =0.30, çok az =0.10 H 1 : n az br oran varsayılandan farklıdır. ) test O 6.5 3) test tablo H 0 ret! tablo k 1,,0.05 5.99 4) Yorum: %5 hata olasılığı le, en az br oran dğerlernden farklı olduğu çn, bu sınıfın devam durumu, genel devam durumu yapısına uymamaktadır. 10

K-Kare Homojenlk Test Homojenlk testnde her br anakütleden belrl hacmlerde örnekler çeklr ve bu örneklern belrl br karakterstğ taşımaları bakımından benzer değşm gösterp göstermedklerne karar verlr. Varsayımları: 1. Tek br kategork değşken. Her gruptan alınan ayrı brer örnek 3. Varsayılan oran yok 4. Br grup çn oranın dğer grup veya gruplar çn de AYNI (HOMOJN) olup olmadığının test edlmes HANGİ OLAY BU TST İL İLGİLİDİR? 11

Aynı öğretm üyesnn statstk ders verdğ 3 farklı sınıfta devam durumlarının aynı olup olmadığı araştırılmaktadır. Her üç sınıftan alınan ayrı örneklern sonucu aşağıdak tabloda görüldüğü gbdr. devaml bazen çok az snf1 15 8 3 snf 14 6 4 snf3 6 7 7 H 0 : sınıf1 n devam yapısı = sınıf nn devam yapısı = sınıf3 ün devam yapısı H 1 : n az br sınıfın devam yapısı dğerlernden farklıdır. Bu hpotez testn uygulamak çn yne gözlenen ve beklenen arasındak farkların büyüklüğü le lgl K-Kare test statstğ kullanılır. Bu test statstğ, (k-1)(r-1) serbestlk derecel tablo değeryle karşılaştırılır. tablo (k1)( r1), Burada k: kategor sayısı (sütun sayısı), r:grup sayısı (satır sayısı) 1

H 0 : sınıf1 n devam yapısı = sınıf nn devam yapısı = sınıf3 ün devam yapısı H 1 : n az br sınıfın devam yapısı dğerlernden farklıdır. test O Fakat bu sefer verler br tabloda yer aldığı çn test statstğnn hesaplamaları ayrı tablolarla yapılır. Gözlenen devaml bazen çok az satr toplam snf1 15 8 3 6 snf 14 6 4 4 snf3 6 7 7 0 sütun toplam 35 1 14 70 beklenen satır toplamıxsutun toplamı geneltoplam 6x14 70 Beklenen devaml bazen çok az snf1 13 7.8 5. snf 1 7. 4.8 snf3 10 6 4 13

Gözlenen devaml bazen çok az satr toplam snf1 15 8 3 6 snf 14 6 4 4 snf3 6 7 7 0 sütun toplam 35 1 14 70 Beklenen devaml bazen çok az snf1 13 7.8 5. snf 1 7. 4.8 snf3 10 6 4 15-13= O - devaml bazen çok az snf1 0. -. snf -1. -0.8 snf3-4 1 3 (O - )^/ devaml bazen çok az snf1 0.31 0.01 0.93 snf 0.33 0.0 0.13 snf3 1.60 0.17.5 5.93 test 14

1) H 0 : sınıf1 n devam yapısı = sınıf nn devam yapısı = sınıf3 ün devam yapısı H 1 : n az br sınıfın devam yapısı dğerlernden farklıdır. ) test O 5.93 3) test tablo H 0 reddedlemez tablo (k1)( r1), x,0.05 9.49 4) Yorum: %5 hata olasılığı le, sınıfların devam yapısının brbrnden farklı olduğu söylenemez. 15

K-Kare Bağımsızlık Test Sık sık karşılaşılan araştırma sorularından br de k değşkenn brbr le lşkl olup olmadığıdır.mesela, br sosyolog okul vasıtasıyla kazanılan eğtm sevyesnn gelrle lşkl olup olmadığını araştırmak steyeblr.br okulda çalışan beslenme uzmanı öğrenclern beslenme uzmanı öğrenclern beslenme sevyelernn akademk performanslarıyla lşkl olup olmadığını blmek steyeblr. İk değşken arasında lşk yoksa, brsnn dağılımı hçbr şeklde dğernn dağılımına bağımlı değlse bu k değşken brbrnden bağımsızdır denr.ik değşken arasında lşk yoksa, belrl br değşkenn değern blmek, dğer değşkenn değern tespte mkan sağlamaz. Varsayımları: 1. İk kategork değşken. Sadece tek örnek, oranlarla lgl varsayım yok 3. Br kategork değşkenn dğeryle İLİŞKİLİ olup olmadığının test edlmes HANGİ OLAY BU TST İL İLGİLİDİR? 16

Bu fakültedek devam durumu le geçme notu arasında br lşk olup olmadığı araştırılmak stenmektedr. Fakülte öğrenclernden alınan 100 kşlk br örneğe devam durumları le geçme notları sorulmuş ve aşağıdak tablo elde edlmştr: <50 50-<70 70-<90 >=90 devaml 15 0 10 1 bazen 1 19 5 3 çok az 5 5 3 H 0 : Devam yapısı, geçme notu le lşkl değldr. H 1 : Devam yapısı, geçme notu le lşkldr. Bu hpotez testn uygulamak çn yne gözlenen ve beklenen arasındak farkların büyüklüğü le lgl K-Kare test statstğ kullanılır. Bu test statstğ, (k-1)(r-1) serbestlk derecel tablo değeryle karşılaştırılır. Burada k: sütun sayısı, r:satır sayısı tablo (k1)( r1), 17

H 0 : Devam yapısı, geçme notu le lşkl değldr. H 1 : Devam yapısı, geçme notu le lşkldr. test O Yne verler br tabloda yer aldığı çn test statstğnn hesaplamaları ayrı tablolarla yapılır. Gözlenen <50 50-<70 70-<90 >=90 satr toplam devaml 15 0 10 1 46 bazen 1 19 5 3 39 çok az 5 5 3 15 sütun toplam 9 44 0 7 100 beklenen satır toplamıxsutun toplamı geneltoplam Beklenen <50 50-<70 70-<90 >=90 devaml 13.3 0. 9. 3. bazen 11.3 17. 7.8.7 çok az 4.4 6.6 3.0 1.1 18

Gözlenen <50 50-<70 70-<90 >=90 satr toplam devaml 15 0 10 1 46 bazen 1 19 5 3 39 çok az 5 5 3 15 sütun toplam 9 44 0 7 100 Beklenen <50 50-<70 70-<90 >=90 devaml 13.3 0. 9. 3. bazen 11.3 17. 7.8.7 çok az 4.4 6.6 3.0 1.1 O - <50 50-<70 70-<90 >=90 devaml 1.7-0. 0.8 -. bazen 0.7 1.8 -.8 0.3 çok az -.4-1.6.0.0 (O - )^/ <50 50-<70 70-<90 >=90 devaml 0.1 0.003 0.07 1.53 bazen 0.04 0.0 1.01 0.03 çok az 1.7 0.39 1.33 3.6 9.69 test 19

1) H 0 : Devam yapısı, geçme notu le lşkl değldr. H 1 : Devam yapısı, geçme notu le lşkldr. ) test O 9.69 3) test tablo H 0 reddedlemez tablo (k1)( r1), 3x,0.05 1.59 4) Yorum: %5 hata olasılığı le, devam yapı le geçme notu değşkenlernn lşkl olduğuna dar yeterl kanıt bulunamamıştır. 0