Bayesian t-Test (BEST)
v1.0.2
Ziraat, Orman ve Su Ürünleri bağlamı — klasik t-testin posterior odaklı versiyonu. BF₁₀ ile “veri H₁’in lehine kaç kat daha fazla kanıt sunuyor?” sorusuna doğrudan cevap. Tek/bağımsız/eşleştirilmiş 3 mod. Rouder et al. (2009) JZS Cauchy prior.
BF₁₀ + Jeffreys yorumuJZS prior r=0.707Cohen’s d + %95 CrIPyMC GEREKMEZ
🎯 Ne işe yarar?
Bayesian t-Test, klasik p-değeri ikileminden kurtarır. BF₁₀ > 3: orta-güçlü H₁ kanıtı; BF₁₀ < 1/3: orta-güçlü H₀ kanıtı. Ziraat, Orman ve Su Ürünleri’nde Geleneksel ve Organik gruplarının urun_verimi_kg_da açısından farklı olup olmadığını sınar.
📌 Ne zaman kullanılır?
- Ziraat, Orman ve Su Ürünleri’nde iki grubu (Geleneksel vs Organik) kıyaslarken H₀’ı da doğrudan test etmek istediğinizde
- Küçük örneklem (N<30) — JZS prior tahminleri stabilize eder
- Replikasyon çalışmalarında — “etki yok” sonucu için kanıt aramak
- Eşik (referans) değerden farklılık testi (tek örneklem modu)
⚙ Varsayımlar
- DV sürekli (urun_verimi_kg_da).
- Bağımsızlık (bağımsız mod): iki grup gözlemleri bağımsız.
- Normallik CLT ile gevşek; küçük N’de Bayesian daha sağlam.
- JZS scale r ∈ {0.5, 0.707, 1.0} ile hassasiyet testi önerilir.
📊 MerQur’da Nasıl Çalıştırılır?
Panel atamaları (programdaki form alanları):
- Sütunlar:
{'mode': 'independent', 'group_col': 'grup', 'val_col': 'birim_id'} - Parametreler:
{'prior_scale': 0.707}
📊 Örnek Veri Seti — Ziraat, Orman ve Su Ürünleri
ℹ Not: Aşağıdaki senaryo, MerQur çıktısı ve yorum, gerçek örnek veri seti MerQur’da çalıştırılarak elde edilmiştir. Kendi verinizdeki sayısal sonuçlar farklılık gösterecektir; buradaki amaç analizin uçtan uca nasıl kurgulandığını ve yorumlandığını göstermektir.
🎬 Örnek Dosya
Bu analiz, Ziraat, Orman ve Su Ürünleri alanına ait aşağıdaki örnek veri seti üzerinden gösterilmiştir:
Ziraat_Orman_Su/101_bayesian_t_test_new_old.xlsx
🎬 Senaryo
Yeni ve eski iki uygulamanın (group) bir ölçüm (value) üzerindeki farkını Bayesçi çerçeveden test ediyoruz. Klasik t-testi yalnızca p-değeri verir; Bayesçi t-testi ise Bayes faktörü (BF10) ile “veriler hangi hipotezi kaç kat destekliyor” sorusuna yanıt verir ve etki büyüklüğünün posterior dağılımını gösterir: fark lehine kanıt ne kadar güçlü?
⚙️ Değişken Seçimi
- Bağımlı (sürekli): value
- Gruplama (2 kategori): group
Veri Önizleme (İlk 5 Satır)
| unit_id | group | value |
|---|---|---|
| 1 | old | 60.02 |
| 2 | old | 54.28 |
| 3 | old | 67.56 |
| 4 | old | 35.73 |
| 5 | old | 42.32 |
n = 80 · Sütunlar: unit_id, group, value
📈 MerQur Çıktısı
─────────────────────────────────────────────
BF10 = 3.4 x 10^46 (kesin kanıt, H1) Cohen’s d = 3.94 (value ~ group: yeni/eski)
💬 MerQur Yorumu
Yeni ve eski iki uygulamanın bir ölçüm üzerindeki farkını Bayesçi çerçeveden test ettik. Klasik t-testi sadece p-değeri verir; Bayesçi t-testi ise Bayes faktörü ile “veriler hangi hipotezi kaç kat destekliyor” sorusuna yanıt verir. Sonuç akıl almaz: BF10 = 3.4 x 10 üzeri 46. Bu, verilerin “fark var” hipotezini “fark yok”a göre astronomik bir oranla desteklediği anlamına gelir — “kesin kanıt”ın çok ötesinde. Cohen’s d = 3.94 ile etki de devasa. Bayes faktörünün güzelliği, p-değerinin yapamadığını yapması: H0 LEHİNE de kanıt ölçebilir ve kanıtın GÜCÜNÜ sürekli bir ölçekte verir. Burada fark o kadar net ki, yeni uygulamanın eskisinden kesin biçimde üstün olduğunu söyleyebiliriz.
⚠ Sık Hatalar
- Tek örneklem modunda μ₀’ı sıfır bırakmak Likert/skor karşılaştırmaları için astronomik BF üretir; doğru referans noktasını girin.
- BF₁₀ > 3 ile p < .05 her zaman örtüşmez — küçük N’de p anlamlı, BF zayıf olabilir.
- Prior hassasiyet raporlamayı atlamayın (r = 0.5/0.707/1.0).
📚 MerQur’a Atıf
Örücü, Ö. K. (2026). MerQur: Bütünleşik Akademik Veri Analizi ve Raporlama Platformu [Bilgisayar Yazılımı] (Sürüm 1.0.0). https://doi.org/10.53463/merqur.2026001
📝 Üretim Notu — Bu sayfadaki örnek veri sentetik olarak üretilmiştir (sabit SEED=42, generator: samples/Ileri_Duzey_v102/_generate_v102_datasets.py). Sayfa içeriği Anthropic Claude desteği ile hazırlanmış, akademik doğruluk yazar tarafından kontrol edilmiştir.