Bayesian t-Test (BEST)
v1.0.2
Sağlık Bilimleri 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. Sağlık Bilimleri’nde Placebo ve İlaç-X gruplarının sistolik_kan_basinci açısından farklı olup olmadığını sınar.
📌 Ne zaman kullanılır?
- Sağlık Bilimleri’nde iki grubu (Placebo vs İlaç-X) 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 (sistolik_kan_basinci).
- 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': 'tedavi', 'val_col': 'yanit_skoru'} - Parametreler:
{'prior_scale': 0.707}
📊 Örnek Veri Seti — Sağlık Bilimleri
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, Sağlık Bilimleri alanına ait aşağıdaki örnek veri seti üzerinden gösterilmiştir:
Tip/101_bayesian_t_test_new_old_treatment.xlsx
🎬 Senaryo
İki tedavi grubunun yanıt skoru farkını Bayesçi t-testiyle inceliyor, kanıt gücünü Bayes faktörü olarak değerlendiriyoruz; sezgisel bir kanıt oranı elde etmek için bu yöntem uygundur.
⚙️ Değişken Seçimi
- Bağımlı değişken: response_score
- Gruplama (kategorik): treatment
Veri Önizleme (İlk 5 Satır)
| patient_id | treatment | response_score |
|---|---|---|
| 1 | old | 64.6 |
| 2 | old | 72.18 |
| 3 | old | 60.18 |
| 4 | old | 62.92 |
| 5 | old | 58.74 |
n = 70 · Sütunlar: patient_id, treatment, response_score
📈 MerQur Çıktısı
─────────────────────────────────────────────
BF10 = 2.81e+40 Cohen’s d = 3.937 (H1 lehine ezici kanıt) sonuç: response_score, grup: treatment
💬 MerQur Yorumu
İki tedavi grubunun yanıt skoru farkını Bayesçi t-testiyle inceledik: Bayes faktörü ezici düzeyde (BF10 ≈ 2.8e40), etki büyüklüğü çok yüksek (d = 3.94); veri, fark olduğu hipotezini fark olmadığı hipotezine karşı astronomik bir oranda destekliyor. Bayes faktörü, p değerinden farklı olarak iki hipotezin göreli kanıt gücünü verir ve “kanıt yok” ile “fark yok” durumlarını birbirinden ayırt edebilir. Tıpta tedavi kararının kanıt gücünü sezgisel bir oranla ifade etmek istendiğinde tercih edilir.
⚠ 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.