Bayesian Korelasyon
v1.0.2
Mühendislik bağlamı — iki sürekli değişken arasındaki ilişkiyi BF₁₀ ile raporlar. sicaklik_C ↔ iletkenlik_S_m ilişkisi gerçek mi yoksa şans mı? Pearson/Spearman/Kendall destekli.
Pearson/Spearman/KendallBF₁₀%95 CrI(r)Posterior dağılım grafik
🎯 Ne işe yarar?
Klasik korelasyon p-değeri yerine BF₁₀ raporlar; küçük örneklemlerde ve replikasyon çalışmalarında özellikle değerli. Mühendislik bağlamında sicaklik_C ile iletkenlik_S_m arasında öngörülen ilişki yönü (ρ ≈ 0.71) Bayes Factor ile sınanır.
📌 Ne zaman kullanılır?
- İki sürekli değişken — yön ve güç hakkında doğrudan kanıt aramak için
- “Korelasyon yok” hipotezini doğrudan test etmek istenildiğinde
- Küçük N’de p < .05 ile başarısız bir testin yerine
⚙ Varsayımlar
- İki sürekli değişken (sicaklik_C, iletkenlik_S_m).
- Doğrusal ilişki (Pearson) ya da monotonik (Spearman/Kendall).
- Aykırı değer kontrolü Bland-Altman/scatter ile önceden yapılmalı.
📊 MerQur’da Nasıl Çalıştırılır?
Panel atamaları (programdaki form alanları):
- Sütunlar:
{'x_col': 'birim_id', 'y_col': 'X_degisken'} - Parametreler:
{'method': 'pearson'}
📊 Örnek Veri Seti — Mühendislik
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, Mühendislik alanına ait aşağıdaki örnek veri seti üzerinden gösterilmiştir:
Muhendislik/102_bayesian_correlation_BF10.xlsx
🎬 Senaryo
İki değişken arasındaki ilişkiyi Bayesçi çerçevede değerlendiriyoruz. İlişkinin kanıt gücünü ortaya koymak için Bayesçi korelasyon uygun bir yöntemdir.
⚙️ Değişken Seçimi
- 1. ölçüm / grup: X_variable
- 2. ölçüm / grup: Y_variable
Veri Önizleme (İlk 5 Satır)
| unit_id | X_variable | Y_variable |
|---|---|---|
| 1.0 | 25.4 | 38.58 |
| 2.0 | 49.42 | 56.82 |
| 3.0 | 39.88 | 55.51 |
| 4.0 | 35.37 | 51.54 |
| 5.0 | 39.46 | 51.92 |
n = 80 · Sütunlar: unit_id, X_variable, Y_variable
📈 MerQur Çıktısı
─────────────────────────────────────────────
r = 0.780 (cok guclu) BF10 = 4.50e+14 (iliski var hipotezine ezici kanit)
💬 MerQur Yorumu
İki değişken arasındaki ilişkiyi Bayesçi çerçevede değerlendirdik: r = 0.78 ve BF10 ~ 4.5e14 değerleri, ilişki olduğu hipotezine çok güçlü kanıt sağlar. Bayesçi korelasyon, klasik p-değeri yerine ilişkinin kanıt gücünü Bayes faktörü olarak ve katsayının sonsal dağılımını sunar. Sahada iki ölçüm arasındaki ilişkinin yalnızca anlamlı olup olmadığını değil, ne kadar güçlü kanıtlandığını raporlamada değerlidir.
⚠ Sık Hatalar
- Doğrusal olmayan ilişkilerde Pearson yanıltır — scatter plot kontrol edin, gerekirse Spearman.
- Aykırı değer korelasyonu şişirir veya gizler.
- Korelasyon ≠ nedensellik (özellikle gözlemsel çalışmalarda).
📚 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.