Örneklem Dağılımı
Sample Distribution / Sampling Distribution
Tanım
Örnek Vaka / Uygulama
🔹 1. (sample distribution): 10.000 kişilik bir üniversite öğrencisinin (anakütle) genel kaygı düzeyini ölçmek imkansız olduğundan, tesadüfi örnekleme yöntemiyle seçilen 200 öğrencinin (örneklem) Beck Anketi puanlarının frekans grafiğinin çıkarılması ve bu küçük grubun puan kümelenmesinin incelenmesi. 🔹 2. (sampling distribution): 1000 kişilik bir üniversite öğrencisinin IQ ortalamasını inceleyen bir araştırmacı, anakütlenin tamamına ulaşmak yerine, her biri 50 kişiden oluşan 500 farklı örneklemi rastgele çeker. Her bir örneklemin kendi ortalamasını hesaplar ve bu 500 ortalamayı bir grafiğe döker. Elde edilen bu yeni dağılım 'örneklem dağılımı'dır ve bu sayede tek bir örneklem ortalamasının anakütle gerçek ortalamasından ne kadar sapabileceği olasılıksal olarak hesaplanır.
Derin Analiz
🔹 1. (sample distribution):
Örneklem dağılımı, çıkarımsal istatistiğin temel yapı taşlarından biridir. Anakütle parametrelerinin bilinmediği durumlarda, eldeki verinin topografyasını anlamak için kritik bir rol oynamaktadır. Teorik anakütle dağılımlarının aksine, örneklem dağılımları genellikle pürüzsüz matematiksel eğriler yerine kesikli ve dalgalı (jagged) bir form gösterir. Bu dağılımın basıklık (kurtosis) ve çarpıklık (skewness) gibi biçimsel özellikleri, verinin merkezi eğilim ve yayılım eğilimleri hakkında ampirik kanıt sağlar. Özellikle Monte Carlo simülasyonları ve non-parametrik testlerde, bu dağılımın varyansı ve standart hatası, hipotez testlerinin güvenilirliğini doğrudan tayin eder.
🔹 2. (sampling distribution):
İstatistiksel çıkarımın temel taşlarından birini oluşturur. Anakütle parametrelerinin doğrudan bilinmediği durumlarda, sonsuz sayıdaki olası örneklem sonuçlarının teorik ya da ampirik olarak nasıl dağıldığını modeller. Simülasyon çalışmaları sayesinde araştırmacılar anakütle parametrelerini sabitleyebilir, binlerce tekrarlı çekim yaparak t, F veya ki-kare gibi test istatistiklerinin ampirik dağılımlarını inşa edebilirler. Bu dağılımın bilinmesi, elde edilen bir örneklem bulgusunun tesadüfi salınımlarla mı açıklandığını yoksa istatistiksel olarak anlamlı ve olağan dışı bir etkiye mi işaret ettiğini test etmeyi sağlar.
Etimoloji
🔹 1. (sample distribution):
Latince 'exemplum' (örnek, numune) kökünden türeyen sample kelimesi ile Eski İngilizce 'dælan' (bölmek, paylaştırmak) kökünden gelen distribution kelimesinin birleşimi.
🔹 2. (sampling distribution):
İngilizce 'sample' (örnek, örneklem; Latince 'exemplum') ve 'distribution' (dağılım; Latince 'distributio', dağıtmak, paylaştırmak) kelimelerinin birleşiminden türetilmiştir.
Karıştırmayın
🔹 1. (sample distribution):
Örnekleme Dağılımı (Sampling Distribution) ile sıklıkla karıştırılır. Örneklem dağılımı, tek bir örneklemdeki verilerin dağılımıyken; örnekleme dağılımı, aynı anakütleden alınan sonsuz sayıdaki farklı örneklemlerin istatistiklerinin (örneğin ortalamalarının) dağılımıdır.
🔹 2. (sampling distribution):
Örneklem (sample) ve anakütle dağılımı (population distribution) ile sıklıkla karıştırılır. Örneklem dağılımı, ham verilerin değil, örneklemden elde edilen istatistiklerin (ortalama, varyans vb.) dağılımını ifade eder.
Keşfetmeye Devam Edin
Merkezi Limit Teoremi
Merkezi Limit Teoremi
Central Limit Theorem (CLT)
Bağımsız rastgele değişkenlerin toplamının veya ortalamasının, dağılımın şekline bakılmaksızın, örneklem boyutu arttıkça normal dağılıma yaklaşacağını öngören temel istatistiksel ilke.
İncele
Standart Hata
Standart Hata
SE / Standard Error
🔹 1. (SE): Bir örneklem istatistiğinin (örneğin ortalamanın) örnekleme dağılımının standart sapması olup, tahminin örnekleme hatası derecesini gösterir. 🔹 2. (standard error): Bir örneklem istatistiğinin (örneğin örneklem ortalamasının), anakütle parametresinden rastgele örnekleme dalgalanmaları nedeniyle ne kadar sapabileceğini gösteren istatistiksel ölçüttür.
İncele