Örneklem Büyüklüğü
Kaç katılımcı yeter? Çok az → çalışma güçsüz. Çok çok → kaynak israfı. Doğru sayı matematiksel olarak hesaplanır.
🎯 Niye Önemli?
Çalışma A: 10 öğrenci ile yeni öğretim yöntemini test ediyor. Fark var ama “anlamlı” çıkmıyor. Çıktı: “Yöntem işe yaramıyor.” Doğru mu? Hayır — örneklem küçük, güç düşük.
Çalışma B: 1000 öğrenci ile. Sonuç: “Anlamlı fark var, p < 0.001”. Etkinin pratik anlamı küçük ama istatistiksel olarak anlamlı.
İki ayrı dünya — çalışmanın gücü her şeyi değiştirir.
📐 Doğru Örneklem Hesabı
Örneklem büyüklüğü 3 şeye bağlıdır:
Ne kadar büyük bir fark/ilişki bekliyorsun?
- Büyük etki → küçük n yeter
- Küçük etki → büyük n gerek
Cohen’in d’si örnek: d = 0.2 (küçük), d = 0.5 (orta), d = 0.8 (büyük)
Gerçek farkı yakalama olasılığın. Genelde 0.80 (yani %80).
%90 istersen daha çok n.
Yanlış pozitif riski. Genelde 0.05.
0.01 istersen (daha katı) daha çok n.
📊 Örnek Hesaplamalar
| Etki (Cohen’s d) | n (her grup) |
|---|---|
| 0.2 (küçük) | ≈ 393 |
| 0.5 (orta) | ≈ 64 |
| 0.8 (büyük) | ≈ 26 |
| 1.0 (çok büyük) | ≈ 17 |
α = 0.05, güç = 0.80 için.
| Beklenen r | n |
|---|---|
| 0.1 | ≈ 783 |
| 0.3 | ≈ 84 |
| 0.5 | ≈ 29 |
🚨 Çok Küçük Örneklemin Tehlikeleri
- Düşük güç: Gerçek farkları kaçırırsın
- Aykırı değer riski: Bir kişi tüm sonucu çevirebilir
- Normal dağılım varsayımı bozulur: t-testi yerine Mann-Whitney U gerek
- Genelleme zayıf: Sonuçları daha geniş popülasyona uyarlamak zor
🚨 Çok Büyük Örneklemin Tehlikeleri
Çok büyük örneklemde, en küçük fark bile p < 0.001 çıkar. Ama pratik anlamı yok.
Örnek: 10.000 hasta üzerinde “yeni ilaç kan basıncını ortalama 0.3 mmHg düşürdü, p < 0.001.”
İstatistiksel olarak çok anlamlı! Pratik olarak hiç anlamı yok (0.3 mmHg fark klinik açıdan önemsiz).
Bu yüzden etki büyüklüğü p-değerinden daha önemlidir.
📊 Tipik Örneklem Büyüklükleri
| Çalışma Tipi | Yaygın n |
|---|---|
| Pilot çalışma | 10 – 30 |
| Eğitim/Psikoloji deneyleri | 30 – 200 |
| Klinik denemeler (faz II) | 100 – 500 |
| Klinik denemeler (faz III) | 500 – 3000 |
| Anket araştırmaları | 300 – 2000 |
| Toplum sağlığı taramaları | 5000+ |
| Meta-analiz | 10+ çalışma birleşimi |
🎯 Pratik Tavsiyeler
- Literatür tara: Benzer çalışmalarda etki büyüklüğü ne?
- Hedef gücü belirle: %80 standart, %90 lüks
- α seç: 0.05 standart, 0.01 ilaç onayı
- Örneklem hesapla: MerQur veya G*Power gibi araç kullan
- %10-20 fazlasını al: Veri kayıpları, çekilmeler için tampon
🌟 Sample Size Calculators
MerQur’un Örneklem Hesaplayıcı modülü, analiz türü, etki büyüklüğü, güç ve α girdileri ile minimum n’i hesaplar. Aynı zamanda güç eğrisini görselleştirir — n arttıkça gücün nasıl arttığını görebilirsin.
🔗 İlgili Konular
- Cohen, J. (1988). Statistical power analysis for the behavioral sciences (2nd ed.). Lawrence Erlbaum.
- Faul, F., Erdfelder, E., Lang, A. G., & Buchner, A. (2007). G*Power 3: A flexible statistical power analysis program. Behavior Research Methods, 39(2), 175–191.
- Maxwell, S. E., Kelley, K., & Rausch, J. R. (2008). Sample size planning for statistical power and accuracy in parameter estimation. Annual Review of Psychology, 59, 537–563.