T.C.

KAHRAMANMARAŞ SÜTÇÜİMAM ÜNİVERSİTESİ REKTÖRLÜĞÜ
Yayın No:10
BİLGİSAYAR ARAŞTIRMA VE UYGULAMA MERKEZİ (BAUM)
Yayın No: 10

SPSS’te Çözümleri ile

İSTATİSTİK YÖNTEMLER
II

Doç.Dr. Ercan EFE
Prof.Dr. Yüksel BEK
Mustafa ŞAHİN

T.C.

Kahramanmaraş
2000

KAHRAMANMARAŞ SÜTÇÜİMAM ÜNİVERSİTESİ REKTÖRLÜĞÜ
Yayın No:10
BİLGİSAYAR ARAŞTIRMA VE UYGULAMA MERKEZİ (BAUM)
Yayın No: 10

SPSS’te Çözümleri ile
İSTATİSTİK YÖNTEMLER
II

Doç.Dr. Ercan EFE
Prof.Dr. Yüksel BEK
Mustafa ŞAHİN

Kahramanmaraş
2000

ÖNSÖZ

Araştırıcılar ile Lisans, Yüksek Lisans ve Doktora öğrencileri gerek
araştırma projeleri gerekse tez çalışmaları esnasında bir denemenin kurulması,
yürütülmesi, verilerin elde edilmesi, değerlendirilmesi, yorumlanması aşamalarından
mutlaka geçmektedirler. Büyük paralar, zaman, işgücü, emek harcanarak yapılan bir
araştırmadan; en doğru yöntemler uygulanarak ve de verilerin içerisindeki bilgilerin
tamamı gün ışığına çıkarılarak en yüksek yarar sağlanabilir.
Bu kitapta, araştırıcıların sık karşılaştıkları temel deneme planları ve
bunların SPSS istatistik paket programı ile analizleri
ele alınmıştır. Görsel,
kısmen interaktif, syntax komutları ezberlenmeksizin de analiz yapılabilen bu
istatistik paket programının her deneme planı için analiz aşamaları adım adım
verilmiştir. Ayrıca her deneme planı için sayısal örneklere ait program çıktıları da
kitapta yer almaktadır. Bu yolla, araştırıcının, çözümünü öğrendiği istatistik analiz
sonuçları ile program çıktılarını karşılaştırması, hangi sonuçların ne şekilde ve hangi
isimlerle program tarafından sunulduğunu öğrenmesi amaçlanmıştır. Bir çok
istatistik paket programında ortak olan bazı çıktıların (örneğin Sig., Prob. değeri
gibi) yorumları da yapılmıştır.
Temel deneme planları yanında yoğun kullanımı olan Regresyon
Analizleri konusu da kitaba alınmıştır. Hem basit, hem de çoklu regresyon
analizleri, en iyi modelin oluşturulması, değişken seçimi işlemleri SPSS’teki
analizleri ile birlikte anlatılmıştır.
Araştırıcılara ve öğrencilere yararlı olması dileğiyle... 2000
Prof.Dr. Yüksel BEK
Doç.Dr. Ercan EFE
Mustafa ŞAHİN

İÇİNDEKİLER

Sayfa No

1.GİRİŞ.............................................................................................................. 6
2. VARYANS ANALİZLERİ........................................................................... 8
3. TESADÜF PARSELLERİ DENEME PLANI............................................... 9
PROBLEMLER................................................................................................. 20
4. VARYANS ANALİZİNİN VARSAYIMLARI............................................ 23
5. VARYANS HOMOJENLİĞİ TESTLERİ.................................................... 25
5.1. F Testi................................................................................................... 25
5.2. Fmax Testi.............................................................................................. 25
5.3. Cochran Testi........................................................................................ 26
5.4. Bartlett Testi......................................................................................... 26
6.TESADÜF BLOKLARI DENEME PLANI................................................... 28
PROBLEMLER................................................................................................. 37
7. TEKERRÜRLÜ TESADÜF BLOKLARI DENEME PLANI...................... 39
PROBLEMLER................................................................................................. 48
8. ORTALAMALARIN KARŞILAŞTIRILMASI............................................ 51
9. LATİN KARESİ DENEME PLANI............................................................. 62
PROBLEMLER................................................................................................. 69
10. İÇ-İÇE SINIFLANMIŞ DENEME PLANLARI........................................ 72
10.1. İki Seviyeli İç-İçe Sınıflanma............................................................... 72
10.2. Üç Seviyeli İç-İçe Sınıflanma.............................................................. 78
PROBLEMLER................................................................................................. 85
11. FAKTÖRİYEL DÜZENLENMİŞ DENEMELER..................................... 87
11.1. 22-Faktöriyel Denemeler....................................................................... 87
12.2. Faktöriyel Tesadüf Blokları Deneme Planı.......................................... 93
PROBLEMLER.................................................................................................. 101
12. BÖLÜNMÜŞ PARSELLER DENEME PLANI.......................................... 105
PROBLEMLER................................................................................................. 112

...........................................................4.................. βˆ 0 ..........2........................................ SPSS Programı Pencere ve Menüleri... 162 15. 126 14............................. 168 15............... Basit Regresyon...............................1..................................1............ 177 16..SPSS İSTATİSTİK PAKET PROGRAMI KULLANIMI....................2....................................2........... 114 PROBLEMLER............1................................................. 162 15...... Mümkün Olan Tüm Regresyonlar........................ 197 Ekler……………………………………………………………………………200 ..................... 177 16....... 123 14...................................................... REGRESYON VE KORELASYON........................ 139 14................... ÇOKLU REGRESYONDA MODELE GİRECEK DEĞİŞKENLERİN SEÇİMİ..........................................2......................................................2................................... İki Bağımsız Değişken İçin Model ve Parametrelerin Tahmini 151 PROBLEMLER... Değişken Eleme İşlemi ( Backward).... Data Editor Penceresi Menüleri ve Simgeleri................................. Regresyon Varyans Analizi................................... SPSS Programını Çalıştırma...... 136 14............. 178 16................ 158 15..................1..................................... Değişken Ekleme Ve Eleme İşlemi (Stepwise)....... Korelasyon.............4.... 174 16.......... 178 16........................................................................................ 126 14....................1.........2.......................... Parametrelerin Tahmini............3.........1......3.............1....... 191 16..............1.................. BÖLÜNEN BÖLÜNMÜŞ PARSELLER DENEME PLANI..................... 151 14.. Output Penceresi Menüleri ve Simgeleri...... 170 15....................................................................................... Araç Çubuğu Geliştirme.......................3.4.................................... 137 14............................................................. Değişken Ekleme İşlemi (Forward Selectıon)......................................................... βˆ1 ve r Katsayılarının Önem Testleri ... ÇOKLU REGRESYON........................ 172 PROBLEMLER.... Güven Sınırları ve Uyum İyiliği... 128 14........2...13...

Deneme hatasının elde edilebilmesi için her bir muamelenin uygulandığı en az ikişer tane deneme ünitesi gerekir. Tekerrür sayısı arttıkça denemenin güvenilirliği artar. Faktör. Muamele. İşte istatistik araştırmaya burada girer... Bu nedenle birden fazla deneme ünitesine aynı muameleyi uygulamak ister. her bir muameledeki seviye sayısı.. a) TEKERRÜR: Aynı muamelenin uygulandığı birden fazla deneme ünitesine verilen isimdir. İstatistik teori. uygulama gibi isimler de alır. İyi bir denemenin planlanabilmesi için aşağıdaki hususlara dikkat edilmelidir. Aynı muamelenin uygulandığı birden fazla deneme ünitesine tekerrür (yineleme). Bu ve benzeri nedenlerle araştırıcının ele aldığı muamele sayısı. . araştırıcının. konu. Böyle bir değişkenlikten haberdar olan araştırıcı tek bir deneme ünitesine uyguladığı muameleye göre yorum yapmaz.vs deneme ünitesini oluşturur. Bir laboratuar denemesinde her bir petri kabı. ağaçların meyvelerindeki böcek zararlıları denemesinde her bir ağaç. araştırıcının üzerinde durduğu ve bilgi topladığı karaktere özellik adı verilir. Ancak tekerrür sayısını arttırmak ek masraf. etkisini araştırdığı etmendir. Deneme ünitesi ise araştırıcının ele aldığı en küçük deneme birimidir.1. Örneğin aynı özelliklere sahip. bazı değişkenleri kontrol etmede ve değişkenliğin geriye kalan kısmını da (hata) sonuçları yorumlarken deneysel veri olarak kullanmada araştırıcıya yardımcı olur. tekerrür arttıkça denemelerin planlanması zorunluluğu ortaya çıkar. ancak iki ayrı besi ortamına ekilen mikroorganizmaların gösterdiği büyümenin aynı olmayacağını bilir. balıkların büyümesi denemesinde her bir deneme havuzundaki balıklar.GİRİŞ Her araştırıcı değerlendirmede objektif olabilmek için istatistiki analiz yapmak ve bunlara dayanarak deneme sonuçlarını yorumlamak ister. Yani genelleştirecek olursak aynı muameleyi gören benzer deneme ünitelerinden elde edilen verilerin gösterdiği farklılıklar araştırıcının kontrolü dışındaki sonsuz sayıda etmenden (hata) ileri gelir. planlamalar yapmak suretiyle değişkenliği en küçük düzeye indirmede. iş gücü ve zaman gerektirdiğinden araştırıcı optimum sayıyı belirlemelidir.

Denemenin kesinlik derecesinin yüksek olması. diğer bir deneme ünitesine düşme şansına eşit olması gerekir.Sistematik hatanın olmaması. İyi planlanmış bir denemenin sahip olması gereken özellikler aşağıdaki gibidir.b) TESADÜFİ DAĞITIM: Muamele ortalamalarının ve deneme hatasının sapmasız tahminlerini elde edebilmek için bir muamelenin herhangi bir deneme ünitesine düşme şansının. . c) YARDIM İSTEME Araştırıcı bir denemenin planlanması aşamasında bir istatistikçiye danışmalıdır. 1. Aksi takdirde.Basitlik.Neticelerin geçerlilik sahasının geniş olması. 2. 3. bir denemenin kuruluş ve yürütülmesinden kaynaklanan hataların istatistik analiz aşamasında analitik olarak düzeltilmesi pek mümkün olmamaktadır. 4.

tesadüf blokları ve latin karesi deneme planlarının gelişmesini takiben eksik bloklar. ikili olarak aşağıdaki gibi 6 karşılaştırma yapmak gerekir. kısmi tekerrürlü denemeler. Ferhuş B. Ayvalık B. . Sır B. ortogonal olmayan denemeler gibi daha karışık planlar geliştirilmiştir. Halen yeni yeni planlar da geliştirilmektedir. Bu nedenle 2’den fazla karşılaştırmayı aynı anda yapan varyans analizi tekniği 1925’de Fisher tarafından geliştirilmiştir. t testi ile ikili karşılaştırmaların yapılması gerekir. Muamele sayısı arttıkça karşılaştırma sayısı çok daha fazla olacaktır. bölünmüş parseller. Şekil 2. Varyans analizlerinin geliştirilmesi ile araştırma metodlarında çok hızlı bir gelişme kaydedilmiştir. Örneğin 4 muamele olduğunda 4’ün 2’li kombinasyonu kadar (4C2=6) karşılaştırma yapmak gerekir. Tesadüf parselleri. VARYANS ANALİZLERİ Muamele sayısının 2’den fazla olması durumunda. Örnek olarak. Menzelet B.1. 4 farklı barajdaki aynalı sazanların ortalama ağırlıklarının aynı olup olmadığı test edilmek istendiğinde.2. Dört ortalamanın karşılaştırılması için ikili kombinasyonlar.

Her bir çeşit muamelemizin seviyeleri demektir.3. Bunların A.Tek yönlü bir heterojenlik söz konusudur. Bu durumda arazi 12 eşit parçaya (parsele) ayrılır ve tekerrür sayısı kadar çoğaltılan her bir muamelenin dağıtımı tamamen tesadüfi olarak yapılır. 1. bir ilaç hammaddesi kaynağı olan tıbbi bitki denemesi kurulmak istenirse öncelikle muameleler ve sayısı belirlenir. 3. D olarak isimlendirildiğini ve tekerrür sayısının 3 olduğunu varsayalım. her tarafa eşit miktarda gübre dağıtılmalı. Muamele sayısı = a = 4 Tekerrür sayısı = b = 3 a x b = 4 x 3 = 12 parsele gerek vardır. Yani toprak yapısı aynı olmalı.Homojen bir materyal olmalıdır. . Bu da araştırıcının denemek istediği muameledir. aynı şekilde sulanmalı. 2. Örneğimizde 4 ayrı çeşit muamelemizi oluştursun. deneme materyalinin tamamına aynı mücadele ilaçları aynı şekilde verilmelidir. Buna göre. Sonra her bir muamele (veya bir muamelenin her bir seviyesi) için tekerrür sayısı belirlenir.Muamelelerin deneme ünitelerine dağıtımı tamamen tesadüfidir. yetiştirme ve bakım işleri denemenin tamamında aynı olmalı. Tesadüf parselleri deneme planının özellikleri aşağıdaki gibidir. C. denemenin bazı yerleri çukur bazı yerleri tümsek olmamalı. TESADÜF PARSELLERİ DENEME PLANI Denemenin Kuruluşu: Örneğin arazide. B. Buna göre deneme alanının tamamen homojen olması gerekir.

e ij = i-inci muamelenin j-inci tekerrürüne ait tesadüfi hatayı. 607 Y3. Burada.1: Yerleşim sıklığının besi performansına etkisini araştırmak üzere homojen bir sürüden tesadüfi olarak seçilen 5’er buzağı aynı yemle besiye alınıyorlar. ifade eder. Örnek 3. Yij = i-inci muameleye ait j-inci tekerrürün gözlem değerini.1. Besi sonunda elde edilen canlı ağırlıklar aşağıdaki gibi bulunmuştur. 655 Y4. α i = i-inci muamele etkisini. 2552 . 676 Y. µ = Genel populasyon ortalamasını.Tesadüf parselleri deneme planının matematik modeli. 614 Y2. Yij = µ + α i + e ij şeklindedir. Yerleşim sıklığı: A= 21 m2 B= 18 m2 C= 15 m2 D= 12 m2 Çizelge 3.. Yerleşim Sıklığı Denemesinden Elde Edilen Besi Sonu Canlı Ağırlıklar. Yerleşim sıklığı A Y1 1 123 B Y2 1 127 C Y3 1 127 D Y4 1 129 Y1 118 Y2 119 Y3 131 Y4 141 2 2 2 2 Tekerrür Y1 124 Y2 123 Y3 129 Y4 132 3 3 3 3 Y1 125 Y2 117 Y3 143 Y4 140 4 4 4 4 Y1 124 Y2 121 Y3 125 Y4 134 5 5 5 5 Σ Y1..

K.K.) 4 = ∑ Y 2 / 5 − DK i.. − N i =1 r m Gruplar Arası Kareler Toplamı = GART = M. = ∑ ∑ Yijk − i =1 j =1 Y 2 ..T. N Yi2 Y 2 ....)= Y 2 . = ∑ Gruplar içi Kareler Toplamı = GİİR = Hata Kareler Toplamı m r m i =1j=1 i =1 2 = G.) = ∑ ∑ Y 2 − D.T.K. i =1 = ((6142+.K. Bu formüllerde tekerrür sayıları eşit (r) kabul edilmiştir. Model ister sabit ister şansa bağlı olsun.T.T.K. İJ İ =1 J =1 = (1232+... varyasyon kaynaklarına ait kareler toplamlarının hesaplanması değişmez.K... gruplar arası (muamele kareleri toplamı) ve gruplar içi (hata kareleri toplamı) diye iki kısma ayrılır: m n 2 Genel Kareler Toplamı = G.K.+6762)/5)-DK .K.. − M.T. İlk iki eşitliğin en son terimi Düzeltme Katsayısı (D. için serbestlik derecesi= GSD= m(r)-1= 4(5)-1= 19 Yerleşim Sıklığı (Muamele) Kareler Toplamı (M.) olarak ta ifade edilir.T..Çözüm: Bu deneme planında toplam varyans (genel kareler toplamı)..K. = 326686-325635. Düzeltme katsayısı (D. = ∑ ∑ Yijk − ∑ Yi2.K.2 = 1050.+1342) –D.T.K. r olur. 2552 2 = = 325635.2 N 20 4 5 Genel Kareler Toplamı (G.8 G.

S. Tablodaki kısaltmalar./H. – M. =396.T. = 1050.= 326289. =654/3=218 H.01'de önemli olarak gerçekleşir.79** Hata 16 396.T.8 Hataya ait serbestlik derecesi= HSD= m(r-1)=4(5-1)= 16 Hata Kareleri Ortalaması=H.79 > F3. KT = Kareler toplamını.2-325635.8 Çizelge 3. α=0.D. .8-654 = 396.8 Muamele (Yerleşim Sıklığı) **α=0.01 yanılma düzeylerinde istatistiki olarak önemli.16. KO = Kareler ortalamasını.8/16=24. Varyans Analiz Çizelgesi.24 .T.29 .79 > F3.K.K. Gösterir.D.0.8 Genel 19 1050. SD KT KO F 3 654 218 8. VK = Varyasyon kaynaklarını.8 8. α=0.T./M.K. = G. Varyasyon Kay.8 24. 218 F = MKO / HKO = = 8.2. Muamelelere ait F testi.K.05'te önemli 24.0. SD = Serbestlik derecesini.16.01 = 5.S.2 = 654 Muameleye ait serbestlik derecesi=MSD= m-1=4-1= 3 Muamele Kareleri Ortalaması=M.K.05 = 3.T.

Çizelge 3.44 σ 2Y ’nin toplam varyasyondaki % payı = 38. Şekil 3. yerleşim sıklığının besi performansına etkisi çok önemli bulunmuştur (P < 0.) E(K.44 Örnek 3. tesadüf parsellerinde modelin sabit veya şansa bağlı oluşuna göre değişmez.64 5 Toplam varyasyon = σ 2E + σ 2Y = 24. kareler ortalamalarının beklenen değerleri Çizelge 3.2'ye göre yerleşim sıklığı ile ilgili bir yorum yapmak gerekir.Sık. Model şansa bağlı ise Model sabit ise Varyasyon Kay. E(K.1’de de görüldüğü gibi açılan pencere.01). Kareler Ortalamalarının Beklenen Değerleri. Menü çubuğu üzerindeki ilk üç ana menü.64 x 100 = % 60.64 = 63.3'teki gibidir.8 = 38.) σ 2E + r σ 2Y σ 2E + r Σα i2 (m − 1) Hata σ 2E σ 2E Model şansa bağlı ise yerleşim sıklığına ait varyans unsuru ( σ 2R ) ayrıca hesaplanabilir. masa üstünde oluşturulan kısa yol simgesi ( ) iki kez tıklanarak program çalışır hale getirilir.3.O. paket programda veri girişinin yapılacağı editör (untitled) sayfasıdır.1’in SPSS İstatistik Paket Programı ile Çözümü Daha önce kurulan SPSS istatistik paket programı için.O.9 63. Bu test.) Muamele(Yer. σ 2E = 24. Çizelge 3.8 + 38. Modele göre. Word ve Exel . Buna göre.8 σ 2E + r σ 2Y = 218 σ 2Y = 218 − 24.

vb) ve karakter sayısı belirlenir.1. Çizelge 3. temizleme.gibi programlarda da kullanılan ve dosya açıp kapama (file). Column Format.1’deki veri grubunun editör sayfasına yazımı sırasında yerleşim sıklığının ve tekerrürlerin (besi sonu canlı ağırlıkların) ayrı ayrı sütunlara eşlenerek yazılmasına dikkat edilmelidir (Şekil 3. yapıştırma.. Değişken etiketlerini tanımlama işlemi Labels. menüsünde sütun genişliği ve yazı . ilgili sayfada veri veya simge arama (edit). font ve punto ayarları. Veri Girişinin ve Tanımlamalarının Yapıldığı Editör Sayfası. Çizelge 3.. Diğer ana menüler ise tamamen istatistiksel hesaplamalar için kullanılır. Bu menüde değişken etiketleri (variable labels) ve değişkenlerin seviyelerine ait etiketleme (Value label) işlemi yapılır.. menüsünden yapılır. kopyalama. Veri girişine başlamadan önce değişkenlerin özellikleri (sayısal veya alfabetik) ve değişken etiketleri tanımlanmalıdır. Data/define veriable menüsünde variable name kutucuğuna değişken ismi (alfabetik) 8 karakteri geçmeyecek şekilde yazılır. görsel değişiklikler ve değişkenlerin sayısal. Şekil 3. Değişkenlerin özellikleri (sayısal veya alfabetik) ve değişken etiketleri tanımlama işlemleri data menüsünden yapılır. alfabetik veya değişken etiketleri ile görüntülenmesi (view) gibi işlemlerin yapılabildiği alt menüleri içerirler. değişken türü alfabetik (string) olarak belirlendi.1’deki örnek için değişken ismi “ys (yerleşim sıklığı)”. alfabetik (string). Daha sonra Type menüsü içinde tanımlanacak değişkenin türü (sayısal (numeric).3)..

Şekil 3.3.1’deki Örnek İçin Veri Girişi.2’de verilmiştir.konumu gibi işlemler yapılır. Değişkenlerin özellikleri (sayısal veya alfabetik) ve değişken etiketleri tanımlama işlemleri data menüsü dışında. Değişkenlerin özellikleri ve değişken etiketleri tanımlama işleminden sonra analiz aşamasına geçilebilir. Çizelge 3.1’deki örnek için değişken ve değişkene ait seviyelerin etiketlenmesi işlemi Şekil 3.2. Analyze/General . Çizelge 3. Değişken ve Değişkene Ait Seviyelerin Etiketlenmesi İşlemi. her bir sütun üzerinde bulunan var (variable) ifadesinin çift tıklanması durumunda da yapılabilir. Şekil 3.

4. Model menüsünde specify model kısmında custom işaretlendikten sonra Factors covariates kutucuğundaki bağımsız değişkenin daha önce tarif edildiği şekilde Model kutucuğuna ataması yapılır.. Bu amaçla. model oluşturulmalıdır. Şekil 3. bağımsız değişkenin Fixed Factor(s) kutucuğuna atanmasından sonra model tanımlama aşamasına geçilebilir. Aynı işlemle. Bu sırada Build Term(s)’in “İnteraction”. . populasyon ortalaması ve tesadüfi hata dışındaki terimler Şekil 3. Sum of Squares’in “Type III” konumunda olmasına dikkat edilmelidir. menüsünde bağımlı ve bağımsız değişkenler tanımlanarak.linear model/Univariate.4'ün sol kısmındaki kutucukta görülen ve daha önce tanımlanan bağımlı değişkenin Dependent Variable kutucuğuna ve bağımsız değişkeninde Fixed Factor(s) kutucuğuna atanması gerekir. Bağımlı ve Bağımsız Değişkenlerin Atanması. Önce fareyle bağımlı değişken (besi sonu canlı ağırlık) üzerine bir kez tıklanır ve daha sonra Dependent Variable kutucuğunun yanındaki ok işareti. Şekil 3. bir kez tıklanarak bağımlı değişkenin dependent variable kutucuğuna atanması sağlanır. Yani denemenin matematik modelinde eşitliğin sağ tarafında kalan.5’deki gibi model kutucuğuna atanır.

. Şekil 3. SPSS İstatistik Paket Programında Analiz Sonuçlarının Görüntülendiği Pencere.6.5.Şekil 3. Model Tanımlama Aşaması.6). Model tanımlama aşamasından sonra model (Continue) ve değişkenler (OK) onaylandığı zaman SPSS istatistik paket programı tanımlanan analizi yapar ve yeni bir pencerede (Output1-SPSS for Windows Viewer) görüntüler (Şekil 3.

Değeri 0. Sig.6) bu F testinden sonra "Sig" adı ile verilmiştir. Deneme sonunda elde edilen değerler analiz için düzenlenmiş olarak aşağıdaki gibidir. İlaçlar B C 10 14 6 12 18 2 10 17 7 15 22 5 Σ 47 71 20 Tekerrür A 138 . Sig. yani (P<α).01). C=Duran) belli bir zararlı grubuna etkisi araştırılıyor.=0. Değeri > α ⇒ önemsiz. yani (P>α). Çizelge 3.Analiz sonuçlarından da görüldüğü gibi SPSS istatistik paket programı bağımsız değişken ve seviye etiketlerini ayrı bir Çizelgede (Between-Subjects factors). ilgili olasılık dağılışında hesaplanan test istatistiğini aşan kısmın olasılığıdır. hesaplanan test istatistiğine ait "önemlilik durumu" verilir. B= Sytramax.2: Üç farklı ilaç ilacın (A= Fenilan.6'da Sig. varyans analizini ise (Test of BetweenSubjects Effects) ayrı bir Çizelgede vermektedir.01 önem düzeyinde yerleşim sklığı önemli bulunmuştur (P<0. Çeşitli bilgisayar çıktısında P. Değeri ≤ α ⇒ önemli.01).4. Varyans analiz Çizelgesi incelendiğinde yerleşim sıklığı (YS) etkisinin çok önemli (Sig. Örnek 3. SPSS ve benzer bir çok istatistik paket programının bilgisayar çıktısında cetvele bakmaksızın karşılaştırabilmek için. Significance.001<α=0. Bu değer. İlaç Uygulaması İle Meydana Gelen zararlı Ölümleri. Of F gibi isimlerle de karşımıza çıkabilir. Probability. araştırıcının belirleyeceği α olasılığı ile aşağıdaki gibi karşılaştırılarak yorumlanır: Sig.001) bulunduğu görülmektedir (P<0. Bu olasılık. Analiz Çizelgesinin alt kısmında ise R2 ve düzeltilmiş R2 değerleri verilmiştir.01 olduğundan 0. Yukarıdaki varyans analizi sonucunda (Şekil 3. Şekil 3.

7'de Sig. . Şekil 3. Değeri 0.01).7'de verilmiştir.4'deki tesadüf parselleri deneme planına ait varyans analizi sonuçları analiz sonuçları Şekil 3.01 önem düzeyinde ilaç etkisi önemli bulunmuştur (P<0.Çözüm: Çizelge 3. Şekil 3.000<α=0. Örnek 3.01 olduğundan 0.7.2'nin Analiz Sonuçları.

Buna göre. Elde edilen sonuçlar (gr/gün) aşağıdaki gibidir. Buna göre. Tekerrürler Rasyonlar 1 2 3 4 5 ∑ A 60 62 66 74 63 325 B 55 56 50 49 45 255 C 33 45 37 42 29 186 D 65 70 74 73 75 357 E 22 28 16 26 28 120 ∑=1243 . varyans analizini ve F testlerini yapınız. Çeşit Tekerrür A 3 2 6 5 B 1 4 12 16 C 3 7 2 5 2) Beş faklı rasyonun etlik piliçlerdeki ortalama canlı ağırlık artışına olan etkisi araştırılıyor.PROBLEMLER 1) Aynı yağ fabrikasında işlenen üç soya çeşidinin küspesinde kalan % yağ miktarlarını belirlemek amacıyla bir çalışma yapılıyor. varyans analizini ve F testlerini yapınız. Bunun için üretim esnasında rasgele zamanlarda her çeşitten dörder tane örnek alınıyor ve laboratuvarda inceleniyor.

Yöntemler ∑ Tekerrürler Y1 11 15 10 36 Y2 2 12 4 18 Y3 22 14 12 48 Y4 9 20 10 39 ∑=141 . Tekerrür A=0. B=0.2mg/mlt.3) Sukroz düzeyleri farklı üç besi yerinde (A=0.2mg/mlt B=0. C=0.3mg/mlt C=0. varyans analizini ve F testlerini yapınız. Ekimden 24 saat sonra bazı besi yerlerinde kontaminasyon (yabancı bakteri bulaşığı) tespit ediliyor ve bazı besi yerleri denemeden çıkarılıyor.4mg/mlt). Buna göre. Elde edilen koloni sayıları aşağıdaki gibidir. hangi düzeyde daha fazla bakteri kolonisi oluştuğunu araştırmak üzere tesadüfen seçilen altışar besi yerine ekim yapılıyor. varyans analizini ve F testlerini yapınız.3mg/mlt. Buna göre.4mg/mlt 1 29 40 28 2 32 41 30 3 41 39 29 4 34 42 27 5 36 - 26 6 38 - - 4) Dört ayrı yöntemle hazırlanan toprağa üç tekerrürlü olarak ekilen aynı sayıdaki tohumlardan çimlenmeyenlerin sayısı aşağıdaki gibi bulunmuştur.

varyans analizini ve F testlerini yapınız.5 24.2 14 13 45.3 31 80. Gübreler Tekerrürler ∑ A 12 13.2 D 25.4 18.8 ∑=210 . Buna göre.6 44 B 15 13 12 40 C 18.5) Bir denemeden elde edilen veriler aşağıdaki gibidir.

1. 1. Bunun için bu varsayımların her birinin ayrı ayrı istatistik testleri vardır. sıfır korelasyon 3. Transformasyonlardan sonra varsayımlar yerine gelmiş ise varyans analizine geçilir.Yij’lerin Y şans değişkeninin gözlenmiş değerleri olması varsayımı.Tartılı Kareler Ortalaması Yöntemidir. 4. normal dağılışlı olması varsayımı. Bu testler yapıldıktan sonra tüm varsayımlar tutuyor ise varyans analizine geçilir.4.Toplanabilirlik varsayımı. Bu varsayımlar hem sabit hem de şansa bağlı modelde mevcuttur. Varyans analizinin varsayımları sırası ile aşağıdaki gibidir.Hataların tesadüfi. Bu yöntemler.Box’un Normal F İstatistiği. 1995). 2. 3. Hala varsayımlar tutmuyorsa. . açı transformasyonları veya araştırıcının belirlediği bir transformasyon) yapılarak yeniden varsayımlar test edilir. varyans analizi yapılamaz.Eşit varyans (homojen varyans). logaritmik. 2. VARYANS ANALİZİNİN VARSAYIMLARI Varyans analizi yapılabilmesi için bazı varsayımların tutması gerekir. 4.Brown ve Forsythe’ın Modifiye F’istatistiği. Her iki tip modelde de aynı varsayımlar bulunmakla beraber varsayımların yorumu. Bu durumlarda başka yöntemler vardır. Tutmuyor ise verilerin transformasyonları (karekök.Kruskal-Wallis Rank Analizi. hata dışında kalan etkilerin sabit veya şansa bağlı olmalarına göre ayrı ayrı olmaktadır (Bek ve Efe.

Örneğin denenmesi mümkün biyolojik sınırlar içerisinde 1 mg’dan 100 mg’a kadar hormon dozları (1 mg. 1954) gibi analiz şekillerinden biri kullanılabilir. bilinçli olarak seçildiği modellerdir.Sabit Model: Etkilerin araştırıcı tarafından tesadüfen değil. Welc analizi (Sokal ve Rholf. Eğer bu şekilde de homojenlik sağlanamaz ise Kruskal-Wallis rank analizi (Siegel.. hormon dozları muamelesi sabit etkili olur... . hem şansa bağlı etkiler içeren modeldir. Model şansa bağlı olduğu zaman deneme sonuçları genelleştirilebilir. Gibbons. 3 mg. Karışık Model: Hem sabit. Şansa Bağlı Model: Etkilerin mümkün tüm seçenekler içerisinden tesadüfen seçildiği ve denemeye alındığı modellerdir.100 mg) uygulanabilecekken bilinçli olarak 5. Varyanslar heterojen iken varyans analizi yapıp sonuçları yorumlamak hatalı neticeler verebilir. Genellikle varyans analizinin varsayımlarından yalnızca homojenlik testi (varyansların homojenliği varsayımı) yapılır. Modifiye f istatistiği (Brown ve Forsythe. 1971).. Varyanslar homojen ise diğer varsayımların da bu varsayımla sıkı ilişkili olmasından dolayı tuttuğu düşünülür ve varyans analizine geçilir.20 mg düzeyleri denemeye alınıyor ise. Eğer 1’den 100’e kadar yazıp kura ile örneğin 3-18-39-55-92 mg düzeylerini denemeye alırsa bu muamele şansa bağlı bir etkiye sahip olur. Bu nedenle böyle durumlarda veriler bir transformasyona tabi tutulup varyansların homojenliği sağlandıktan sonra varyans analizi yapılır. Araştırıcılar genellikle bu yolu tercih ederler ancak en iyisi tüm varsayım testlerini yapmaktır. 1974) veya Box analizi (Box.. 1956. 2 mg..1969).10. .15.

Test istatistiği. Fmax Testi İki veya daha fazla varyansın homojenlik testi için kullanılır. . F= S 2 büyük S 2 küçük ~ Fpay S. VARYANS HOMOJENLİĞİ TESTLERİ Varyans homojenliğini kontrol için çeşitli test işlemleri vardır. Fmax testi. k = Varyans sayısını. Test istatistiği. Payda S. Cochran testi ve Bartlett testidir.α) şeklindedir. Bunlardan en çok kullanılan dört tanesi F testi.. Burada. v = Her bir varyans hesaplanırken eşit sayıda gözlem var ise herhangi bir varyansın serbestlik derecesini ifade eder. 5.. F Testi İki varyans için kullanılan bir testtir.2. Fmax = S 2 en büyük S 2 en küçük ~ Fmax (k. α şeklindedir ve hipotezler. H 0 : σ12 = σ 22 H1 : σ12 ≠ σ 22 şeklinde oluşturulur. 5.1. v.D.5.D.

Örnek 3. Burada. Cochran ve Bartlett varyans homojenlik testleri ile test edilebilmesi için. C..3. H 0 : σ12 = σ 22 = σ 32 = .1'deki yerleşim sıklığının (ys) homojenlik testi için önce değişken atamaları ve model tanımlaması yapıldıktan sonra Options seçeneğinden Homogeneity tests seçeneği işaretlenir (Şekil 5. 5. Bunların yerine paket programda. v = Varyansların içerdiği gözlemler eşit ise her bir varyansın serbestlik derecesini ifade eder.1'deki yerleşim sıklığının (A. Ancak bu kitapta Syntax tanımlamaları üzerinde durulmayacaktır.4. bu yöntemlerin File/New/Syntax kısmında tanımlanması gerekir. C= S 2 en büyük l ~ C k.. D) SPSS paket programında F.. Test istatistiği. Fmax.1).. α ∑ Si2 i şeklindedir. Analyze/General Linear Model/ Univariate menüsündeki Options seçeneğinde yer alan Homogeneity tests seçeneği ile varyans homojenliği test edilir... B. Cochran Testi İki veya daha fazla varyansın homojenlik testi için kullanılır. . SPSS İstatistik Paket Programında Varyans Homojenlik Testleri.Bu testte hipotezler. 5.. Bartlett Testi X2 dağılışı kullanılarak yapılan bir testtir. k = Varyans sayısını. = σ 2k H1 : en az biri farklı şeklinde kurulur. Örnek 3. v.

'deki birinci kısımda (Levene's Test of Equality of Error Variances) varyansların homojen bulunduğu görülmektedir (Sig.2. satandart hata ve güven aralıkları da hesaplanacaktır (Şekil 5. .=0. bu durumda homojenlik testi ile Disply Means for kutucuğuna atanan değişkenlerin ortalama.1'deki Homogenetiy tests seçeneğinin işaretlenmesinden sonra. Şekil 5. İkinci kısımda ise yerleşim sıklığına ait ortalamalar. Ancak bu durumda değişkenin (YS) alfabetik değil de sayısal olarak tanımlanması gerekir. Varyans homojenlik Testi ve Güven Aralıkları.Şekil 5.05).. standart hatalar ve güven aralıkları görülmektedir. Şekil 5. Homojenlik Testinde Kullanılan Optins Menüsü. Factor(s) and Factor Interactions penceresinde görülen değişkenler Disply Means for penceresine atanırsa.2) Şekil 5.2.1.404>0. Varyans homojenlik testi aynı zamanda Analyze/Compare Means/One-Way-ANOVA menüsünden de yapılabilir.

Her bir blok muamele sayısı kadar parsele bölünür ve her bir blok içerisinde.TESADÜF BLOKLARI DENEME PLANI Denemenin Kuruluşu: Deneme materyali tek yönlü heterojenlik gösterdiği zaman heterojenliğe dik olarak (arazi denemesi ise) uygun sayıda blok yapılır.6. Bu nedenle de bir muamelenin yan yana ya da alt alta rastlaması mümkündü. (Tesadüf parsellerinde ise deneme alanı ya da materyali tamamen homojendi ve her bir muamele tekerrür sayısı kadar çoğaltılarak deneme ünitesinin tamamına tesadüfen dağıtılıyordu. her bir muamele tesadüfi olarak dağıtılır. β i = j-inci blok etkisini. e ij = j-inci bloktaki i-inci muameleye ait tesadüfi hatayı. Yij = µ + α i + β j + e ij şeklindedir. Burada. µ = Genel populasyon ortalamasını.) Tesadüf blokları deneme planının matematik modeli. . Dağıtım gereği her bir blok içerisinde bir muamele birden fazla görülemez. α i = i-inci muamelenin etkisini. ifade eder. Yij = j-inci bloktaki i-inci muamelenin gözlem değerini.

K.2j j=1 t BLOK K.Örnek 6.. C=7 mg/lt...T.K.) ve hata kareleri toplamı (H. blok kareler toplamı (BL. Elde edilen sonuçlar analiz için düzenlenmiş olarak aşağıdaki gibidir. ..T. D=5 mg/lt.T. t r G.K. rt .. 2. Muamele sayısı i=1. Etkili madde düzeyleri farklı ilaçlar: A=11 mg/lt.. B=9 mg/lt. .. Deneme sonucunda 1 m2’lik alan içerisindeki yabancı ot miktarları sayılıyor.1. 1 m2’lik Alan İçerisindeki Yabancı Ot Miktarları. muamele kareler toplamı (M.) diye üç kısma ayrılır.T.).1: Çilekte yabancı ot kontrolünü yapmak amacıyla etkili madde düzeyleri farklı 4 ayrı ilaç 3 blokta denemeye alınıyor... 2. Çizelge 6.. Bloklar I İlaçlar II 69 Y12 22 Y22 19 Y32 21 62 C Y13 18 Y23 22 Y33 24 64 D Y14 25 Y24 27 Y34 30 82 Y11 B ∑ 86 23 Y31 ∑ 25 A 21 Y21 III 91 100 277 Çözüm: Bu deneme planında toplam varyans (genel kareler toplamı). rt − Y 2 .T.t ve blok sayısı j=1.r olmak üzere. = ∑ ∑ Yij2 − i =1 j =1 r Y.K. = ∑ Y 2 ..

083 =25. rt .K. r Y. için ait serbestlik derecesi=GSD= rt – 1= 3(4)-1=11 t Yi2 .167 Blok’a ait serbestlik derecesi= BlokSD= r-1=3-1= 2 Y 2 . Buna göre örnek için. = G.. − r rt H.083 =80.+822)/3)-DK =6475-6394. rt = ((862+. = ∑ i =1 Yi2 ....+1002)/4)-D..K.917 G.2j j =1 t Blok Kareler Toplamı (BLOK K...K.. Y 2 .)= = = 6394.2j t Y 2 .T.. = 124.K.T.T..T. 2 = ∑ ∑ Yij − ∑ −∑ i + rt i =1 j=1 j=1 t i =1 r t r olur.K. =6368.T.. i =1 r Muamele (İlaç) Kareler Toplamı (M..T. Y 2 ..t M.) = ∑ − Y 2 .) = ∑ ∑ Yij2 − i =1 j =1 Y 2 .T..T.+302) –D.K. rt = (212+.083 N 12 t r Genel Kareler Toplamı (G.916-6394.K. − BLOK K.K.T. Y 2 .. 277 2 Düzeltme katsayısı (D.K. − M.K...917 Muameleye ait serbestlik derecesi=MSD= t-1=4-1= 3 r Y.)= ∑ − = ((692+.

05 = 4. SD KT KO F Blok 2 25. F testleri: 1-) Blok için.05 = 5. = 124.05). 26972.5 = 4. Varyasyon Kay.01 = 9.0.167 12583.T. 12583.6.33 F= = 8.33 8.K.T.593* Hata 6 18.009 < F2.2.833 Genel 11 124.833 8.K.05).917 =18.593 > F3.833 3138.T.05 yanılma düzeylerinde istatistiki olarak önemli.0. –BLOK K.6.167-80.5 4.14 3138.T. Varyans Analiz Tablosu. muamele etkisi ise istatistiki olarak önemli bulunmuştur (P<0.K.917 26972.917 *α=0. ..593 < F3.833 Hataya ait serbestlik derecesi= HSD= (r-1) (t-1)= (3-1) (4-1)=6 Çizelge 6. = G.H.78 F= Blok etkisi istatistiki olarak önemsiz bulunmuştur (P>0.917-25.6.833 2-) Muamele için.009 Muamele 3 80.0.M.76 3138.

= σ 2E + rσ 2M =26972.O.3.O.833 Blok K.) Varyasyon Kay.167 + 7944.33 σ 2M =7944.833+(4) σ 2B =12583.5 σ 2B ’nin toplam varyasyondaki % payı. Model Şansa Bağlı İse Yerleşim Sıklığına Ait Varyans Unsurları.833+(3) σ 2M =26972. E(K. Model şansa bağlı varyasyondaki % payları. toplam .499 =13444.499 Toplam varyasyon = σ 2E + σ 2B + σ 2M = 3138.167 M.K. ise muamele ve bloğun σ 2E = 3138.O.5 3138.Çizelge 6.= σ 2E + tσ 2B =12583. (Model Şansa Bağlı) Bloklar σ 2E + tσ 2B Muamele σ 2E + rσ 2M Hata σ 2E şeklindedir.833 + 2361.5 σ 2B =2361.33 3138.

5)*100 =%23.1’deki gibidir. =(3138. Örnek 6. Şekil 6.1’nin SPSS İstatistik Paket Programında Çözümü Çizelge 6.= 2361.499 x 100 = % 59. = 7944.167 x 100 = % 17.35 şeklinde hesaplanır.5 σ 2M ’nin toplam varyasyondaki % payı. .1’e Ait Veri Girişi.56 13444.1’deki örnek için ilaçlar. bloklar ve yabancı ot miktarlarının editör sayfasına giriş biçimi Şekil 6.833/13444.5 σ 2E 'nin toplam varyasyondaki %payı. Örnek 6.09 13444.1.

Daha sonra model tanımlaması için Model butonu tıklanarak Şekil 6.2.3’te görüldüğü gibi analiz sonuçları yeni bir pencerede (Output1-SPSS for Windows Viewer) görüntülenir.1’deki gibi veri girişi yapıldıktan sonra Analyze/General linear model/Univariate.2’ de görüldüğü gibi model tanımlaması yapılır. Model tanımlama aşamasından sonra. Örnek 6. model (Continue) ve değişkenler (OK) onaylandığında Şekil 6. menüsünde bağımlı değişken olan yabancı ot miktarı Dependent Variable kutucuğuna ve bağımsız değişkenler (çeşit. blok) Fixed Factor(s) kutucuğuna atanarak değişken tanımlama aşaması tamamlanır.1’e Ait Matematik Modelin Tanımlanması.Şekil 6. Şekil 6. ..

2: Üç farklı çam türünde (sarıçam.1’in Varyans Analizi Sonuçları. karaçam.4 15.4 0. Türler 0-400 400-800 800-1200 1200-1600 1600-2000 Bloklar Σ Sarıçam Karaçam Kızılçam Σ 2.3 19.5 2. Örnek 6. bir bölgenin değişik yerlerinden tesadüfen belirlenen her bir türden 180'er tane ağaçtaki keseler sayılmış ve ortalamaları alınarak aşağıdaki çizelge hazırlanmıştır.05).2 5 7. kızılçam) değişik yüksekliklerde (0-400. Sonuç olarak. 800-1200. 1600-2000) kese böceklerinin miktarları incelenmiş ve bu amaçla her yükseklik düzeyinde.1 4 4.4.8 8 3.2 0. Değişik Yüksekliklerde Sayılan Kese Sayıları.3’te görüldüğü gibi İlaç etkisi %5 düzeyinde önemli bulunmuştur (P<0.6 49 72.5 10 12. 400-800.5 4 13. Şekil 6.9 2 0.8 16.3.2 8. Çizelge 6.05). 12001600. Ancak blok etkisinin önemsiz olduğu görülmektedir (P>0.Şekil 6. Örnek 6.8 .7 28.3 0.

Şekil 6.3.'de verilmiştir. .4. Şekil 6.Çözüm: Çizelge 6.4’te görüldüğü gibi blok (yükseklikler) etkisi %5 (P<0. Örnek 6. çam türleri ise %1 düzeyinde (P<0.4'deki tesadüf blokları deneme planına ait varyans analizi sonuçları analiz sonuçları Şekil 6.01) önemli bulunmuştur.2’in Varyans Analizi Sonuçları.05) düzeyinde.

PROBLEMLER 1) Aşağıdaki analiz için düzenlenmiş verilerin varyans analizini ve F testlerini yapınız. varyans analizini ve F testlerini yapınız. varyans analizini ve F testlerini yapınız. . D=1900 enerji+%8 protein) bıldırcınlardaki canlı ağırlık artışı üzerine etkisi araştırılıyor. Buna göre. Muameleler Bloklar A B C D E ∑ I 3 10 6 2 20 41 II 8 15 12 6 15 56 III 1 4 8 2 10 25 ∑ 12 29 26 10 45 122 2) Bir denemeden elde edilen veriler aşağıdaki gibidir. Buna göre. Bloklar Muamele I II III ∑ 1 6 5 3 14 2 5 6 7 18 3 5 4 5 14 4 8 9 4 21 ∑ 24 24 19 67 3) Enerji düzeyleri farklı dört rasyonun (A=2200 enerji+%8 protein. C=2000 enerji+%8 protein. Deneme sonunda elde edilen sonuçlar (gr/gün) aşağıdaki gibidir. B=2100 enerji+%8 protein.

C= 2 kg/parsel. heterojenliğe dik olarak 4 blok oluşturulmuştur. B= 3 kg/parsel. Arazi homojen olmadığı için. Buna göre. Bloklar Gübre Dozları 1 2 3 4 A 17 19 21 20 77 B 14 11 16 15 56 C 13 15 15 14 57 D 13 14 12 11 50 57 59 64 60 240 ∑ ∑ . D= 1 kg/parsel) verim üzerindeki etkisini incelemek amacıyla bir gübre verim denemesi yapılmıştır.Bloklar Rasyonlar 1 2 3 ∑ 1 6 5 6 34 2 5 6 7 42 3 5 4 5 28 4 10 11 7 53 ∑ 52 55 50 157 4) Bağcılıkta azotlu gübre dozlarının (A= 5 kg/parsel. varyans analizini ve F testlerini yapınız. Deneme sonunda elde edilen sonuçlar analiz için düzenlenmiş olarak aşağıdaki gibidir.

Örnek 7. Anacak her bir muamele. α i = i-inci blok etkisini. Yijk = i-inci bloktaki. Burada. B=20 kg/da. µ = Genel populasyon ortalamasını. C=25kg/da. Farklı miktarlardaki çiftlik gübreleri: A= 15 kg/da.7. Yijk = µ + α i + β j + (αβ) ij + e ijk şeklindedir. Tekerrürlü tesadüf blokları deneme planının matematik modeli. (αβ) ij = i-inci bloktaki j-inci muamelenin interaksiyon etkisini. j-inci muamelenin. β i = j-inci muamele etkisini. ifade eder. Deneme sonunda elde edilen sonuçlar (kg) aşağıdaki gibidir. e ijk = Tesadüfi hatayı. . TEKERRÜRLÜ TESADÜF BLOKLARI DENEME PLANI Denemenin Kuruluşu: Tesadüf blokları deneme planının kuruluşundaki özellikleri taşır.1: Üç farklı miktardaki çiftlik gübresinin domates verimi üzerine etkisi araştırılıyor. her bir blokta birden fazla tekrarlanır. k-ıncı tekerrürüne ait gözlem değerini. Deneme üç blok üzerinde kuruluyor ve bir blokta her bir gübre düzeyini alan deneme ünitesi sayısı iki olacak şekilde deneme tertip ediliyor.

Bloklar Gübre Düzeyleri İ=1 İ=2 Y111 50 Y111 60 Y111 70 Y111 60 Y111 40 J=2 Y111 50 Y111 40 Y111 70 B Y111 30 Y111 50 Y111 70 J=3 Y111 80 Y111 90 Y111 80 C Y111 100 Y111 110 Y111 70 J=1 Y111 A ∑ 60 İ=3 390 400 390 ∑ 340 310 530 1180 Çözüm: Tekerrürlü tesadüf blokları deneme planında varyasyon kaynağı 4 ana parçaya ayrılır. = (60 2 + . = Y 2 .. blok x muamele ve hatadır..b=3 .444 Genel kareler toplamına ait serbestlik derecesi = N ... i =1 j=1 k =1 = 85000 − 77355.T. blok...1 = 17 .K.m=3 ve tekerrür sayısı k=1.r=2 için. Varyasyon kaynaklarına ait kareler toplamı. + 70 2 ) − D.56 N 18 b m r 2 G. = ∑ ∑ ∑ Yijk − D. D. 1180 2 = = 77355. 2. muamele. Blok sayısı i=1..1...K. 2. Muamele sayısı j=1.K..1 = 18 .56 = 7644.. .... Domates Verimleri. 2....Çizelge 7...K.. Bunlar.

889 = 1000 .. i =1 r m = 77366.444-11.M..K.444-1888. alt gruplar arası kareler toplamı hesaplanır.444 (Blok x Muamele)int..-(BL.K. K. = ∑ − D.444 . + 530 2 ) − D.. j=1 br M.)K.T. = 82100 − 77355.. − BL.K.1) = 2 x 2 = 4 Hata K..T..T. = ∑ ∑ Yij2 .. i =1 j =1 = ((60 + 70) 2 + ..111 Blok kareler toplamına ait serbestlik derecesi =b-1=3-1=2 m Y 2 . − D.K.56 = 4744..xM.. = ∑ = 11.K. + 3902 ) / 6) − D. = G. = 84000 − 77355.K.T – BL.T.11.. Blok x Muamele interaksiyonunu bulmak için.T = 7644.T...444 . + (80 + 70) 2 − D.889 Blok x Muamele kareler toplamına ait serbestlik derecesi =(b . = Alt Gr.4744.. = ((3902 + .T..K. her bloktaki aynı muameleye ait toplamlardan.K.K.T.... = (340 2 + ..T.K.K.1)(m . b m Alt Gr..444 Muamele kareler toplamına ait serbestlik derecesi =m-1=3-1=2 bulunur. − M.T. / r − D. = 6644.K..Yi2 . j.67 − 77355.56 b BLOK K.K.T.111 = 1888.111-4744.56 = 6644..

F= 472.9.25 > F4.26 .1) = 3 x 3 x (2 .25 < F4.Blok X Muamele için.9.1 *α=0.01 = 8.01 yanılma düzeylerinde istatistiki olarak önemli.05 4.05 = 4. SD KT KO Blok 2 11.25* 111.2 21.9.0.35** Blok X Muamele 4 1888.444 2372.1) = 9 Çizelge 7.2.9.1 21. (önemsiz) 111.02 .35 > F2.55 F 0. (önemli) 111.1 4.2 = 21.01 = 642 .26 .35 > F2.0.0.444 5. (önemsiz) .0.2 = 4.1 2-Muamele için.05.Hata kareler toplamına ait serbestlik derecesi =bm (r . (önemli) 111.05 = 3. Varyans Analiz Tablosu.0. F= 5.**α=0. F= 2372.55 = 0. (önemli) 3.Blok için. F testleri: 1.889 472.05 < F2. Varyasyon Kay.9.05 = 4.111 Muamele 2 4744.63 .2 Hata 9 1000 Genel 17 7644.

Örnek 7. menüsünde bağımlı değişken olan domates verimi..1. Şekil 7. Dependent Variable kutucuğuna ve bağımsız değişkenler (gübre dozu.1’deki örnek için gübre düzeyleri.2’nin sağ kutucuğunda bulunan gübre ve blok değişkenlerinin interaksiyon tanımlaması yapılırken. Şekil 7. . Fixed Factor(s) kutucuğuna atanarak. blok). Örnek 7. Analyze/General linear model/Univariate. sol (Model) kutucuğa atama yapılır.1’e Ait Veri Girişi. Model butonu tıklanarak Şekil 7. değişken tanımlama aşaması tamamlanır. Daha sonra model tanımlaması. Böylece interaksiyon etkisi tanımlanmış olur. Şekil 7.1’in SPSS İstatistik Paket Programında Çözümü Çizelge 7.1’deki gibi veri girişi yapıldıktan sonra. bloklar ve domates verimlerinin editör sayfasına giriş biçimi Şekil 7. her iki değişkenin üzerine bir kez tıkladıktan sonra.2’ de görüldüğü gibi yapılır.1’deki gibidir.

model (Continue) ve değişkenler (OK) onaylandığında analiz sonuçları Şekil 7.1’e Ait Matematik Modelin Tanımlanması. .Şekil 7.3. Model tanımlama aşamasından sonra.2. Şekil 7. Örnek 7. Örnek 7.1’in Varyans Analizi Sonuçları.3’de görüldüğü gibi görüntülenir.

Burada Factors kutucuğunda yer alan blok değişkeni Horizontal Axis kutucuğuna (yatay eksene). blok etkisinin ise önemsiz olduğu görülmektedir (P>0. Önemli çıkan interaksiyon etkisini grafik üzerinde görmek için. Daha sonra aktif hale geçen Add.3’deki analiz sonuçlarına bakıldığında. Şekil 7.5'de verilmiştir. İnteraksiyon grafiği Şekil 7.05). gübre etkisinin %1 yanılma düzeyinde (P<0.05) önemli olduğu. değişken ve model tanımlamasından sonra.Şekil 7. Grafik Çizimi Için Yatay ve Dikey Eksenlerin Tanımlanması.01). gübre değişkeni ise Separate Lines kutucuğuna (dikey eksen) atanır. butonu tıklandığında en alttaki kutucuğa interaksiyon (blok*gübre) ataması yapılır.4). blo*gübre interaksiyon etkisinin %5 yanılma düzeyinde (P<0. Plots seçeneğinde yatay ve dikey eksenlerde hangi değişkenlerin bulunacağı belirlenir (Şekil 7. .4..

Gübre Blok Interaksiyon Garfiği. nem.2: Bir turunçgil çeşidi üzerinde yapılan denemede dört ayrı hormon düzeyini içeren besi ortamları steril şartlarda hazırlanıyor. sıcaklık. havalandırma bakımından heterojenlik olacağı düşünülüyor. .5'deki grafik'te görüldüğü gibi gübre düzeylerine ait her üç doğruda kesişmiş veya kesişecektir. İklim odasındaki alt alta üç raf blok olarak alınıyor. Şekil 7.Şekil 7. Deneme sonucunda elde edilen veriler analiz için düzenlenmş olarak Çizelge 7.5. Buda interaksiyon etkisinin önemli olduğu görüşünü desteklemektedir. çünkü iklim odasında yukarıdan aşağıya ışık.3'deki gibidir. Örnek 7.

'deki tekerrürlü tesadüf blokları deneme planına ait varyans analizi sonuçları analiz sonuçları Şekil 7. Şekil 7.6'da verilmiştir. Ancak blok etkisi ve çeşit x blok interaksiyon etkisi önemsiz bulunmuştur (P>0. Örnek 7.3.05) düzeyinde önemli bulunmuştur. Turunçgil Çeşidi Deneme Verimleri. Çeşitler A B C D ∑ Raflar (Bloklar) 1 2 3 3 2 1 7 4 6 10 17 10 12 10 1 8 6 10 5 3 2 1 3 5 4 2 1 50 47 36 ∑ 23 60 34 16 133 Çözüm: Çizelge 7.2’nin Varyans Analizi Sonuçları. Şekil 7. .6’da görüldüğü gibi çeşit etkisi %5 (P<0.05).3.Çizelge 7.6.

varyans analizini ve F testlerini yapınız. ancak bazı bıldırcınlar denemede etkisi araştırılan (rasyonlar. Bloklar Muameleler 1 2 3 4 Σ 1 2 3 4 9 8 9 6 10 9 7 7 8 9 10 11 11 12 10 12 8 7 8 7 6 8 9 8 11 12 11 13 13 14 10 14 76 79 74 78 Σ 65 83 61 98 307 2) Enerji düzeyleri farklı dört rasyonun (A=2200 enerji+%8 protein. Deneme sonunda elde edilen sonuçlar (gr/gün) aşağıdaki gibidir. . ırk) faktörlerden başka nedenlerle (ölüm. Her ırkta her bir rasyonu alan deneme ünitesi sayısı (bıldırcın) beş olacak şekilde deneme tertip ediliyor.PROBLEMLER 1) Arılarda yavru çürüklüğü hastalığına karşı Fumajil-A nın dört seviyesi. C=2000 enerji+%8 protein . kafeslerden çıkıp hangi kafesten çıktığının belli olmaması ve yerine koyulamaması vs) denemeden atılıyor. Buna göre. varyans analizini ve F testlerini yapınız. bir blokta her bir dozu alan deneme ünitesi iki olacak şekilde deneme tertip ediliyor. Denemede üç farklı ırk kullanılıyor ve ırklar blok kabul ediliyor. Buna göre. D=1900 enerji+%8 protein) bıldırcınlardaki canlı ağırlık artışı üzerine etkisi araştırılıyor. B=2100 enerji+%8 protein. üç blok üzerinde. sakatlanma. Elde edilen sonuçlar (koloni başına % kayıp) aşağıdaki gibidir.

0 9.3 14.8 4.5 5.0 7.9 4.6 9.5 5.4 7. .2 5.6 80.0 ∑ 49.0 2.1 81.6 3.5 3) Etkili madde düzeyleri farklı üç ilacın (A= 8 mg/lt.8 3. varyans analizini ve F testlerini yapınız. Deneme sonunda elde edilen sonuçlar (adet) aşağıdaki gibidir.4 5.5 8.0 6.2 4.0 8.0 5.6 D ∑ 8.3 258.2 6.Rasyonlar A Bloklar (Irklar) I1 I2 I3 6.6 8. B=12 mg/lt.1 4.0 7.0 6. Buna göre.4 88.2 5.5 6.4 3.8 7.7 11.2 10.2 8.4 B C 2.1 12.2 81 46. Deneme üç blok üzerinde kuruluyor ve bir blokta bir ilacı alan deneme ünitesi sayısı iki olacak şekilde deneme tertip ediliyor.8 89.2 9.2 4.0 6. C=16 mg/lt) patlıcanda yaprak biti zararlısına etkisi araştırılıyor.0 6.

Deneme sonunda elde edilen sonuçlar (kg) aşağıdaki gibidir.Etkili Madde Düzeyi A B C ∑ Bloklar 1 2 3 17 15 16 18 16 14 15 14 17 13 19 17 18 19 18 42 39 28 123 122 110 ∑ 96 95 164 355 4) Üç farklı miktardaki çiftlik gübresinin (A= 15 kg/da. C=25kg/da) domates verimi üzerine etkisi araştırılıyor. Deneme üç blok üzerinde kuruluyor ve bir blokta her bir gübre düzeyini alan deneme ünitesi sayısı iki olacak şekilde deneme tertip ediliyor. B=20 kg/da. Gübre Düzeyleri A B C ∑ 1 60 70 50 30 80 100 390 Bloklar 2 50 60 40 50 90 110 400 3 60 40 70 70 80 70 390 ∑ 340 310 530 1180 . varyans analizini ve F testlerini yapınız. Buna göre.

Korunmamış LSD olarak ikiye ayrılır.05)10-1)=0.3693’e çıkar (αd=(1-(1-α)k-1)=(1-(1-0. 1. a) LSD TESTİ En küçük önemli fark demektir. Örneğin α=%5 iken 10 muamele ortalaması için deneme başına hata miktarı αd=0. i) Korunmuş LSD testi. a) LSD testi. i) Korunmuş LSD testi: Korunmuş LSD testi yalnızca F testinin önemli çıkması halinde kullanılır.3693).8. b) Tukey testi. Araştırıcının bu hususu unutmaması gerekir. Çünkü test yaparken I. d) SNK testi.Çoklu karşılaştırma yöntemleri. ii) Korunmamış LSD testi.Contrast tanımlama. 2. Bunlar sırası ile. c) Duncan testi. Bu test I. 3. II.Regresyon tekniği. . ORTALAMALARIN KARŞILAŞTIRILMASI Ortalama karşılaştırma yöntemleri üç ana başlık altında toplanabilir. Üç’ten fazla ortalama olması halinde sakıncalıdır.Korunmuş LSD testi. tip hata düzeyi örneğin %5 seçilirse dahi ortalama sayısı arttıkça deneme başına hata miktarı artmaktadır.

. n = Her bir muameledeki tekerrür sayısını.667 B = 310/6=51...667 C = 530/6=88. 1976). ifade eder..cetveli mevcuttur (Chew. Σn i2 1 no = [ Σn i − ] Σn i t −1 ve nh = t ( 1 1 1 + + ... Bu LSD testi için hazır t. Gübre düzeyi ortalamaları. S2 = Hata kareler ortalamasını (varyansı). v = V serbestlik derecesinde ve belirlenen α önem seviyesindeki t-cetvel değerini.333 .1’deki gübre düzeyi ortalamaları LSD testi ile aşağıdaki gibi karşılaştırılır.(t= Ortalama sayısı). Ortalamalardaki gözlem sayıları farklı olduğu zaman bir ortak n değeri (n0 veya nh (harmonik ortalama)) hesaplanır. Deneme başına hata(αd) en fazla karşılaştırma başına (αc) hata kadar olur. v 2S 2 n şeklindedir. t α. ii) Korunmamış LSD testi: F’nin önemli olması gerekmez. Örnek 7. A = 340/6=56. + ) n1 n 2 nt şeklindedir.Korunmuş LSD test istatistiği. Burada. LSD = t α.

SPSS'deki grupların oluşma şekli Çizelge 8. Çizelge 8.262 6 = 13.333 36.333 B 51. B A C 51.111) 2 = t 0.667 88.667 fark önemli. A.1’deki gibidir.LSD test istatistiği. Farklar çizelgesinde elde edilen bu değerden büyük olan farklar "*" işareti ile işaretlendikten sonra ortalama grupları oluşturulur. 13.766<31. .111) 2 = 2.667 fark önemli. v 2S 2 2(111.1.667* 31. 13. Farklar Çizelgesi.667* LSD hesap değeri=13.766<36.667 C 88.2’deki gibidir.9 n 6 2(111.766>5 fark önemsiz.667 56. LSD = t α. Ortalama grupları değişik kaynaklarda veya bilgisayar çıktılarında değişik şekillerde gösterilir.766 şeklinde hesaplanır.05.667 5 A 56. B ve C ortalamalarına ait (sıra ve sütunlarda küçükten büyüğe doğru sıralanmış) farklar çizelgesi Çizelge 8.

A C B 51.Çizelge 8.grup 2.667 88. SPSS'deki Grupların Oluşma Şekli. C ortalama farklı bulunmuştur.grup 51.333 veya A B C a a b şeklinde de göstermek mümkündür.667 88. LSD testine göre %5 yanılma düzeyinde. A ve B ortalamaları arasında istatistiki açıdan bir fark yokken. Bilimsel makalelerde ise ortalama çizelgeleri üzerinde harflendirme yöntemi çok kullanılır.667 56. Yukarıdaki sonucun yorumlanması şöyle yapılabilir. Bu üç gösterim şekli yorumlamada araştırıcıya kolaylık sağlar. Ortalama Grupları 1.2.333 şeklindedir. A ve B gübre dozları verim bakımından aynı etkiye sahiptir yorumu yapılabilir. Ayrıca ortalama gruplarını. . Yani C gübre dozu ile en yüksek domates verimine ulaşılırken.667 56.

Burada.1’deki gübre düzeyi ortalamaları Tukey testi ile aşağıdaki gibi karşılaştırılır.t . Test istatistiği. t . Test istatistiği. n = Her bir ortalamadaki tekerrür sayısını. B ve C ortalamalarına ait farklar çizelgesi Çizelge 8. q α.b) TUKEY TESTİ Tukey’in HSD testi olarak bilinir.998 şeklinde hesaplanır. ifade eder. v = Hata kareler ortalamasının serbestlik derecesini.05.111) 2 = q 0.111) 2 6 = 16.3. A. S2 = Varyans analizindeki hata kareler ortalamasını (varyans). α = Önem seviyesini. Örnek 7.95 (111.3’deki gibidir. t . Tukey testi de LSD’de olduğu gibi bir kritik değer kullanır.9 n 6 = 3. W = q α. v S2 (111. v = Tukey testi için cetvel değerini. S2 W = q α.v n şeklindedir. .

B ve C Ortalamalarına Ait Farklar.667 5 A 56. LSD testinde olduğu gibi bulunmuştur. S2 = Hata kareler ortalamasını.p. Araştırıcılar ortalamaları arasında bir farklılık olmasını arzu ettiklerinden bu testi sıklıkla kullanırlar. . Çünkü daha küçük farklılıkları bile önemli bulan bir testtir.333 36.667* Tukey hesap değeri=16. 16. Test istatistiği. A ve B ortalamaları arasında istatistiki açıdan bir fark yokken. c) DUNCAN (DMR) ÇOKLU ARALIK TESTİ Daha fazla ortalama grubu oluşturan bir testtir.998>5 fark önemsiz.3. Burada.p.667 C 88.Çizelge 8.667 fark önemli.998<36. B A C 51. Q α. v S2 n şeklindedir.998<31. A. 16. D p = Q α . p = Büyüklük sırasına dizilmiş ortalamalar arasındaki kademe sayısını. Tukey testinde de. C ortalama farklı bulunmuştur.333 B 51.667 88. Yani F testi önemli çıkmasa dahi bu testler yapılır ve ortalamalar arasında farklılık olabilir. %5 yanılma düzeyinde.667 fark önemli.667* 31. Tukey. Ortalama grupları. Duncan ve SNK testleri F testine bağlı değildir. v = Kritik cetvel değerini.667 56.

667 5 A C 88.34 13.667 88.77 14. A.373 Farklar çizelgesinde.667 56. B ve C Ortalamalarına Ait Farklar. Çizelge 8. p S2 n 2 3 3. .667* 31. P Q0.667* Duncan hesap değerleri=14.5.333 36. ifade eder.05. birinci köşegen elemanları D3 ve ikinci köşegen elemanları D2 ile karşılaştırılarak önemli bulunan farklar işaretlenir (* işareti ile).p Q α .333 B 51. n = Her bir ortalamadaki tekerrür sayısını.4. B A C 51. Duncan testinde kullanılan kritik değer sayısı ortalama sayısının bir eksiği kadardır.1’deki gübre düzeyi ortalamaları Duncan testi ile aşağıdaki gibi karşılaştırılır. Örnek 7. Duncan testi için kritik değerler Çizelge 8.667 56.9. α = Önem seviyesini.4’deki gibi oluşturulur. Sx = (111. v.373<36.20 3.111) 2 S2 = = 4.303 n 6 Çizelge 8. Duncan Testi İçin Kritik Değerler.667 fark önemli.v = Hata kareler ortalamasının serbestlik derecesini.

ifade eder. A ve B ortalamaları arasında istatistiki açıdan bir fark yokken. LSD ve Tukey testinde olduğu gibi. SNK’nın en son hesaplanan kritik değeri Tukey testindeki kritik değerle aynıdır. α = Deneme başına düşen birinci tip hata oranını (önem seviyesi). .p. S2 = Varyans analizindeki hata kareler ortalamasını (varyans). C ortalama farklı bulunmuştur. SNK testinde de Duncan testinde olduğu gibi kullanılan kritik değer sayısı ortalama sayısının bir eksiği kadardır. v = Hata kareler ortalamasının serbestlik derecesini.667 fark önemli. 13.77>5 fark önemsiz.p. Burada. d) SNK ( Student – Newman – Keuls) TESTİ Duncan testine benzeyip çoklu aralık testidir.77<31. Test istatistiği. v = Kritik cetvel değeri. Duncan testinde de %5 yanılma düzeyinde. q α.13. n = Her bir ortalamadaki gözlem sayısını. Örnek 3’deki gübre düzeyi ortalamaları Duncan testi ile aşağıdaki gibi karşılaştırılır. Tukey ile aynı cetveli kullanır. Wp = q α.v S2 n şeklindedir.

C B A 51. 13. A. 13.667* SNK hesap değerleri=16.77<31.6’daki gibi oluşturulur.P 3. Çizelge 8.77>5 fark önemsiz.667 56.95 S2 Q α .05.998 Farklar çizelgesinde.667* 31.7.667 56.333 B 51.SNK testi için kritik değerler Çizelge 8. SNK Testi İçin Kritik Değerler.667 fark önemli.667 fark önemli. .9. birinci köşegen elemanları W2 ve ikinci köşegen elemanları W3 ile karşılaştırılarak önemli bulunan farklar işaretlenir (* işareti ile). SNK testine göre %5 yanılma düzeyinde. S x = 4.77 16.667 5 A C 88.998<36. A ve B ortalamaları arasında istatistiki açıdan bir fark yokken.v n 13.6.p . C ortalama farklı bulunmuştur.333 36.303 Çizelge 8.20 3. B ve C Ortalamalarına Ait Farklar.667 88. P 2 3 Q0.

Tukey ve Duncan ortalama karşılaştırma testlerinin sonuçları Şekil 8.1’deki Gübre Ortalaması İçin Çoklu Karşılaştırma Testlerinin Tanımlanması. Şekil 8. Daha sonra Equal Variances Assumed başlığı altındaki ortalama karşılaştırma yöntemlerinden biri veya birkaçı seçilerek analiz yaptırılır. Örnek 7. Univariate/Post Hoc.Çizelge 7. Post Hoc Test for kutucuğuna (Şekil 8. menüsünden öncelikle ortalamaları karşılaştırılacak değişkenlerin Factor(s) kutucuğundan. . model tanımlama aşamasından sonra (Şekil 7.1.. SNK. Şekil 8. LSD.1 için varyans analizi yapılırken. Örnek 7.1’de Post Hoc Test for kutucuğuna atanarak seçilen domates verimi değişkeni için.1) ataması yapılır.1’de verilen örnekteki gübre ortalamalarının çoklu karşılaştırma testleri ile SPSS İstatistik Paket Programında Çözümü.2).2’de verilmiştir.

1’deki Gübre Ortalamaları İçin LSD. SNK.2. SNK. birinci çizelgenin son satırında 25 kg/da ile 15 ve 20 kg/da arasındaki farkın önemli olduğu yıldızlarla (*). Örnek 7. SNK. ikinci çizelgede ise her üç test’te de 25 kg/da gübre düzeyi ayrı sütunda yer alarak gösterildiği görülmektedir. domates veriminin dekara 25 kg gübre atılması durumunda en yüksek seviyeye (15 ve 20 kg’a göre) ulaştığı görülmektedir. Ancak LSD. LSD. . dekara 15 ve 20 kg gübre atma arasında domates verimi açısından istatistiki olarak herhangi bir fark görülmemiştir. Şekil 8.Şekil 8.2’deki birinci ve ikinci çizelgede de görüldüğü üzere. Tukey ve Duncan testlerine göre. Tukey ve Duncan Sonuçları. Tukey ve Duncan testlerine göre. 15 veya 20 kg olması durumunda elde edilecek verimin istatistiki olarak aynı olacağı söylenebilir. Yani dekara kullanılan gübrenin. Şekil 8.2 incelendiğinde.

Denemenin Kuruluşu: Latin kare denemelerde Galois Alan Teorisi’ne göre muamele sayısı kadar standart latin kare planı oluşturulur. Ancak bazı sıra veya sütunların tamamı eksik olursa denemenin analizi güçleşir. sütun ve muamele sayısının eşit olması zorunluluğunu getirir. A B C D B A D C D D B A C C A B 4!(4-1)! A B C D B C D A D D A B 4!(4-1)! C A B C A B C D B D A C D A D B 4!(4-1)! Toplam 4!(4-1)!4=576 C C B A A C B D B A D C C D A B 4!(4-1)! D B C A . Bir veya birkaç gözlem eksik olduğunda eksik gözlemler uygun yöntemlerle tahmin edilir. En önemli sakıncası budur. Muamele sayısı 12’den fazla olunca kullanılması arzu edilmez. Sonra seçilen standart latin karenin bazı sıra ve sütunları rasgele yer değiştirilir ve elde edilen deneme planı. Örneğin muamele t=4 için 4 tane standart latin kare aşağıdaki gibidir. Muamele sayısı t ise bu standart latin karelerden toplam “t!(t-1)!t” tane birbirinden farklı plan oluşturulur ve bu planlardan bir tanesi tesadüfen seçilir. Ancak daha pratik olarak önce t tane standart latin kareden 1 tanesi tesadüfen seçilir. sıra. tesadüfen oluşturulmuş deneme planı olarak kabul edilir. LATİN KARESİ DENEME PLANI Latin kare deneme planı.9.

j-inci sütundaki.4 ve 5-inci haftalardaki günlük canlı ağırlık artışına etkisi araştırılıyor. β i = j-inci sütunun etkisini. her bir sıra veya sütunda yalnızca bir kez yer alır. ifade eder.1: Dört farklı yerleşim sıklığının etlik piliçlerde 3. 4’ten daha az muamele için latin kare kurulmaz. B= 9 adet/m2. C=13 adet/m2. j-inci sütundaki gözlem değerini. Bu gibi durumlarda latin kare deneme planı tekrarlanır. Dolayısıyla analiz kolaylaşır. Örnek 9. Yijk = µ + α i + β j + γ k + e ijk şeklindedir. α i = i-inci sıranın etkisini. Yerleşim Sıklık Düzeyleri: A= 7 adet/m2.1’deki gibidir. γ k = k-ıncı muamelenin etkisini. Latin kare deneme planının matematik modeli. Yijk = i-inci sıra. . sütun ve muamelelerin birbirinden bağımsız olmasını sağlar. e ijk = i-inci sıra. çünkü hataya serbestlik derecesi kalmaz. µ = Genel populasyon ortalamasını. Bu özellik sıra. Deneme sonucunda elde edilen sonuçlar analiz için düzenlenmiş olarak Çizelge 9. D= 15 adet/m2.Latin karede bir muamele. Burada. k-ıncı muameleye ait tesadüfi hatayı.

Çizelge 9.+120) = 473 şeklindedir. sütun.. = ( ∑ ∑ ∑ Yijk ) 2 / p 2 = (2082) 2 / 42 i =1 j=1 k =1 = 270920. ∑ Sıralar Sütunlar D A C B 117 151 138 148 B C D A 112 72 104 200 C B A D 72 110 145 132 A D B C 189 120 143 129 ∑ 490 453 530 554 488 459 581 609 2082 Çözüm: Latin karesi deneme planında varyasyon kaynağı 4 ana parçaya ayrılır...K. Muameleler kareler toplamının hesaplanabilmesi amacıyla önce muamele toplamlarının bilinmesi gerekir. Varyasyon kaynaklarına ait kareler toplamları aşağıdaki gibi hesaplanabilir.+129) = 411 ΣD= (117+. muamele ve hatadır.1. p p p D. Buna göre muamele kareler toplamı. Bunlar. Piliçlerde Günlük Canlı Ağırlık Artışları...3 .... ΣA= (151+.. sıra.+189) = 685 ΣB= (148+... Bunlar.+143) = 513 ΣC= (138+..

3 = 3352.T. + 5812 − 270920.T.K.6035 Genel kareler toplamı için serbestlik derecesi =p2-1= 15 Sıra K.. . Hata için genelden diğer kareler toplamlarını çıkarmak yeterlidir.p p p 2 G.25 4 Sıra kareler toplamı için serbestlik derecesi =p-1= 3 Muamele K.k − D.T.75 =1907. + 609 2 ) − 270920.T. = 1 p 2 ∑ Y..... + 129 2 ) − 270920.T.25-10340. = (117 2 + .Muamele K.. p j=1 = (490 2 + .T .Sütun K. = 1 p 2 ∑ Y.K.K. .5 olarak bulunur.T = 18005..K. + 4732 ) − 270920. = 1 p 2 ∑ Yi. p i =1 = 554 2 + ..K..K. j.T.T. her bir kareler toplamının kendi serbestlik derecesine bölünmesi ile elde edilmektedir. − D.3 i =1 j =1 k =1 = 7.25-3352.25 4 Sıra kareler toplamı için serbestlik derecesi =p-1= 3 Sütun K....3 = 10340. Çizelgedeki kareler ortalamaları (KO'lar).. = ∑ ∑ ∑ Yijk − D.75 4 ve muamele kareler toplamı için serbestlik derecesi =p-1= 3 H.2'deki gibi özetlenebilir. = G. p k =1 = (6852 + .3 = 2405. hata kareler toplamı için serbestlik derecesi = (p – 1) (p – 2) = 3 x 2 =6 olarak elde edilir.75-2405. Böylece. − D.K. Bu sonuçlar Çizelge 9...Sıra K.

6.917 10.25 1117.75 3446.515 < F3.842** Hata 6 1907. (önemsiz) 317.5 317. SD KT KO F Sıralar 3 2405.842 > F3. F= 801. F testleri: 1.6.05 = 4.05 = 4.522 Sütunlar 3 3352. (önemli) 317.75 2.6.917 = 10.01 = 9.417 3.Sütun için.75 *α=0.Muamele için.05 = 4. F= 3446.76 .76 .Sıra için.76 .78 .2.0.05.9167 10. Varyans Analiz Çizelgesi.522 < F3.0.Çizelge 9.9167 2. (önemli) .25 801.**α=0.6.9167 3. (önemsiz) 317.01 yanılma düzeylerinde istatistiki olarak önemli.75 = 2.842 > F3. F= 1117. Varyasyon Kay.9167 Genel 15 18005.417 = 3.0.0.515 Muameleler 3 10340.

2. Şekil 9. Çizelge 9.Örnek 9.1’deki gibidir.1 için model tanımlaması Şekil 9. .1’deki örnek için yerleşim sıklık düzeyleri ve günlük canlı ağırlık artışlarının editör sayfasına giriş biçimi Şekil 9.1’in SPSS İstatistik Paket Programında Çözümü. Örnek 9. Şekil 9.1. Örnek 9.1’e Ait Veri Girişi.1’e Ait Matematik Modelin Tanımlanması. Örnek 9.2’de verilmiştir. sütun ve yerleşim sıklığı) Fixed Factor(s) kutucuğuna atandıktan sonra model tanımlama aşamasına geçilir. Bağımlı değişken (günlük canlı ağırlık artışı) Dependent Variable kutucuğuna ve bağımsız değişkenler (sıra.

05).1’in Varyans Analizi Sonuçları.3’de verilmiştir. Şekil 9. . Şekil 9.1’e ait SPSS analiz sonuçları Şekil 9.Örnek 9.01).3’deki analiz sonuçlarına bakıldığında.3. Örnek 9. sıra ve sütun etkilerinin ise önemsiz olduğu görülmektedir (P>0. yerleşim sıklığı değişkenine ait etkinin %1 yanılma düzeyinde (P<0.

. B. Buna göre. Sütunlar (deneme başlangıç yaşı) Sıralar(ırklar) 1 aylık 2 aylık 3 aylık 4 aylık ∑ 1. D. varyans analizini ve F testlerini yapınız. Elde edilen yağ yüzdeleri aşağıdaki gibidir. 5 değişik yaşta süt inekleri üzerinde bir besleme denemesi yapılıyor. Karma yemlerin deneme ünitelerine (kuzulara) dağıtımı ve her deneme ünitesinden elde edilen verim (gr/gün) aşağıdaki gibi bulunuyor. varyans analizini ve F testlerini yapınız. Buna göre. C:2200 enerji+%12 protein.PROBLEMLER 1) Protein düzeyleri farklı dört karma yemin (A:2200 enerji+%8 protein.ırk C 241 B 315 D 232 A 198 986 3. B:2200 enerji+%10 protein. 5 faklı rasyonun (A. D:2200 enerji+%14 protein) kuzulardaki canlı ağırlık artışı üzerine etkisi araştırılıyor. C.ırk D 266 A 170 C 241 B 249 926 ∑ 1000 942 1091 961 3994 2) 5 değişik ırktan.ırk B 238 D 230 A 238 C 196 902 4.ırk A 255 C 227 B 380 D 318 1180 2. E) sütteki yağ miktarına (%) etkileri incelenmek isteniyor.

8 C 3.1 E 3.2 17.5 4 3 4 17. B=Doruk dallı. Deneme sonucunda elde edilen sonuçlar tablodaki gibidir.8 5 A 6 D 2.6 17.8 17.4 18.9 Yaşlar (Sıra) 1 2 B 4.4 18.1 18. D= Piramit) kiraz verimine etkisi iki yönlü heterojen bir arazide denemeye alınıyor.6 C 4 C 2.1 A 3 E 4 D 2.1 A 4.3 B 4.5 17.Irklar (Sütun) 2 3 5 Σ 4 D 2. varyans analizini ve F testlerini yapınız.9 C 3.5 D 2.4 B 4. C=Değişik doruk dallı.6 3 A 4.2 18.7 Σ 17. Buna göre.4 A E 3.4 4 3) Dört farklı budama şeklinin (A= Goble.5 D 2. ∑ ∑ A D C B E 12 21 32 12 25 C A E D B 30 13 28 25 12 E C B A D 27 25 11 14 29 D B A E C 20 10 16 21 28 B E D C A 15 29 19 36 15 104 102 108 106 95 114 98 106 108 109 525 .2 B 4.1 B 4.4 88.6 C E 3.5 E 3.

Deneme sonucunda elde edilen sonuçlar tablodaki gibidir. Buna göre. C=13/m2. B= 9/m2. varyans analizini ve F testlerini yapınız.4) Dört farklı yerleşim sıklığının (A= 7/m2. ∑ D A C B 117 151 138 148 B C 112 72 C B 72 A D A 104 200 A D 110 145 132 D B C 109 129 143 159 ∑ 410 462 530 639 554 488 459 540 2041 . D= 15/m2) etlik piliçlerde günlük canlı ağırlık artışına etkisi araştırılıyor.

α i = İlk faktörün i-inci seviyesinin etkisini. Yijk = Birinci faktörün i-inci seviyesinde ve ikinci faktörün j-inci seviyesinde sınıflanan k-ıncı elemana ait gözlem değerini. başka bir B faktörünün seviyeleri sınıflandırılmaktadır. ikinci faktörün j-inci seviyesindeki k-ıncı elemana ait tesadüfi hatayı gösterir.1. . İÇ-İÇE SINIFLANMIŞ DENEME PLANLARI Bu deneme planında bir faktörün her seviyesi altında başka bir faktörün değişik seviyeleri yer alır. Plana ait matematik model. e ijk = İlk faktörün i-inci seviyesinde. birinci faktörün ikinci seviyesinde ikinci faktörün başka seviyeleri yer alır. Burada. birinci faktörün her seviyesinde ikinci faktörün eşit sayıda seviyelerinin tekrarlanması gerekmez.10. Alt sınıf sayılarının farklı olduğu durumlarda da bu deneme planının uygulanması mümkündür. İç içe sınıflanmış denemelerin bir çok faydalı yönü vardır. İç içe sınıflamada. β j(i) = İlk faktörün i-inci seviyesine düşen ikinci faktörün j-inci seviyesinin etkisini. Yijk = µ + αi + β j(i) + eijk şeklindedir. Yani. İki Seviyeli İç-İçe Sınıflanma İki seviyeli iç-içe sınıflamada bir A faktörünün seviyeleri içerisinde. 10. birinci faktörün ilk seviyesinde ikinci faktörün belli seviyeleri yer alırken. Ancak planda interaksiyon etkisi söz konusu değildir.

Yavru Farelerin Kan PH Değerleri..85 5..99 6.45 12.1.534 N 24 . p(=3). 2.66 5.. Erkekler Dişiler 1 2 3 Yavrular ∑ 1 5.27 47. Y.60 11 6..78 7. Çizelge 10.83 13...07 4..40 8.. Buna göre yavru farelerin kan PH’ları üzerine ana ve babalarının etkilerinin önemi kontrol edilmek isteniyor.. Buna göre.45 11. = = = 1064..1: On iki dişi fare tesadüfi olarak 4'erlik gruba bölünüyor. 2.92 2 D.58 12.21 6... 2.00 8 6.95 11.91 12 6. s(=2) ile gösterilsin.60 5. Bu deneme planında p erkeklerin sayısı. r dişilerin sayısı ve s yavru sayısı olmak üzere i=1..36 16. Her gruptaki dişiler.92 13.75 11.09 15.92 15..90 6.1. j=1.K.Örnek 10.05 7 5.76 4 7.84 5 6..01 6.. birer erkek fare ile çiftleştiriliyor.80 2 7.80 3 8.2 159....89 53.98 13.38 6.78 8. Neticede elde edilen yavrulardan tesadüfi olarak ikişer tane alınarak. r(=4) ve l =1..66 ∑ 58.96 6 5.1. bunların kan PH’ları ölçülüyor.68 İç-içe sınıflanmış deneme planında varyasyon kaynakları aşağıdaki gibi hesaplanır.96 9 5.93 10.41 10 7.

A.T.27 2 + .534 = 23..35 − 1071..534 ∑ ∑ ijk N i =1 j =1 k =1 = 1089.0518 veya Dişi./Erk. + 12.802 + .T ./Erk.K.T .K.764 p =3 Erk .T.852 + . = Dişi.K ... Ar...A. = = 1 p =3 s = 4 2 3 Yi.T.. = ∑ Genel kareler için serbestlik derecesi =N-1= 23 Yi.Y.8158 = 0. = ∑ ∑ Yij. = G.1594 Hata için serbestlik derecesi = pr(s-1)=3(4)(2-1)=12 elde edilir.534 = 6. – Erk.534 = 23..9752 p =3 r = 4 s = 2 G.8158 Dişi. – Dişi.içi K. 11.içiK.298 = 17.35 − 1064.9752 – 23./Erk.T. Ar.2 2 Y − = (5. + 53. Hata için ise.802 + .T = 23.K.662 = − 1064.662 58.2 58.. + 12. Bu analiz sonuçlarına göre varyans analizi.27 2 + .0518 Dişi.T..K.534 Dişi A.içi K.T..764 = 17. − ∑ s i =1 j =1 i =1 rs 11. .452 ) − 1064.62 − 1064. Hata K. = ∑ Erkekler arası için serbestlik derecesi =p-1= 3-1=2 2 1 p =3 s = 4 2 Yij.682 − = − 1064.T.8158 – 6.682 − 2 8 = 1088. = 23.T..K.Ar.534 8 N i =1 rs = 1071.. A. + 53. − r i =1 j =1 2 N = 1088.. + 6.2 ∑ ∑ Yij.2 Y..298 − 1064.K ..A. için serbestlik derecesi =p(r-1)=3(4-1)= 9 olarak bulunur.

(önemsiz) 1.O.içi Kareler Ortalaması kullanılır.9752 *α=0.K.1’in SPSS İstatistik Paket Programında Çözümü. 0.1.Ar.013 Genel 23 23.Ar.**α=0.01 = 4 . .785 Dişi.633** Hata 12 0. Çizelge 10. 12.633 > F9.1594 0. Dişi.382 = 1.01 yanılma düzeylerinde istatistiki olarak önemli. (önemli) 0. F testleri.895 = 142.895 Örnek 10. Varyasyon Kay.382 1. A.0.785 < F2. İçi 9 17.05 = 4. ’sını test için Hata Kareler Ortalaması kullanılır.1’deki gibidir.1.1. dişiler ve yavru farelerin kan PH değerlerinin editör sayfasına giriş biçimi Şekil 10.895 142. F= 3.05.T.içi K.26 .2./Erk.7640 3./Erk.013 Erkekler A.Çizelge 10./Erk.9. SD KT KO F Erkekler arası 2 6.1.’nı test için Dişi.39 .1’deki örnek için erkekler. Varyans Analiz Çizelgesi. F= 1.0518 1.

1’e Ait Veri Girişi.1 için. menüsünde bağımlı.1.1. şansa bağlı değişken (dişi) Random Factor(s) ve bağımsız değişken (erkek) Fixed Factor(s) kutucuğuna atanır (Şekil 10.1. Şekil 10.2).1. bağımsız ve şansa bağlı değişkenler tanımlanarak.Şekil 10. Bağımlı . İç-içe sınıflanmış denemelerde Analyze/General linear model/Univariate.2.1. Daha sonra model tanımlama aşamasına geçilir. Örnek 10. Örnek 10.1. .1’de bağımlı değişken (yavru farelerin kan PH değerleri) Dependent Variable kutucuğuna. Örnek 10. Bağımsız ve Şans Değişkenlerinin Atanması.. model oluşturulur.1.

1’e Ait Matematik Modelin Tanımlanması. Şekil 10.1.Bağımlı.1.4.1. Örnek 10.1. . bağımsız ve şansa bağlı değişkenler tanımlandıktan sonra iç-içe sınıflanmış deneme için model tanımlama Şekil 10.1.3’de görüldüğü gibi yapılır.1. Şekil 10.1’in Varyans Analizi Sonuçları. Burada dikkat edilmesi gereken nokta.1’e ait SPSS analiz sonuçları Şekil 10.4’de verilmiştir.1. Örnek 10.3. iç-içe sınılanmış denemelerde. Sum of Squares’in “Type I” konumunda olmasına dikkat edilmelidir. Örnek 10.

4’deki analiz sonuçları incelendiğinde. Muameleler: a= Kontrol. B= 217 bileşiği.05).1: Farelerin karaciğerindeki glikojen miktarı üzerine üç farklı muamelenin etkisi araştırılmak isteniyor. erkekler arası etkinin önemsiz (P>0. bazıları sabit bazıları şansa bağlı olabilir.2.Şekil 10.2. Böyle durumlarda karışık model söz konusudur. . Ölçülen glikojen miktarları aşağıdaki gibi bulunuyor. dişiler arası/erkekler içi etkinin ise %1 yanılma düzeyinde önemli olduğu görülmektedir (P<0. Her muamele grubunda 2’şer tane ayrı fare denemeye alınıyor.01). Her fareden 3’er farklı preparat hazırlanıyor. Üç Seviyeli İç-İçe Sınıflanma Bu tip denemelere ait matematik model. Örnek 10. Burada ve etkilerinin hepsi sabit veya hepsi şansa bağlı olabileceği gibi. C= 217 bileşiği + şeker. 10.1. Yijkl = µ + α i + β ij + γ ijk + e ijkl şeklindedir.

.2. v ile gösterilirse.. her bir muameledeki fare sayısı r=2. Okuma ∑ ∑ 1 131 130 261 2 131 125 256 795 3 136 142 278 4 150 148 298 5 140 143 283 891 6 160 150 310 7 157 145 302 8 154 142 296 898 9 147 153 300 10 151 155 306 11 147 147 294 914 12 162 152 314 13 134 125 259 14 138 138 276 806 15 135 136 271 16 138 140 278 17 139 138 277 816 18 134 127 261 ∑ ∑ 1686 1812 5120 1622 Çözüm: Üç seviyeli iç-içe sınıflanmış deneme planında varyasyon kaynakları aşağıdaki gibi hesaplanır.Çizelge 10. Buna göre i=1. p.. Fare Kontrol 1 217 Bileşiği+şeker 217 Bileşiği 2 3 4 5 6 Prep. .. . k=1. j=1. r. ... 2.1. Farelerin Karaciğerindeki Glikojen Miktarı.. 2. Mua. s ve l=1.. her bir fare için preparat sayısı s=3 ve okuma sayısı v=2'dir.. 2. 2.......... Deneme muamele sayısı p=3.

.A.. içi K.T − Prep.. = ∑ ∑ =( Yij2.K.. = 3330.T.T.T.K.K..... = ∑ ∑ ∑ ∑ Yijkl = (1312 + . + 8162 16862 + ...2 1 3 2 1 2 2 ∑ Yi.T.K. = . + ( ) 6 12 6 12 7952 + ... A.. + 2612 816 2 ) + .K rsv i =1 12 = 1557. G.K. + 16222 )−( ) 6 12 = 797. içi K.2 − 1557./Fareler içi K.. + 127 2 ) − 72817.içi.. = G.. = Yij. + ( ) − − 2 2 2 6 = 594 =( Hata K.T. + 1622 ) − D.K..8 = 3330. K.T. + 278 2 795 2 278 2 + ./Mua...T..8 − 797. 1 2 ∑ ∑ ∑ Yijk − ∑ ∑ v i j k sv i j 2612 + ./Mua....T. Yi2.8 N 36 p r s v i j k l 2 − D.K. = p r i j Fareler A./Far.Y 2 5120 2 D. = = 728177. = (1686 + .556 Mu.0 = 381 .. − D. −∑ sv i rsv p 7952 + 8912 16862 8062 + 8162 16222 − − ) + .667 =( Pre. − Mua..... A.... − Far.7 − 594.

Fare Arası/ Muameleler içi için serbestlik derecesi =p(r – 1) = (3(2-1)=3. F Testleri: 1. 18. Preparatlar Arası / Fareler içi için serbestlik derecesi =pr(s – 1) =3(2)(3-1)= 12. A.5 = 2.49 . (önemsiz) 21./ Mua. F= 265. 18.371* Pre.929 Fare A. İçi 3 797.05 = 3.5 Hata 18 381 21.889 = 5. 0.2.05.2. Çizelge 10. İçi 12 594 49.01 yanılma düzeylerinde istatistiki olarak önemli. / Far.Preparatlar Arası / Fareler içi için.778 2.34 .Hesaplanan kareler toplamlarına ait serbestlik dereceleri.339 *α=0.371 > F3. F= 49. (önemli) 49.5 .2 2.05 = 2.667 265.889 5. Hata için serbestlik derecesi =prs(v – 1)=3(2)(3)(2-1)=18 Genel için serbestlik derecesi =N-1=36-1=35 şeklinde hesaplanır.167 Genel 35 3330. SD KT KO F Muameleler arası 2 1557. Muameleler için serbestlik derecesi =(p – 1) =(3-1)= 2.339 < F12.Fareler Arası / Muameleler içi için. Varyans Analiz Tablosu. Varyasyon Kay.556 778.167 2.**α=0. 0. Bu analiz sonuçlarına göre varyans analizi.

05).05).2.Muameleler için. Daha sonra model tanımlama aşamasına geçilir. Örnek 10.889 Muameleler ve Preparatlar Arası / Fareler içi etki istatistiki olarak önemsiz bulunmuştur (P>0.3 .2.55 .2. Şekil 10.2.1’de bağımlı değişken (ölçülen glikojen miktarları) Dependent Variable kutucuğuna. Fareler Arası / Muameleler içi etki ise istatistiki olarak önemli bulunmuştur (P<0. Çizelge 10.2.2. Örnek 10. 0.778 = 2. 3. F= 778. .2. preparatlar ve ölçülen glikojen miktarlarının editör sayfasına giriş biçimi Şekil 10. preparat) Random Factor(s) ve bağımsız değişken (muamele) Fixed Factor(s) kutucuğuna atanır (Şekil 10.1’deki gibidir. şansa bağlı değişkenler (fare. fareler.1’in SPSS İstatistik Paket Programında Çözümü.1’deki örnek için muameleler.1.2). (önemsiz) 265.1’e Ait Veri Girişi. Örnek 10.05 = 9.929 < F2.

2.2.3.3’de görüldüğü gibi yapılır.2. .1 Için. bağımsız ve şansa bağlı değişkenler tanımlandıktan sonra üç seviyeli iç-içe sınıflanmış deneme için model tanımlama Şekil 10. Bağımlı . Şekil 10. Bağımsız ve Şans Değişkenlerinin Atanması.Şekil 10.1’e Ait Matematik Modelin Tanımlanması. Örnek 10.2.2. Bağımlı. Örnek 10.2.

1'e ait SPSS analiz sonuçları Şekil 10.Örnek 10. fareler arası/muameleler içi ve preparatlar arası /fareler içi etkinin %5 yanılma düzeyinde önemli (P<0. Şekil 10.2. Şekil 10.05).05) olduğu görülmektedir.4’de verilmiştir.2.2. .2.2. Örnek 10.4.4’deki analiz sonuçları incelendiğinde. muameleler arası etkinin önemsiz (P>0.1'in Varyans Analizi Sonuçları.

Her gruptaki dişilerin birer horoz ile çiftleştirilmesiyle elde edilen civcivlerden üçer tane alınarak günlük ortalama canlı ağırlık artışları tespit ediliyor. Süt verimi varyasyonuna etki eden boğalar ve boğaların içinde inekler olmak üzere iki faktör vardır.7 85.9 236. .6 27.6 26.3 25.0 28. Yavruların günlük ortalama canlı ağırlık artışına ana ve babaların etkilerinin önemi kontrol edilmek isteniyor.5 25.9 25.7 27.6 26. varyans analizini ve F testlerini yapınız.7 77.7 28.9 29. Erkekler Dişiler 1 1 2 2 3 4 5 3 6 7 8 9 25. varyans analizini ve F testlerini yapınız.4 79.9 27.0 26.5 78 83.3 26. İç-içe sınıflanmış bir denemeden elde edilen değerler aşağıdaki gibidir.0 27.0 29.PROBLEMLER 1) Cornish ırkı tavuklarda yapılan bir denemede 9 tavuk tesadüfen üçerli üç gruba ayrılıyor. Buna göre.4 248.8 27.4 26.9 28.9 25.6 84.9 26.6 79.3 25.6 81.7 26. Buna göre.7 28.6 Σ Σ Σ 78.2 26.3 728.7 2) Bir çiftlikteki siyah alaca sürüsünden rasgele seçilen iki boğaya verilen üç'er inekten doğan dişilerin günlük süt verimleri incelenmektedir.4 26.7 243.9 Yavrular 25.

5 21.7 17 18.9 21.4 17.3 17.7 17.5 21.8 18. B kümesinden iki horozla çiftleştirilen iki'şer tavuktan olan civcivlerin uygun kesim ağırlığına ulaşma süreleri inceleniyor.5 Σ 21 55 103.Boğalar İnekler 1 1 2 2 3 4 5 6 17.6 19.4 17. Buna göre.1 75 230.7 19.9 19.8 98. Kümesler A Erkekler Dişiler Yavrular Σ Σ Σ Σ B 1 2 3 4 1 2 3 4 5 6 7 8 9 10 41 47 46 47 45 52 44 40 38 41 44 45 42 49 54 53 43 40 39 42 45 40 39 - 40 43 51 50 53 - 52 54 38 - 41 44 37 40 39 38 170 131 171 197 152 211 125 165 154 160 472 560 1032 290 314 604 1636 .7 22.1 463.9 15. varyans analizini ve F testlerini yapınız.7 77.6 17.3 21.5 21.2 Σ 233.6 Σ 54 19 19.3 3) Bir broyler çiftliğinde A kümesinden iki horozla çiftleştirilen üç'er tavuktan.4 Yavrular 18.1 20.

her bir faktörü iki seviyeli ve dört tekerrürlü bir denemede.. .Tesadüf parselleri. 22-Faktöriyel Denemeler 2x2’lik faktöriyel tesadüf parselleri deneme planı veya 22’lik faktöriyel tesadüf parselleri deneme planı olarak da adlandırılır. A faktörü seviyeleri a0. Üçüncü faktörün tüm seviyeleri. Bu durumda denemeler faktöriyel tesadüf parselleri. a1. 2.Alt grup sayıları eşit ise analiz kolaydır. B faktörü seviyeleri b0.İnteraksiyon söz konusudur. Her bir faktörün içerdiği iki veya daha fazla sınıf ise seviye olarak adlandırılır. 4. FAKTÖRİYEL DÜZENLENMİŞ DENEMELER Her biri iki veya daha fazla seviyeye sahip sınıflandırma kriterlerinin bulunduğu denemelerdir. b1. faktöriyel latin kare gibi isimler alır.. ikinci faktörün her bir seviyesinde. 11. B’nın seviye sayısı = b.. 3... Faktöriyel denemelerde. Tekerrür = r. şeklinde devam eder gider.. Denemenin kuruluşu: Örneğin iki faktörlü.11. 1-İkinci faktörün tüm seviyeleri birinci faktörün her bir seviyesinde aynen yer alır. tesadüf blokları. A’nın seviye sayısı = a. faktöriyel tesadüf blokları. dördüncü faktörün tüm seviyeleri üçüncü faktörün her bir seviyesinde aynen yer alır.1. latin kare gibi bütün deneme planları faktöriyel olarak düzenlenebilir.

Yijk = A’nın i-inci seviyesi. β i = B’nin j-inci seviye etkisini. Bu bir arazi denemesi ise 16 parsel hazırlanır. . b’nin j-inci seviyesi ve k-ıncı tekerrüre ait gözlem değerini. e ijk = Yijk ’nın tesadüfi hatasını. µ = Genel populasyon ortalamasını. Yijk = µ + α i + β j + (αβ) ij + e ijk şeklindedir. Burada. Çizelge 11. (αβ) ij = A’nın i-inci seviyesi ile. Önce aşağıdaki gibi muamele kombinasyonları oluşturulur. A a0 a0 B b0 b1 b0 b1 Muamele Kombinasyonları a0b0 a*b = 4 adet muamele a0b1 kombinasyonu oluşmuştur. a1b0 a1b1 22’lik faktöriyel düzenlenmiş deneme planının matematik modeli.1. Deneme materyali (a*b*r) = 2*2*4 = 16 adet deneme ünitesine ayrılır. b’nin j-inci seviyesinin interaksiyon etkisini. α i = A’nın i-inci seviye etkisini.1. ifade eder. Daha sonra tüm deneme ünitelerine aynen tesadüf parsellerindeki gibi tamamen tesadüfi olarak dağıtım yapılır. Muamele Kombinasyonları (axb). Sonra her bir muamele kombinasyonu tekerrür sayısı kadar (r=4) çoğaltılarak kağıtlara yazılır ve hepsi bir torbaya koyulur.şeklinde gösterilsin.

K.1: 2 ayrı buğday çeşidi üzerinde 3 farklı gübre dozu 3 tekerrürlü olarak deneniyor elde edilen sonuçlar aşağıdaki gibidir.K.K a 9 = 47914 − 45602 = 2312 . b3=5 kg/ parsel Buğday çeşidi: a1 . = − D.K.. = (80 2 + .1..2.T. = 50680 − 45602 = 5078 2 555 2 + 3512 ∑ Yi.. A.1..K. b2=3 kg/parsel.K. Gübre dozları: b1= 2 kg/parsel.T.. Buğday Verimleri Miktarı. 906 2 = = 45602 D. a2 Çizelge 11. = axbxr 18 G. + 42 2 ) − D. = − D. a2 Tekerrür a1 ∑ ∑ ∑ b1 b2 b3 b1 b2 b3 80 40 60 65 30 50 55 50 80 35 25 35 60 55 75 40 29 42 19 145 215 140 84 127 5 555 351 906 Çözüm: Faktöriyel tesadüf parselleri deneme planında varyasyon kaynakları aşağıdaki gibi hesaplanır.Örnek 11. Yi2.

T. = G.T.33 .01 yanılma düzeylerinde istatistiki olarak önemli. SD KT 2312 KO Buğday türü(A) 1 Gübre dozu(B) 2 AxB 2 103 51..T.B.913** 1336.33-103 = 1326.33 − 45602 = 1336.**α=0.56 20.667 110.167 6.= Alt.T.K 6 = 46938.5 Hata 12 1326.. = 3751.A için.K.333 AxB K.T = 5078-2312-1336..466 *α=0.T..3.K.33 668.T.75 .K.K. = b (195 + 84) 2 + .K.-B.333-2312-1336.1. = 49353.T-AxB K.12.Gr. = ∑ Y.33 Alt.0.12.56 Genel 17 5078 F 2312 20.01 = 9..K. F= 2312 = 20.05. Varyans Analiz Çizelgesi.-B.(axb) = ((195 2 + . Varyasyon Kay.05 = 4.A. – A.044* 0.0.K. (önemli) . j 2 − D.T.913 > F1.T.33 − 45602 = 3751. Gr. F testleri: 1.T.K.913 > F1.667 Çizelge 11.33 =103 Hata K..K.. (önemli) 110. + 127 2 ) / 3) − D.. + (215 + 127) 2 − D.K.

gübre dozu ve parsel verimlerinin editör sayfasına giriş biçimi Şekil 11. (önemsiz) 110.1.1.044 > F2.1. (önemli) 110.05 = 3.1.0. Model tanımlama işlemi Şekil 11. bağımlı değişken (parsel verimleri) Dependent Variable kutucuğuna ve bağımsız değişkenler (gübre dozu.05 = 3.2.0.0. Çizelge 11.1’deki gibi veri girişi yapıldıktan sonra.167 = 6. F= 51.2’ de görüldüğü gibi yapılır.1.1.1’deki örnek için buğday türü. buğday çeşidi) Fixed Factor(s) kutucuğuna atanarak değişken tanımlama aşaması tamamlanır.AxB için. Şekil 11.88 .044 < F2.01 = 6.56 6.93 .12.5 = 0.1.466 < F2. . Şekil 11.12.1’deki gibidir.88 .1’e Ait Veri Girişi.12. Örnek 11.1.56 Örnek 11.B için. (önemsiz) 3.1’in SPSS İstatistik Paket Programında Çözümü. F= 668.

Şekil 11. Örnek 11.05) önemli.1’e ait SPSS analiz sonuçları Şekil 11. gübre dozu etkisinin etkinin %5 yanılma düzeyinde (P<0.1.1.1.2.1’e Ait Matematik Modelin Tanımlanması. Örnek 11.05) olduğu görülmektedir. buğday türüne ait etkinin etkinin %1 yanılma düzeyinde (P<0.3’de verilmiştir.3.1. Analiz sonuçları incelendiğinde. buğday*gübre interaksiyonunun ise önemsiz (P>0.1.1’in Varyans Analizi Sonuçları.1. Şekil 11. Örnek 11.01). .

A faktörü seviyeleri a0. Her bir kombinasyondan birer tane kağıtlara yazılarak bir torbaya koyulur ve her bir blok içerisinde kombinasyonların dağıtımı tesadüfen yapılır.11. a1. Her bir blokta muamele kombinasyonu sayısı kadar deneme ünitesi hazırlanır. şeklinde gösterilsin. B faktörü seviyeleri b0. B. . her biri iki seviyeli üç faktör (A.2. C’nin seviye sayısı = c. C faktörü seviyeleri c0. A B C Muamele Kombinasyonları c0 a0 b0 c0 b0 a0 b0 c1 c1 a0 c0 a0 b1 c0 b1 a0 b1 c1 c1 c0 a0 b0 c0 b0 c1 a1 b0 c1 a1 c0 a1 b1 c0 c1 a1 b1 c1 b1 a*b*c = 2*2*2 = 8 adet muamele kombinasyonu oluşmuştur. Faktöriyel Tesadüf Blokları Deneme Planı Denemenin Kuruluşu: Faktöriyel tesadüf parsellerinde olduğu gibi öncelikle muamele kombinasyonları oluşturulur. Arazi denemesi ise 32 parsel hazırlanır. c1. Örneğin. Blok sayısı = r.1.2. C) 4 bloklu bir denemede. Çizelge 11. A’nın seviye sayısı = a. b1. Faktöriyel tesadüf bloklarında muamele kombinasyonları aşağıdaki gibi oluşturulur. Deneme materyali (a*b*c*r) = 2*2*2*4 = 32 adet deneme ünitesine ayrılır. B’nın seviye sayısı = b. Muamele Kombinasyonları (axbxc).

Burada. γ k =C’nin k-ıncı seviye etkisini. aydınlanma vb farklılıklar olabileceği düşünülerek her bir raf bir blok olarak kabul ediliyor ve hazırlanan petri kaplarının yerleştirilmesi buna göre yapılıyor. C’nin k-ıncı seviyesinin interaksiyon etkisini. iki farklı konsantrasyonunun iki farklı sıcaklıktaki hücre yığını kuru ağırlıklarına etkisi incelenmek isteniyor.2. Örnek 11. e ijkl = Yijkl ’nin tesadüfi hatasını.1 mg/l. (αβγ ) ijk = A’nın i-inci seviyesi. B’nin j-inci seviyesinin interaksiyon etkisini. İklimlendirme dolabındaki üç rafın sıcaklık.1: Bir doku kültürü denemesinde iki farklı hormonun. b2=0. ifade eder. µ = Genel populasyon ortalamasını. (αγ ) ik = A’nın i-inci seviyesi.4 mg/l . Hormonlar (A): a1= NAA.2'deki gibi bulunuyor. a2= IAA Hormon sayısı = a = 2 Konsantrasyonlar (B): b1=0. (αβ) ij = A’nın i-inci seviyesi. β i = B’nin j-inci seviye etkisini. (βγ ) jk = B’nın j-inci seviyesi. B’nin j-inci seviyesi ve C’nin k-ıncı seviyesine ait interaksiyon etkisini. α i = A’nın i-inci seviye etkisini.Faktöriyel düzenlenmiş tesadüf blokları deneme planının matematik modeli. Yijkl = µ + α i + β j + γ k + (αβ) ij + (αγ ) ik + (βγ ) jk + (αβγ ) ijk + e ijkl şeklindedir.2. C’nin k-ıncı seviyesinin interaksiyon etkisini. Bir ay sonra gelişen hücre yığınlarının kuru ağırlıkları (mg) Çizelge 11.

K. = ((13712 + .9583 Blok A.. + 2263 2 ) / 12 ) − D..333333 A.K . = 39709. D. = (100 2 + . = 472.K. Hücre Yığını kuru Ağırlıkları (mg).2..K. = 4253 2 / 24 = 753667 G.2.375 (AxB) interaksiyon kareler toplamını bulmak için aşağıdaki gibi iki yönlü bir çizelge oluşturulur. Bloklar A B b1 a1 b2 b1 a2 b2 C I II III ∑ c1 100 105 108 313 c2 200 205 190 595 c1 161 156 180 497 c2 190 200 195 585 c1 120 115 140 375 c2 210 220 215 645 c1 180 189 201 570 c2 210 235 228 673 1371 1425 1457 ∑ ∑ ∑ ∑ 908 1990 1082 4253 1020 2263 1243 Çözüm: Faktöriyel tesadüf blokları deneme planında varyasyon kaynakları aşağıdaki gibi hesaplanır.. .T. + 1228 2 ) − D.K.Konsantrasyon sayısı = b = 2 Sıcaklıklar (C): c1= 20 0C . + 1457 2 ) / 8) − D.. = 3105. c2= 24 0C Sıcaklık sayısı = c = 2 Blok sayısı = r = 3 Çizelge 11.T. = ( (1990 2 + .K.K.T..

K..375 – 6567..K.T.T.. = 9772. .T.T.K. = 323002.04167 =100. = 26107.K.AxB = ((908 2 + .T.458 .T. = Alt Gr. + 570 ) 2 + (595 + .. AxB için bir alt grup kareler toplamı. .K. Burada payda da yer alan 6 sayısı karesi alınan her bir hücre toplamının elde edildiği gözlem sayısıdır. (AxB) K.(AxB) .T.K.041 7 (AxC) interaksiyon kareler toplamını bulmak için aşağıdaki gibi iki yönlü bir çizelge oluşturulur.375 (BxC) interaksiyon kareler toplamını bulmak için aşağıdaki gibi iki yönlü bir çizelge oluşturulur. = Alt Gr. Diğer kareler toplamları için.AxC = ((810 2 + .B.. = ( (313 + ..A.K.0417 .AxB a1 a2 b1 908 1020 b2 1082 1243 Bu çizelgeden.K.A.79 (AxC) K. + 673 2 ) / 12 ) − D . + 1318 2 ) / 6) − D.T.458 şeklinde hesaplanır. Daha sonra AxB iteraksiyonu.C.041667 olarak hesaplanır.T.. + 1243 2 ) / 6) − D.K.3105.(AxC) ..K .K. Alt Gr.K.79 . = 26107. AxC a1 a2 c1 810 945 c2 1180 1318 Alt Gr. = 9772.3105. C.T.T .23002.375 = 0.

T. = Alt G.BxC = ((688 2 + .04167 +23002.[3105.375 Hata K.T.K. a1 b1 c1 a2 b2 c2 c1 b1 c2 c1 b2 c2 c1 c2 313 595 497 585 375 645 570 673 Alt G.T.04167 (AxBxC) interaksiyon kareler toplamını bulmak için aşağıdaki gibi bir çizelge oluşturulur.K. + (AxB) K.K.K. +(AxB) K.T.K.375 +6567.AxBxC = ((3132 + .T.33333 . . = 34999.T.T.04167 – 23002.K.K.T.04167-23002.29 .= G.T. + 1258 2 ) / 6) − D.[A. + (BxC) K.375 +5430.T.K.T.T. = 38235.0417 +100.T.T.04167-30.041667-0.T.+ (AxBxC) K.K.T = 34999.T.0417 -100.+(AxC) K. + A. .K.041667 +0.T.T. + B..K.(BxC) .9583 .[Blok K.BxC b1 b2 c1 688 1067 c2 1240 1258 Alt Gr.C.0417 =5430. + C.[3105.T.T (AxBxC). + 673 2 ) / 3) − D. + B. ] = 39709.K.K..375-5430.+ C.+(BxC) K.] = 38235.T. + (AxC) K.T.T..K.375] = 1002.K..29 (AxBxC) K.04167 ] = 30.13 – 6567.13 (BxC) K.B.375-6567. = Alt G.

01=8.60. (önemli) 91.04 91.299 < F2.0417 5430. F testleri: 1.05=4.3.397 (AxC) (a-1) (c-1)= 1 0.0.14.005 (BxC) (b-1) (c-1)= 1 5430.0 321.A için. Varyasyon Kay.33333 236.0417 6567. (önemli) 3.0.0.958 Genel *α=0.279 >F1.B için.374 >F1.37 43.297 >F1.167 3.375 30.05.60. (önemsiz) 2. Fhesap=91.725 >F1.Varyans Analiz Tablosu.5952 Hata Abcr-1= 23 39709.05=4.05=4.01=8.374 >F1.60.05=3.0.74.14.Çizelge 11. (önemli) 321.86.**α=0. Fhesap=3. (önemli) 43.375 0.C için.01 yanılma düzeylerinde istatistiki olarak önemli.042 1. (önemli) 4.0. Fhesap=43. (B) (b-1)= 1 6567.844** (a-1)(b-1) (c-1)= 1 (AxBxC) 0.375 3105.042 23002.01=8. SD KT KO F Bloklar (r-1)= 2 472.14. (önemli) .14.374** Konsantr.279** (AxB) (a-1) (b-1)= 1 100.299 Hormonlar (A) (a-1)= 1 3105.0.14.424 (abc-1)(r-1)= 14 1002.2.375 30.14.14.375 0.04167 100.0.725** Sıcaklık (C) (c-1)= 1 23002.86.725 >F1. Fhesap=321.04 75.3333 71.86.Blok için.

Model tanımlama işlemi Şekil 11.1'deki gibidir.BC için.2.2.0.05=4.2.5.1’deki örnek için hormon. Fhesap=1. blok ve hücre yığını kuru ağırlıkları veri girişi Şekil 11. bağımlı değişken (hücre yığını kuru ağırlığı) Dependent Variable kutucuğuna ve bağımsız değişkenler (hormon.60. sıcaklık ve blok) Fixed Faktor(s) kutucuğuna atanarak değişken tanımlama aşaması tamamlanır. (önemsiz) Örnek 11.844 >F1. konsantrasyon.ABC için.60.2’ de görüldüğü gibi yapılır.2. (önemsiz) 6.844 >F1. Fhesap=0.14.0.2.05=4. Örnek 11.0.1’deki gibi veri girişi yapıldıktan sonra.2.AB için. Şekil 11.60.86.01=8.0.05=4.05=4.14. Çizelge 11. konsantrasyon. .14.005 <F1. (önemli) 8.14.AC için.2. Şekil 11. (önemsiz) 7.60.424 <F1.397 <F1.0. Fhesap=0.14.1’e Ait Veri Girişi.1.1’in SPSS İstatistik Paket Programında Çözümü. sıcaklık. (önemli) 75. Fhesap=75.

3’de verilmiştir.2.1’e Ait Matematik Modelin Tanımlanması. hormon. Örnek 11. Analiz sonuçları incelendiğinde.2. Örnek 11.05) olduğu görülmektedir. sıcaklık ve konsantrasyon*sıcaklık etkisinin %1 yanılma düzeyinde (P<0. Şekil 11.2.1’in Varyans Analizi Sonuçları.3. Örnek 11. hormon*sıcaklık ve hormon*konsantrasyon*sıcaklık interaksiyon etkilerinin önemsiz (P>0.1’e ait SPSS analiz sonuçları Şekil 11.01) önemli olduğu.2. konsantrasyon.2.2.Şekil 11.2. blok etkisi ile hormon*konsantrasyon. .

PROBLEMLER 1) Bir denemeden elde edilen veriler analiz için düzenlenmiş olarak aşağıdaki gibi verilmiştir. varyans analizini ve F testlerini yapınız. Buna göre.1 16.6 b2 17.1 17.2 56.9 20.8 b2 17. Elde edilen değerler aşağıdaki tabloda verilmiştir.4 85.4 15 68.8 12.4 15 69.4 14.2 13.4 b3 18.4 16 16 15.1 20.8 107.9 65.3 Çeşitler Fosfor a1 a2 ∑ 187.9 18.6 b1 13.3 b3 14.3 92.3 381. varyans analizini ve F testlerini yapınız.8 .6 15. Buna göre.3 13.2 13.6 16.1 ∑ 96.3 62.9 59.5 194. Bloklar 1 2 3 4 ∑ b1 15.1 15. Bloklar A a1 a2 B 1 2 3 ∑ b1 3 1 2 6 b2 8 6 10 24 b3 4 7 2 13 b1 2 2 4 8 b2 10 8 12 30 b3 4 5 12 11 ∑ 31 39 32 ∑ ∑ 43 92 49 2) Faktöriyel tesadüf blokları deneme planına göre kurulmuş olan (2x3)x4’lük bir denemede değişik buğday çeşitlerinin fosforlu gübre ile birlikte verim miktarları üzerine etkileri araştırılıyor.

3) Her biri iki seviyeli, üç faktör, üç blokta faktöriyel olarak
deneniyor. Elde edilen sonuçlar aşağıdaki gibidir.(A= Amonyum
sülfat (a1=gübresiz, a2=10 kg/da), B= Potasyum sülfat (b1=gübresiz,
b2=5 kg/da), C= Çiftlik gübresi (c1=gübresiz, c2=2 ton/da)). Buna
göre, varyans analizini ve F testlerini yapınız.

A

B

C

b1
a1
b2
b1
a2
b2

Bloklar

1

2

3

c1

51

56

37

c2

262

274

273 809

c1

215

222

229 666

c2

348

357

373 1078

c1

56

39

78

c2

323

288

274 885

c1

241

256

284 781

c2

400

350

421 1171

144

173

953
2697
1744
1058
3010
1952

1896 1842 1969

5707

4) Her biri iki seviyeli iki faktör, iki blokta faktöriyel olarak
deneniyor. Elde edilen sonuçlar aşağıdaki gibidir (A=sulama
(a1=sabah, a2=akşam), B=Gübre düzeyi (kg) (b1=5 kg/parsel, b2=10
kg/parsel)). Buna göre, varyans analizini ve F testlerini yapınız.
Bloklar
A
a1
a2

B

1.Blok

2.Blok

b1

15

13

28

b2

16

18

34

b1

14

16

30

b2

22

17

39

67

64

62
131
69

5) İki farklı mevsimde (M), dört farklı tip (T) materyal üzerinde, üç
ayrı yöntemle (Y), üç yinelemeli (tekerrürlü) olarak yapılan
ölçümlerde elde edilen veriler aşağıdaki gibidir. Üç faktörlü tesadüf
parselleri deneme planına göre analiz ediniz.
m1
t1

t2

m2
t3

t1

t2

t3

y1 y2 y3 y1 y2 y3 y1 y2 y3 y1 y2 y3 y1 y2 y3 y1 y2 y3

6

5

8 18 23 16 10 11 10 4

7

8 16 16 20 10 10 15

8

7

8 22 20 18 7

8 10 5

6

4 18 16 22 10 11 17

14 10 4 13 18 12 13 12 14 6

9

7 14 18 17 15 14 8

28 22 20 53 61 46 30 31 34 15 22 19 48 50 59 35 35 40
70

160

95

56

325

157

110

323
648

6) İki farklı sıklık seviyesinin, üç farklı yumurtacı ırkın
yumurta verimi üzerine etkisi inceleniyor. Deneme üç tekerrürlü
bölünmüş parseller deneme planına göre kuruluyor. Bir kafes
bataryasının her sırası ana parsel kabul ediliyor ve ana parsellere
ırklar, her sıradaki kafeslere (alt parsellere) ise sıklık düzeyleri rasgele
yerleştiriliyor. Deneme sonunda elde edilen sonuçlar aşağıdaki gibidir.
Buna göre, varyans analizini ve F testlerini yapınız.

Irklar Sıklık
I1
I2
I3

3

Σ

1

2

S1

303

339

355 997

S2

122

70

92

S1

282

253

283 818

S2

133

116

100 349

S1

115

147

189 451

S2

157

75

88

Σ

1112 1000 1107

284

320

Σ

Σ

1281
1167 3219
771

7) Aşağıda faktöriyel tesadüf parselleri deneme planından elde
edilen veriler analiz için düzenlenmiş olarak verilmiştir. Buna göre,
varyans analizini ve F testlerini yapınız.
A

a1

a2

B

Tekerrürler

b1

3 5 2 1

11

b2

9 8 8 7

32

b3

7 9 7 7

30

b4

2 2 5 1

10

b1

2 4 4 2

12

b2

9 9 8 8

34

b3

1 2 1 1

5

b4

8 7 8 8

31

83
165
82

12. BÖLÜNMÜŞ PARSELLER DENEM PLANI

Bazı durumlarda, çok faktörlü bir denemede bütün faktör
kombinasyonlarının tamamıyla şansa bağlı olarak dağıtılması suretiyle
parseller düzenlenemez. Örneğin, ekim, sürüm veya sulama suyunun
tatbiki gibi bazı muamelelerin küçük parsellere tatbiki uygulama
yönünden zordur. Bu zorluğa bir çözüm getirmek isteyen
istatistikçiler, bir seri muameleyi daha geniş parsellere (Ana
Parsellere), diğer bir seri muameleyi ise daha küçük olan ve bu geniş
parseller içerisinde yer alan parsellere (Alt Parseller) yerleştirmek
suretiyle bir deneme planı geliştirmişlerdir. Bu şekilde elde edilen
deneme planı Bölünmüş Parseller Deneme Planı olarak isimlendirilir.
Bölünmüş parseller deneme planları faktörlerin veya değişkenlerin
nispi önemleri dikkatle incelendikten sonra kullanılmalıdır. Eğer
bütün muamele kombinasyonlarının etkileri eşit bir hassasiyetle
tahmin edilmek isteniyorsa bu planın kullanılmaması gerekir. Çünkü
bu deneme planı alt parsel muameleleri için daha hassas tahminler
yapılmasını sağlarken ana parsel muameleleri için daha az hassas
tahminler yapılmasını sağlar. Böyle bir deneme kurulurken, mümkün
ise ana parsele, araştırıcı tarafından daha az önemli görülen faktörün
seviyeleri şansa bağlı olarak dağıtılır.
Örnek 12.1: İki farklı yaprak gübresi ile iki farklı budamanın
elmalardaki verim üzerine etkisi incelenmek isteniyor. Traktöre bağlı
bir pulverizatör ile boydan boya ilaçlama kolaylığından dolayı zorunlu
olarak yaprak gübreleri ana parsellerde deneniyor. Bahçedeki yan
yana dört sıra bir ana parsel kabul ediliyor. Her bir ana parsel ortadan
ikiye bölünerek alt parseller oluşturuluyor. Budama şekilleri her ana
parseldeki alt parsellere rasgele uygulanıyor.

Yaprak gövdesi (A): a1=pix , a2= masstonik
Budama şekli (B): b1=goble, b2=piramit
olmak üzere denemenin kuruluş planı Çizelge 12.1’deki gibidir.

1. Tekerrür Denemeden elde edilen ağaç başına verim ise Çizelge 12. A B I a1 b1 45 II III ∑ 66 85 196 b2 89 100 119 308 ∑ b2 90 115 100 305 164 215 220 ∑ 504 134 166 204 a2 b1 74 100 120 294 ∑ ∑ 1103 599 . Tekerrür III. Alt Parseller b1 Ana Parseller a2 b2 74 b2 a1 I.2'deki gibidir. Tekerrür b1 89 45 a1 b2 b1 a2 b1 b2 a1 b2 b1 a2 b2 b1 II. Elma Verimleri. Bölünmüş Parseller Denemesinin Kuruluş Planı.2.Çizelge 12. Çizelge 12.

K..B.K.K.75 = 850.T. AxB = ((196 2 + .0833 Hata(2) K.’a eşittir.167 A.K. = 102136.K .T.)-2051..75 Alt Gr. = (((134 + 164) 2 + .T..T. + (204 + 220) 2 ) / 4) − D.T.1667 -1260.K.T.K.(1) = (Tek x M)int.75-850.+2202)/2)-D. + 305 2 ) / 3) − D.1 = 5504. = 2862. + 100 2 ) − 101384.T.167-752.1 = 752.167-752.T..T. .Çözüm: Bölünmüş parseller deneme planında varyasyon kaynakları aşağıdaki gibi hesaplanır. .T-A..917 (AxB) K.1 G. D.0833-137.T.K.T. Hata K.0833 Burada.T.A..3 − 101384.1 = 1260.0833-1260..K.8 − 101384. = (45 2 + .K. = 5504. ..917-2051.K.T.1 = 2051.= Ana Par.. = 102644. = ((504 2 + 599 2 ) / 6) − D. = 1103 2 / 12 = 101384.1667 B.T.917 Tekerrür K.T. = (((1342+.K.Tekerrür A.K.T.. = ((196 + 294) 2 + (308 + 305) 2 ) / 6) − D. K. = Alt Gr.K.0833 = 453. .A.K.K.6667 . =G. = 2862. Hata (1) K.K.(AxB) K.T.. = 103435.T .917-752.-Tekerrür K.T-Hata(1) -B.K.2 − 101384.0833 =137.

(önemsiz) .05=18. (önemsiz) 4.116 > F1.Çizelge 12.Blok için. Fhesap=14.05.0833 10.167 68.4.4. (önemsiz) 2.51.0.495 < F1. Fhesap=11.92 Genel *α=0.954 (m – 1)= 1 752.3. Fhesap=7.0.583 14.**α=0.58333 Hata(1) (b – 1)= 1 1260.0833 Hata(2) m(r – 1) (b – 1)= 4 453. Varyasyon Kay.01=21.2.B için.116 < F1.71.17 1025.A için.05=7. (önemsiz) 3.2.083 752.667 113.75 (AxB) (m – 1) (b – 1)= 1 850. (önemli) 11.0. Fhesap=10.71. F testleri: 1.0.495 mbr-1=11 5504. SD Tekerrür Ygübre (A) KT KO F (r – 1)= 2 2051.75 Budama (B) 1260.495 < F2.20.4167 11.AB için.966 < F1.083 850.05=7.966 (r – 1) (m – 1)= 2 137. Varyans Analiz Tablosu.01 yanılma düzeylerinde istatistiki olarak önemli.0.4.05=19.116* 7.

2’deki örnek için yaprak gübresi. tekerrür ve ağaç başına verim (kg/ağaç) değerlerinin editör sayfasına giriş biçimi Şekil 12.1.1’e Ait Veri Girişi. Çizelge 12.2). . Daha sonra model tanımlama aşamasına geçilir. Örnek 12.1’deki gibidir.1’de bağımlı değişken (elma verimi) Dependent Variable kutucuğuna. Şekil 12. şansa bağlı değişken (tekerrür) Random Factor(s) ve bağımsız değişken (yaprak gübreleri ve budama şekli) Fixed Factor(s) kutucuğuna atanır (Şekil 12.Örnek 9’un SPSS İstatistik Paket Programında Çözümü. Örnek 12.

Bağımlı.3’de görüldüğü gibi yapılır. bağımsız ve şansa bağlı değişkenler tanımlandıktan sonra bölünmüş parseller deneme planı için model tanımlama Şekil 12. Bağımlı . Şekil 12. Bağımsız ve Şans Değişkenlerinin Atanması. Örnek 12. Örnek 12. .2.3.1 için.Şekil 12.1’e Ait Matematik Modelin Tanımlanması.

4’de verilmiştir.4’deki analiz sonuçları incelendiğinde.1’e ait SPSS analiz sonuçları Şekil 12. tekerrür. ygübre*budama interaksiyon etkilerinin önemsiz (P>0. .05).05). budama etkisinin ise %5 yanılma düzeyinde önemli olduğu görülmektedir (P<0. Örnek 12.1’in Varyans Analizi Sonuçları. ygübre etkisinin ve ygübre*tekerrür.Örnek 12. Şekil 12.4. Şekil 12.

A II ∑ 84 151 b2 102 120 222 B a1 ∑ a2 ∑ I b1 67 ∑ 599 1184 285 314 b1 86 74 160 b2 100 114 214 290 295 ∑ 585 . Buna göre.PROBLEMLER 1) İki ana parsele gübre dozları (10 kg/da ve 15 kg/da) ve alt parsellere de çeşitler yerleştirilerek bölünmüş parseller deneme planına göre kurulmuş bir denemenin verileri (kg/parsel verim) analiz için düzenlenmiş olarak aşağıda verilmiştir. Buna göre. varyans analizini ve F testlerini yapınız. a2= salma sulama) ve üç farklı gübre dozunun (B=Potasyum sülfat b1=5 kg/da. varyans analizini ve F testlerini yapınız. b2=10 kg/da. Gübre Dozları g1 ç1 ç2 ç3 ç4 ç1 ç2 ç3 ç4 Σ 3 10 8 2 4 20 4 7 58 1 17 7 2 3 15 10 6 61 6 9 10 5 7 18 8 7 70 10 36 25 9 14 53 22 20 Çeşitler Tekerrürler Σ g2 Σ 80 109 189 2) İki farklı sulama şekli (A= Sulama şekli a1=damla sulama. b3=15 kg/da) biber verimi üzerine etkisi araştırılıyor. Elde edilen sonuçlar (kg/da) aşağıdaki gibidir.

a2= piramit) ve üç farklı gübre dozunun (B= Çiftlik Gübresi b1=10 kg/da. Elde edilen sonuçlar (kg/da) aşağıdaki gibidir. varyans analizini ve F testlerini yapınız.3) İki farklı budama şekli (A= Budama şekli a1=goble . Buna göre. A B I II III ∑ a1 b1 45 66 85 196 b2 89 100 119 308 ∑ 134 166 204 b1 74 100 120 294 b2 90 115 127 332 ∑ 164 215 247 a2 ∑ ∑ 504 1130 626 . b3=20 kg/da) elma verimi üzerine etkisi araştırılıyor. b2=15 kg/da.

13.1: Üç mısır çeşidinin. Bu deneme planında üç tip parsel vardır. Bunlar. BÖLÜNEN BÖLÜNMÜŞ PARSELLER DENEME PLANI Üç faktörlü bir denemede. Tekerrür sayısı araştırıcıya ve deneme materyaline bağlıdır. iki toprak işleme metodu ile iki ekim zamanındaki verimlerini iki blokta denemeye almak için Bölünen Bölünmüş Parseller deneme planı uygulanıyor. Örnek 13. araştırıcıya göre bütün faktörler aynı derecede önemli görülmüyorsa veya uygulamadaki mecburiyetler sebebi ile bölünen bölünmüş parseller deneme planı uygulanır. . Böyle bir denemeyi tertip etmek için A faktörü seviyesi kadar ana parsel. alt parseller ve altın altı minik parsellerdir. Elde edilen verimler aşağıdaki çizelge de verilmiştir. ana parseller. B faktörü seviyesi kadar alt parsel ve C faktörü seviyesi kadar altın altı parsel gereklidir.

Mısır Verimleri. = 251. Blok Blok ∑ ∑ c1 8 8 16 c2 12 9 21 c1 14 12 26 c2 16 18 34 c1 11 9 20 c2 14 13 27 c1 15 12 27 c2 18 16 34 c1 13 11 24 c2 18 14 32 c1 14 13 27 c2 20 17 37 ∑ ∑ 37 97 60 47 108 325 61 56 120 64 Çözüm: Bölünen bölünmüş parseller deneme planında varyasyon kaynakları aşağıdaki gibi hesaplanır.Çizelge 13. = (8 2 + .K. 0833 .70833 Blok A.375 A.T. + 17 2 ) − D... = (50 2 + .İşl.17) 2 ) / 12 − D.K .T. Ekim. b1 a1 b2 b1 a2 b2 b1 a3 b2 I.K. = (97 2 + ..T.... II.K.. + 120 2 ) / 8 − D ..Z.K .1.K.K.9583 Ana Par.. D. = 33 .. + 55 2 ) / 4 − D. = 54.K. Çeşit Top. = 325 2 / 24 = 4401. = ((8 + .042 G.K. + 20) 2 + (8 + . = 18.T.

K.K.375-33.K.T.K.AxB = (37 2 + .70833-18.T.T.(AxB) K. = 131.T.25 = 2.125 (AxC) kareler toplamını bulmak için aşağıdaki gibi iki yönlü bir çizelge oluşturulur.K.375 (AxB) K.84. = 84.4583 .T.T. = (20 2 + ..B.0833 =14.T.54.Blok A.4583 Hata(2) K.T. = 155. = Alt Gr.T. AxB a1 a2 a3 b1 37 47 56 b2 60 61 64 Alt Gr.375.K.K.25 Alt Par.. = 155.7083 .K.70833 .84. = 54.. .T. = Alt Par. .K. AxC a1 a2 a3 c1 42 47 51 c2 55 61 69 .Ana Par.= Ana Par.K.33.K. K.A.K. .T .B.T..T.25 (AxB) kareler toplamını bulmak için aşağıdaki gibi iki yönlü bir çizelge oluşturulur.T. .T.. + 30 2 ) / 2 − D. + 64 2 ) / 4 − D. = (140 2 + 185 2 ) / 12 − D.T. = 131.375 – 14.Hata (1) K.K.7083 B.0833 = 3.A.K. .

= Alt Gr.375 .T.84.375 . = 84.2083 .T = 169.K.T.K.K.K.7917 .K.84.K.T.BxC = (60 2 + .K..K.375 = 1.T.C. + 105 2 ) / 6 − D..75 (BxC) kareler toplamını bulmak için aşağıdaki gibi iki yönlü bir çizelge oluşturulur..0833 = 1.33.84. = 169. ..K.B.T. . a1 b1 a2 b2 b1 a3 b2 b1 b2 c1 c2 c1 c2 c1 c2 c1 c2 c1 c2 c1 c2 16 21 26 34 20 27 27 34 24 32 27 37 .041667 (AxBxC) kareler toplamını bulmak için aşağıdaki gibi bir çizelge oluşturulur.2083 C. BxC b1 b2 c1 60 80 c2 80 105 Alt Gr.K. = 119.K. + 69 2 ) / 4 − D.K.T.7917 (BxC) K.T.AxC = (42 2 + .Alt Gr.T.C. = (140 2 + 185 2 ) / 12 − D. .T.T.375 (AxC) K. . = 119.A. = Alt G.

291667 Ab(c – 1)(r – 1)= 6 8. + (BxC) K.AxBxC = (16 2 + .75 + 1.708333 84.**α=0.625 (AxB) Ekim Zamanı (C) F (a–1)(b–1) (c–1)= 2 0. = 219.75 10.9583 .4583 + 84. .[Alt Par. + 37 2 ) / 2 − D.4583 . + (AxC) K.875 0. Varyans Analiz Tablosu.857** 0.05.Alt G.T.T. + (BxC) K.714 0.041667 (AxBxC) Hata(3) Genel 1.[33.958 *α=0.K.4583 (AxBxC) K.583333 Hata(3) K. + (AxC) K.375 18.0833 + 84. + (AxBxC) K.T.K. + B.0833 16.2 .] = 219.[155. + C.75 Çizelge 13.059* 14.041667 + 0.54167 Hata(1) Toprak İşleme (B) SD (r – 1) (a – 1)= 2 3.25 (b – 1)= 1 84. + (AxB) K.[A.375 11.308 1.25 + 1. Varyasyon Kay.K. = Alt G.25 7.118** 10.K.375 + 14.58333 0.K.2. + C.T.K.01 yanılma düzeylerinde istatistiki olarak önemli.T.375 57. KT KO Bloklar (r – 1)= 1 18.583333] = 8.K.T.T.6 (AxC) (a – 1) (c – 1)= 2 (BxC) (b – 1) (c – 1)= 1 1.T.= G.T..375 (a – 1) (b – 1)= 2 (c – 1)= 1 84.375 119.375 Çeşitler (A) (a – 1)= 2 33.T.125 Hata(2) a(b – 1) (r – 1)= 3 2.T.125 0.179 84. ] = 251.04167 1.T .75 1.458333 Abcr-1= 23 251.375 + 1.T.T.T.K.375 + 84..T. 0.041667 ] = 0.K.75 + 1.

99.01=34.12.059 > F2.6.0.05=18.3.05=10.82.3. . Fhesap=119. (önemsiz) 5.0.2 < F2.0.059 < F2. (önemli) 57.2. Fhesap=11.6.0.1’deki gibidir. Fhesap=10.51.14.C için.0.857 > F1.0. Çizelge 13.AC için.6.ABC için.714 < F1.3.6.BC için. (önemli) 6.1’deki örnek için mısır çeşitleri. blok ve parsel verimi değerlerinin editör sayfasına giriş biçimi Şekil 13.6.01=30.14. (önemli) 4. Fhesap=0.2.0. (önemli) 119.Blok için.05=19.308 < F1.AB için. (önemsiz) 2.0.55. (önemsiz) Örnek 13. Fhesap=10. (önemli) 10.0.A için.13.0.05=5.3. Fhesap=57.118 > F1.F testleri: 1.179 < F2.05=5. (önemsiz) 7. (önemsiz) 3. Fhesap=0.1’in SPSS istatistik Paket Programında Çözümü.05=9. toprak işleme metodları. ekim zamanları.74. (önemsiz) 8.05=5.05=5.857 > F1.6 < F2.99.01=13. Fhesap=0.B için.118 > F1.0.

1’de bağımlı değişken (mısır verimi) Dependent Variable kutucuğuna. toprak işleme ve ekim zamanı) Fixed Factor(s) kutucuğuna atanır (Şekil 13.1’e Ait Veri Girişi. Şekil 13. . Bağımsız ve Şans Değişkenlerinin Atanması. Daha sonra model tanımlama aşamasına geçilir.2.1.1 Için.Şekil 13.2). şansa bağlı değişken (blok) Random Factor(s) ve bağımsız değişken (çeşit. Örnek 13. Örnek 13. Bağımlı . Örnek 13.

Örnek 13.3. bağımsız ve şansa bağlı değişkenler tanımlandıktan sonra bölünmüş parseller deneme planı için model tanımlama Şekil 13. Şekil 13.4.1’in Varyans Analizi Sonuçları.1’e ait SPSS analiz sonuçları Şekil 13. Örnek 13.4’de verilmiştir.Bağımlı.1’e Ait Matematik Modelin Tanımlanması. .3’de görüldüğü gibi yapılır. Örnek 13. Şekil 13.

Şekil 13.4’deki analiz sonuçları incelendiğinde, blok, çeşit
etkisinin ve çeşit*ekim zamanı, toprak işleme* ekim zamanı,
çeşit*toprak işleme* ekim zamanı interaksiyon etkilerinin önemsiz
(P>0.05), toprak işleme metodunun ve ekim zamanı etkisinin %1
yanılma düzeyinde (P<0.01), çeşit*toprak işleme interaksiyon
etkisinin ise %5 yanılma düzeyinde önemli olduğu görülmektedir
(P<0.05).

PROBLEMLER

b2
b1
a2
b2

II. Blok

a1

I. Blok

b1

Sulama Sev.

Ekim Şekli

Çeşit

1) İki domates çeşidinin, iki ekim şekli ile iki sulama
seviyesindeki verimlerini iki blokta denemeye almak için Bölünen
Bölünmüş Parseller deneme planı uygulanıyor. Buna göre, varyans
analizini ve F testlerini yapınız.

c1

4.64

4.64

9.28

c2

6.87

5.50

12.37

c1

7.39

6.47

13.86

c2

8.70

9.62

18.32

c1

5.91

5.00

10.91

c2

7.79

7.33

15.11

c1

7.94

6.57

14.51

c2

9.62

8.70

18.32

58.86

53.82

21.64
53.82
32.18
112.67
26.02
58.86
32.83

b1
a2
b2
b1
a3
b2

III. Blok

b2

II. Blok

a1

I. Blok

b1

Sağım Yön.

Yemleme Şek.

Irk

2) Üç keçi ırkının, iki yemleme şekli ile iki sağım
yöntemindeki günlük süt verimlerini incelemek için, üç blokta
bölünen bölünmüş parseller deneme planı uygulanıyor. Buna göre,
varyans analizini ve F testlerini yapınız.

c1

1.84

1.84

1.47

5.15

c2

2.76

2.07

1.93

6.76

c1

3.22

2.76

2.39

8.37

c2

3.68

4.14

3.13

10.95

c1

2.53

2.07

1.84

6.44

c2

3.22

2.99

2.48

8.69

c1

3.45

2.76

2.48

8.69

c2

4.14

3.68

3.13

10.95

c1

2.99

2.53

2.21

7.73

c2

4.14

3.22

2.94

10.30

c1

3.22

2.99

2.48

8.69

c2

4.60

3.91

3.40

11.91

39.79

34.96

29.90

11.91
31.23
19.32
15.13
34.78 104.65
19.64
18.03
38.64
20.61

3) Bölünen bölünmüş parseller deneme planına göre yapılan
bir denemeden elde edilen sonuçlar analiz için düzenlenmiş olarak
aşağıda verilmiştir. Buna göre, varyans analizini ve F testlerini
yapınız.

A

B

b1
a1
b2

b1
a2
b2

C

I. Blok II. BlokIII. Blok

c1

1.30

1.30

1.23

3.83

c2

1.94

1.46

1.62

5.02

c3

2.27

1.94

2.01

6.22

c1

2.59

2.92

2.62

8.13

c2

1.78

1.46

1.54

4.78

c3

2.27

2.11

2.08

6.46

c1

2.43

1.94

2.08

6.46

c2

2.92

2.59

2.62

8.13

c3

2.11

1.78

1.85

5.74

c1

2.92

2.27

2.47

7.65

c2

2.27

2.11

2.08

6.46

c3

3.24

2.75

2.85

8.85

28.03

24.62

25.07

15.07
34.44
19.37
77.72
20.33
43.28
22.96

14. REGRESYON VE KORELASYON
14.1. Basit Regresyon

Bilimsel çalışmalarda, hakkında ölçüm yapılan değişkenler arası
ilişkilerin incelendiği durumlarla çok sık karşılaşılmaktadır. Bu
ilişkiler, iki değişken arasında olduğu gibi, çok değişken arasında da
söz konusu olabilir.
Biri bağımlı (Y) biri bağımsız (X) iki değişken arasındaki
doğrusal ilişkinin denklemine “basit regresyon” adı verilir. Gerek
tarımda gerekse diğer alanlarda bilimsel çalışmalar yapan bir çok
araştırıcı bu gibi değişkenler arasındaki ilişkileri incelemek ister.
Bağımlı ve bağımsız değişkenler için bazı örnekler Çizelge 14.1.1’de
verilmiştir.
Çizelge 14.1.1. Bazı Araştırmalarda Kullanılan Bağımsız ve Bağımlı
Değişken Örnekleri.
X (Bağımsız Değişken)

Y (Bağımlı Değişken)

Yaş (yıl)

Gerçek süt verimi (kg/laktasyon)

Yaş (hafta)

Sülünlerde canlı ağırlık

Aylar

Hindilerde çıkış gücü (%)

Zaman ( hafta)

Koyunlarda canlı ağırlık (kg)

Doğum ağırlığı ( kg )

45. gün ağırlığı

Azotlu gübre N (kg/da)

Buğday verimi (kg/da)

Rasyondaki P/E oranı

Vücuttaki yağ birikimi

Aylar

Sıcaklık (°C)

Yerleşim sıklığı (adet/m2) Bıldırcınlarda yaşama gücü
Pupa ağırlıkları (mg)

Amerika beyaz kelebeği ergin çıkış oranı (%)

1.1. . Örneğin.1f’deki gibi.1f’dekine dönüşür.1. Bakteri koloni büyümesi Şekil 14. X ve Y arasındaki çeşitli ilişkiler. Şekil 14. X ve Y arasındaki çeşitli ilişkiler Şekil 14. çocuklarda ilkokul çağına kadar olan kelime kazanımı Şekil 14.1e’deki gibi.1d’deki gibi.1. Kelime kazanımı ilkokul çağı yerine çok daha ileri yaşlara kadar incelenirse bu ilişki Şekil 14.1c’deki gibi bir ilişki gösterir. doğrusal olmayan ilişkiler de mevcuttur.1.1.1’de verilmiştir. laktasyon eğrisi Şekil 14.Bağımlı ve bağımsız değişkenler arasındaki ilişkiler doğrusal olabildiği gibi.1. balık büyümesi Şekil 14.1.

Doğrusal regresyon modelinin iki parametresi vardır.Model Bağımlı (Y) ve bağımsız (X) değişken arasındaki doğrusal ilişkinin matematiksel ifadesi. Bu amaçla bu modeldeki hata terimleri (ei) yalnız bırakılıp eşitliğin her iki tarafının karesi alınarak toplanırsa. Eşitliğin α için kısmi türevi alınıp sıfıra eşitlendiğinde bazı matematiksel işlemlerden sonra . Burada ele alınan ilişki. . gözlenen (Xi.1. Bu eşitlikte hata kareler toplamını (∑e2i) minimum yapacak α ve β parametrelerinin tahminlerini elde etmek için eşitliğin hem α için hem β için kısmi türevi alınarak sıfıra eşitlenir. İlişkinin doğrusal olması. “doğrusal regresyon” veya “basit regresyon” gibi isimlerle adlandırılır. elde edilen regresyon hattının bir doğru şeklinde olmasından çok parametrelerin modelde doğrusal bir ilişki içinde olması ile ilgilidir. ∑e2i=∑(Yi-αi-βi)2 eşitliği elde edilir. Basit regresyon ismi ise daha çok biri bağımlı diğeri bağımsız yalnızca iki değişken ile ilgili olmasından kaynaklanmaktadır. Parametrelerin tahmininde esas amaç.1. X’in de hata içerdiği veya hem X hem Y’nin hatasız ölçüldüğü değişkenler arası ilişkiler burada ele alınmayacaktır. Yi=α+βXi+ei şeklindedir. Yi=α+βXi+ei modelindeki hataların (ei’lerin) kareleri toplamını minimum yapacak parametre tahminleri yapılır. Bu nedenle EKK yönteminde. Burada. Bunlar α ve β’dır. 14.Yi) noktalarını en iyi temsil edecek regresyon hattının (doğrunun) elde edilmesidir. X’in hatasız ölçüldüğü ve Y’nin ise belli bir hata miktarı (ei) ile ölçüldüğü varsayılır. Parametrelerin Tahmini Yi=α+βXi+ei eşitliği ile verilen doğrusal regresyon modelinin parametrelerinin tahmini için “En Küçük Kareler (EKK) Yöntemi” kullanılır.

Sistem α ve β bilinmeyenleri için çözüldüğünde doğrusal regresyon modelinin parametrelerine ait “tahmin edicileri”. Yi=α+βXi+ei modelindeki α ve β parametrelerinin EKK yöntemi ile elde edilen tahminleri bu çalışmadaki gibi αˆ ve βˆ ile ya da birçok literatürlerde olduğu gibi a ve b sembolleri ile gösterilmektedir. normal eşitlik” denir. 1. Aynı şekilde ∑e2i=∑(Yi-αi-βi)2 eşitliğinin β parametresi için kısmi türev alınıp sıfıra eşitlendiğinde bazı matematiksel işlemlerden sonra. ∑ Xi Yi − [(∑ Xi ∑ Yi ) / n ] βˆ = = Sxy / Sxx ∑ Xi2 − [(∑ Xi ) 2 / n ] ve αˆ = Y − bX şeklinde bulunur. δ∑e2i / δβ = -2∑Xi(Yi-α-βXi) = 0 ∑Xi(Yi-α-βXi) = 0 ∑XiYi-α∑Xi-β∑Xi2 = 0 α∑Xi+β∑Xi 2 = ∑XiYi eşitliği elde edilir ve bu son eşitliğe “2. normal eşitlikler iki bilinmeyenli bir denklem sistemidir. ve 2. normal eşitlik” denir. Parametrelerin tahmin edilmesi ile ∑e2i=∑(Yi-αi-βi)2 doğrusal regresyon modeli. Ayrıca özellikle çoklu regresyonda ve matris yöntemi ile hesaplamalarda α yerine β0’ın kullanılması kolaylık sağlamaktadır. .δ∑e2i / δα = -2∑(Yi-α-βXi) = 0 ∑(Yi-α-βXi) = 0 ∑Yi-∑α-β∑Xi = 0 nα+β∑ Xi = ∑Yi eşitliği elde edilir ve bu son eşitliğe “1.

βˆ1 ve r’nin İlişkisi ˆ ˆ = βˆ + βˆ X tahmin eşitliğindeki βˆ Y i 0 1 i 0 ve β1 tahmin edicilerinin aldığı çeşitli değerlere göre bazı ilişkiler Şekil 14. Bu kitapta son gösterim şekli kullanılacaktır. bu çalışmada incelenen doğrusal regresyon modelinin verilere uydurulabilmesi için noktaların bir doğru etrafında dizilmesi gerekir.1. “dağılım grafiği” gibi isimler verilir. Çünkü. “Eğim”. “scatter plot”. Noktaların Dağılımı ile βˆ 0 .1'de korelasyon katsayısının (r) alabileceği değerler ve regresyon katsayısı ( βˆ1 ) ile olan ilişkisi de belirtilmiştir. Noktaların dağılımına ait grafiğe “serpilme diyagramı”.”intercept” gibi isimler alır. “tahmin denklemi” “regresyon denklemi” gibi isimlerle anılır. βˆ1 ise. doğrunun y eksenini kestiği noktanın değerini verir ve “kesme noktası”. X’in kendi cinsinden 1 birim değişmesi halinde Y’nin kendi cinsinden kaç birim ve ne yönde değişeceğini gösterir. Bazı durumlarda βˆ ’ın mantıksal bir anlamı olmayabilir 0 ve denklemde yalnızca bir başlangıç parametresi görevi görür.1. . βˆ ise 1 doğrunun eğimidir. “hız”.1. X’in sıfır değerine karşılık Y’nin alacağı değeri verir. Yine Şekil 14. Bu tahmin eşitliği bir doğrunun matematik fonksiyonudur.1. “regresyon katsayısı” gibi isimler alır.ˆ = αˆ + βˆ X veya Y ˆ = a + bX veya Y ˆ = βˆ + βˆ X Y i 0 1 i i i i i şekline dönüşür. Bir başka yorum ile βˆ 0 .1’de verilmiştir. Değişkenler arası ilişkilerin incelenmesinde noktaların grafik üzerindeki dağılımı araştırıcıya önemli ipuçları vermektedir. İlişkinin doğrusal olup olmadığına veya uydurulan modelin yeterli olup olmadığına dair istatistik testler vardır. Bu eşitlik “tahmin eşitliği”. Araştırıcı öncelikle serpilme diyagramını oluşturarak noktaların doğrusal bir ilişki içerisinde olup olmadığına bakmalıdır. βˆ 0 ve βˆ1 ’in İstatistiksel Yorumu Doğrusal regresyon modelinin parametre tahminleri olan βˆ 0 ve βˆ1 ’in yorumu şu şekildedir: βˆ 0 .

5) Noktalar tam doğru üzerinde yer alıyorsa r = +1 (düz ilişkide) veya r = -1 (ters ilişkide) değerlerini alır (Şekil 14. İşaretlerin negatif veya pozitif olmasına çarpımların toplamı (Sxy) neden olur. b ve e). r ise -1 ve +1 arasında değer alır.1.1b ve d).1a. . Dolayısı ile βˆ 0 ve r > 0’dır (Şekil 14.1c ve d). -∞ ve +∞ aralığında.Ancak araştırıcı.1. 4) Gözlenen noktalar bir doğru etrafında dizilmişler ve noktalar soldan sağa doğru alçalıyorlarsa ters ilişkiden söz edilir.1. Dolayısı ile βˆ1 ve r < 0’dır (Şekil 14. serpilme diyagramını göz ile inceleyerek doğrusal regresyonla ilgili olarak bazı ilişkileri önceden görebilir. Aşağıda.1.1. 3) Gözlenen noktalar bir doğru etrafında dizilmişlerse ve noktalar soldan sağa doğru yükseliyorsa düz ilişkiden söz edilir.1. doğrusal regresyon ile ilgili olarak bazı önemli bilgiler sıralanmıştır: ˆ . 1) β 1 ˆ ve r) işaretleri 2) Regresyon ve korelasyon kat sayılarının ( β 1 her zaman aynıdır.

βˆ1 ve r ‘nin değerleri. .ˆ β0 > 0 ˆ β1 > 0 ˆ β0 > 0 ˆ β1 > 0 ˆ β0 < 0 ˆ β1 < 0 0<r <1 r =1 −1<r < 0 ˆ β0 > 0 ˆ β1 < 0 r = −1 ˆ β0 < 0 ˆ β1 > 0 r = belirsiz ˆ β1 > 0 0<r <1 Şekil 14.1. Noktaların dağılımı ile βˆ 0 .1.1.

.Regresyon Analizi ve Grafik yorumu Sayısal Örnek ve Analiz Örnek 14. X = 3. Bıldırcınlarda Büyütme Süresince Fert Başına Günlük Yem Tüketimi.1: Bıldırcınlarda büyütme süresince fert başına günlük yem tüketimi (g) Çizelge 14.5=2.1’de verilmiştir.(21)(98) / 6 = 42 olarak elde edilir.33 ∑Xi2 = (1+.. Syy = ∑Y2 .1. βˆ1 = Sxy / Sxx = 42 / 17..+400)=1726 ∑XiYi = (1*10+.. Sxx = ∑X2 . 1 2 3 4 5 6 Yem Tüketimi (g) . Y = 16..33. Sxx.(∑X)2 / n = 91 .1..5 Sxy = ∑XY . Buna göre.1. (Yi) 10 13 15 16 24 20 Haftalar (Xi) Çözüm: ∑Xi = 21.1.4 .+6*20)=385.212 / 6 = 17..5 ∑Yi = 98.1..1.982 / 6 = 125.1..(∑X)(∑Y) / n = 385 .(∑Y)2 / n = 1726 . n=6 Parametrelerin tahminlerinin elde edilmesi için Syy. Çizelge 14. Sxy sembolleri ile kısaca gösterilebilen kareler ve çarpımlar toplamları.+36)= 91 ∑Yi2 =(100+..

1) (Xi. 3) Regresyon katsayısı.33 . sıfırıncı haftada (X =0 için) tüketilen ˆ = βˆ = 7. bağımlı ve bağımsız değişkenlerin ortalamalarının kesişme noktası olup regresyon doğrusu üzerinde yer alır.2.93 değeri.ve βˆ 0 = Y .1. Bu gibi durumlarda. beşinci haftadaki (X5 için) yem tüketimi .5 = 2.4 (3.Y ’nin ∆X =Xi . ˆ = 7.6 /1. βˆ1 =2.1.4X Y i olarak bulunur. Böylece tahmin eşitliği.4g olarak bulunmuş olup. Örnekte regresyon katsayısı.5) = 7.93 şeklinde parametrelerin tahminleri elde edilir.2’den de görüleceği gibi kesme noktası olan βˆ 0 = 7.4g artacağını belirtir. eşittir ve ∆Y = Y i ˆ . 2) ( X .2 üzerinde incelenebilir. Doğrusal regresyon ile ilgili önemli hususlar aşağıda maddeler halinde verilmiştir.5) = 3. aynı zamanda θ açısının tanjantına ˆ . her hangi bir i-inci gözlem noktasının koordinatlarını verir.1.1.93g olduğunu gösterir ki bunun biyolojik yem miktarını Y 0 olarak anlamı yoktur. Sözü edilen bilgiler Şekil 14.1. Şekil 14.93 + 2.Yi). Örneğin.4X eşitliğine ait regresyon doğrusu Şekil Y i 14.93-16. Y ) noktası. βˆ 0 . besideki bıldırcınların yaşı bir hafta arttığında bıldırcın başına günlük yem tüketiminin de 2.X ’ya oranı ile bulunabilir.4 olarak hesaplanır. 4) Tahmin eşitliği kullanılarak her hangi bir Xi için Yi değeri tahmin edilebilir. Grafik Yorumu ˆ = 7.33) /(5-3. b.X ) Örnekte i= 5’inci hafta için b = tg θ = ∆Y /∆X = ( Y 5 = (19. bir “başlangıç değeri” olarak yorumlanır.2’de verilmiştir.Y ) / (X5 .93 + 2.1.b X = 16.

4 (5) = 19.1. 5) Gözlenen Yi değeri ile onun tahmini arasındaki fark hatayı ˆ (ei) verir. Şekil 14.19.1. Tahmin Doğrusu ve Bazı Ayrıntılar. Örneğin beşinci hafta için hata miktarı e5=Y5.93 = 4.93 + 2.93g.Y 5 = 24 .4X eşitliği ile tahmin gözlenen değeri Y5 = 24 iken Y i ˆ edilen yem tüketimi miktarı Y = 7. bulunur.93 + 2. Gözlenen Noktalar. . prediction) denir.ˆ = 7.07 bulunur. Belirli bir X değeri için tahmin eşitliğinden Yi değerinin tahmini işlemine “tahminleme” (kestirim. Yi değerine ise Yi’nin “tahmin değeri” (prediction value) denir.2.

53.14. Regresyon Varyans Analizi Örnek 14.1'e ait regresyon varyans analizi için kareler toplamı ve serbestlik dereceleri. kareler ortalaması ve F değeri Çizelge 14.5 Sxx =100. Regresyon Varyans Analizi Çizelgesinin Sembolik Gösterimi.1'de özetlenmiştir.2.1. Sxy (Sxy ) 2 (42)2 ˆ Regresyon KT= β1Sxy = (Sxy ) = = Sxx 17. şeklinde hesaplanır. . Burada bulunan regresyona ait F hesap değeri.8. Varyasyon Kay. F1.1'e ait regresyon varyans analizinde kullanılacak kareler toplamı.33. Regresyon serbestlk derecesi = k-1=Değişken sayısı-1=2-1=1.2.5 Sxx =24. Hata KT= Syy .1. Hataya ait serbestlik derecesi=n-2=6-2=4.n-2. Genel KT= Syy =125.2. Çizelge 14.1.1.1.βˆ1Sxy Genel n-1 Syy Örnek 14. Genel'e ait serbestlik derecesi=n-1=6-1=5.βˆ1Sxy = Syy - (Sxy ) 2 (42)2 =125.α/2 cetvel değeri ile karşılaştırılır (n= gözlem değeri sayısı).βˆ1Sxy )/n-2 Hata n-2 Syy .SD Regresyon k-1 KT KO F βˆ1Sxy βˆ1Sxy Regresyon KO Hata KO ( Syy .1.3317.1.1.

14.1'e ait regresyon varyans analizi Çizelge 14.8 100.2. Daha sonra regresyon kareler ortalaması hata kareler ortalamasına bölünerek regresyona ait F değeri bulunur. biri bağımlı olması gerekmez.1. Korelasyonda değişkenlerin mutlaka biri bağımsız.8 = 16. Diğer bir ifade ile bağımlı ve bağımsız değişken arasındaki ilişkinin derecesi “korelasyon” olarak adlandırılır.2. X2. Çizelge 14. değişken .ve 2. Hesap değeri cetvel değerinden büyük olduğu için regresyon önemli bulunmuştur (P<0. Korelasyon Korelasyon değişkenlerin birlikte değişimlerinin bir ölçüsüdür. Regresyon Varyans Analizi Çizelgesi. Karşılıklı bağımlılık söz konusudur. Varyasyon Kay. X3 gibi değişkenlerin olması durumunda.1.05 = 7. Başka bir değişken hesaba alınmadan sadece iki değişken arasında hesaplanan korelasyon katsayısına ‘basit doğrusal korelasyon katsayısı’ ismi verilir ve hangi değişkenler arasındaki ilişki olduğu rxy veya r12 gibi değişken adları ya da numaraları ile gösterilir.1.2.437 > F1.Kareler toplamı bulunduktan sonra.33 Regresyon Regresyona ait F testi.437 Hata 4 24. her bir kareler toplamı kendi serbestlik derecesine bölünerek kareler ortalamaları bulunur.2'de verilmiştir. İkiden fazla değişken olması durumunda korelasyon iki kısımda incelenebilir.71 6.SD KT KO F 1 100. Örneğin ağırlık ve boy özelliklerinden hangisinin diğerine bağımlı olduğu konusu kesin değildir.2. F = RKO / HKO = 100. değişkeninin etkisi sabit tutularak 1. 3. Ancak korelasyon hesaplanabilir.1.1325 Genel 5 125.8 16.4.53 6. Örneğin X1. Örnek 14.1325 şeklindedir.0.05).

Korelasyon Katsayısının Nokta Dağılım Grafiği Üzerinde İncelenmesi.1’de verilmiştir.896815 17.2. Bir değişkenin birden fazla değişkenle birlikte değişiminin incelenmesine ise “çoklu korelasyon katsayısı” adı verilir ve ‘R1 2 3 .1.2.arasında hesaplanan katsayıya ‘ kısmi korelasyon katsayısı’ ismi verilir (R12.2.3 = . eşitlikleri ile hesaplanabilir. Kısmi ve basit doğrusal korelasyon katsayıları sırası ile. Korelasyon katsayısının değişim sınırları –1≤r ≤+1 arasındadır.1c’deki gibi ise korelasyon katsayısı sıfır veya sıfıra yakındır (r = 0 veya r≅ 0).3).2. r12 − r13r123 r12.1a’daki gibi ise korelasyon katsayısı pozitif (r > 0). Örnek 14. Korelasyon katsayısının pozitif. . y y x (a) x (b) x (c) Şekil 14.1.1'e ait korelasyon katsayısı.5x125.’ şeklinde ifade edilir.1b’deki gibi ise korelasyon katsayısı negatif (r < 0) ve Şekil 14.. Şekil 14.1. 42 r= =0. Hem basit doğrusal korelasyon katsayısı hem de kısmi korelasyon katsayısı iki değişkenin birlikte değişimini inceler. 2 2 (1 − r13 )(1 − r23 ) r= Sxy SxxSyy .33 olarak hesaplanabilir. negatif veya sıfıra yakın olduğu durumlarda gözlemlere ait nokta dağılımı Şekil 14.. Nokta dağılışı Şekil 14.2.

95 şeklindeki bir korelasyon test sonucunda önemsiz çıkabildiği gibi.α/2 ˆ V(β 0 ) şeklindedir. 1 X2 V(βˆ 0 ) = S 2 ( + ). Çünkü bu parametre tahminlerinin önemliliği verilerin sayısı (n) ile değişim ölçülerinden (örneğin standart hatadan) etkilenir. Bu hipotez doğrunun merkezden geçtiği varsayımını test eden bir hipotezdir. n S xx ve S2 değeri. doğrunun merkezden yani (Xi. β 0 katsayısının önem testi. βˆ1 ve r Katsayılarının Önem Testleri . 2 Hata kareler ortalaması = S = (S yy − (S xy ) 2 S xx n−2 ) şeklindedir.14. . r = 0.0) noktasından geçtiği kabul edilir. Örnek 14. Örneğin r = 0.3. Ho: β 0 =0 H1: β 0 ≠0 şeklindedir. Güven Sınırları ve Uyum İyiliği Doğrusal regresyon parametreleri ( βˆ 0 ve βˆ1 ) ile korelasyon katsayısı (r) tahmin edildikten sonra önem testleri yapılmalıdır. Burada βˆ 0 ’a ait varyans.10 gibi sayısal olarak çok küçük gibi gözüken korelasyon da önemli çıkabilir.Yi) = (0. Hipotezler.1’den hesaplanan β 0 ’a ait önem testi aşağıdaki gibi yapılır. Çünkü araştırıcı tahmin edilen katsayıların sayısal büyüklüğü ile değil istatistiksel büyüklüğü ile ilgilenmelidir. Test istatistiği.1. βˆ − β 0 t= 0 ∼tn-2. βˆ 0 .1. Ho hipotezi kabul edilirse.

776(5.33 − ) 17.93–2. üst güven sınırı=Lü= βˆ 0 + tn-2. βˆ 0 ± tn-2. alt güven sınırı=La=7. 1 X2 1 (3. Örnek 14.1. α/2.314833)1/2 = 14. üst güven sınırı=Lü=7.tn-2.1’den hesaplanan β 0 ’a ait güven aralıkları. α/2.Ho: β 0 =0 H1: β 0 ≠0 S2 = (S yy − (S xy ) 2 S xx n−2 ) (42) 2 (125.1325( + ) n S xx 6 17.1.05). . şeklindedir.93 − 0 5.530231. βˆ 0 ’ın güven sınırları. şeklinde hesaplanır.314833 .1325 .0. α/2.93+2.776 t hesap değeri cetvel değerinden büyük olduğu için Ho hipotezi red edilmiştir. t= 7.S βˆ 0 .314833 t = 3.314833)1/2= 1.5 V(βˆ 0 ) = 5. alt güven sınırı=La= βˆ 0 .5 = 6−2 S 2 = 6.S βˆ 0 .776(5.5) 2 V(βˆ 0 ) = S 2 ( + ) = 6.3297.05/2=2.439762 > t6-2.S βˆ 0 yani. Yani regresyona ait β 0 (Y eksenini kesim noktası) katsayısı istatistiki olarak önemli bulunmuştur (P<0.

S2 V(βˆ 1 ) = S xx şeklindedir. βˆ − β t = 1 1 ∼tn-2. .776) büyük olduğu için Ho hipotezi red edilir. doğrunun X eksenine paralel olup olmadığını test eden bir hipotezdir.β1 katsayısının önem testi.4 − 0 = 4.α/2 V(βˆ 1 ) şeklindedir.05/2=2. Yani regresyon doğrusunun eğimi. Ho: β1 =0 H1: β1 ≠0 6. doğrunun eğiminin önemsiz olduğu. Burada βˆ 1 ’a ait varyans.1.1.05).1. Ho hipotezi kabul edilirse.054259 0. Ho: β1 =0 H1: β1 ≠0 şeklindedir.5 βˆ − β t= 1 1 = V(βˆ 1 ) 2.1f) kabul edilir. β1 katsayısı istatistiki olarak önemli bulunmuştur (P<0. yani doğrunun X eksenine paralel olduğu (Şekil 14.0.350429 t hesap değeri cetvel değerinden (t4. Örnek 14.1.1325 S2 ˆ = 0. Bu hipotez. Hipotezler.1’den hesaplanan β1 ’e ait önem testi aşağıdaki gibi yapılır.350429 V(β1 ) = = S xx 17. Test istatistiği.

(S) βˆ 1 yani.1.βˆ 1 ’in %99’luk güven sınırları. Burada S r korelasyon katsayısının standart hatasıdır ve 1− r2 Sr = n−2 şeklindedir.1.(S) βˆ 1 .α/2 Sr şeklindedir. Korelasyon katsayısı ρ ile gösterilecek olursa. üst güven sınırı=Lü= βˆ 1 + tn-2.221203 .4–2. alt güven sınırı=La= βˆ 1 . şeklindedir.896815) 2 =0. Örnek 14. Örnek 14.350429)1/2 =0.896815 − 0 =4.75669. βˆ 1 ± tn-2. Sr = t= 1 − (0.776(0.350429)1/2 =4. α/2.1’den hesaplanan β1 ’e ait güven aralıkları. α/2.896815’e ait önem testi aşağıdaki gibi yapılır. alt güven sınırı=La=2. Test istatistiği.054265 0. hipotezler.(S) βˆ 1 . Korelasyon katsayısının önem testi. α/2.221203 6−2 0.04331 şeklinde hesaplanır. üst güven sınırı=Lü=2.1.1’den hesaplanan r = 0. t= r −ρ ∼tn-2.4+2. Ho: ρ=0 H1: ρ≠0 Şeklinde kurulur.1.776(0.tn-2.

R2 değeri değeri aynı zamanda doğrusallığın bir ölçüsüdür. Belirleme katsayısı.t hesap değeri cetvel değerinden (t6-2. belirleme (tespit. R2 değeri 1’e yakınsa.333 şeklinde hesaplanır. R 2 = 1− ( Hata Kareler Toplamı ) Genel Kareler Toplamı şeklindedir. R2 = Regresyon Kareler Toplamı 100.1. R2 değeri yüksek ise. R2 = Regresyon Kareler Toplamı Genel Kareler Toplamı veya. gözlem değerleri doğrunun etrafında dağılıyor demektir. Belirleme katsayısının değişim aralığı 0≤R2 ≤1’dir.804257 Genel Kareler Toplamı 125. Uyum İyiliği: Regresyon denkleminin uyum iyiliği.05).8 = = 0.1.2.1’den hesaplanan regresyon denkleminin uyum iyiliği.776) büyük olduğu için Ho hipotezi red edilir. elde edilen regresyon doğrusunun uyumunun iyi olduğu söylenebilir. Örnek 14. . Yani korelasyon katsayısı sıfır sayılamayacak kadar önemlidir (P<0. Açık formül olarak yazılırsa.0.1.2’den yararlanılarak. determinasyon) katsayısı ile ölçülür. (∑ (Xi − X )(Yi − Y ))2 ∑ (Xi − X ) R2 = ∑ (Yi − Y ) 2 2 veya 2 R = 1− ˆ ) 2 /(n − 2) ∑ (Yi − Y i 2 ∑ (Yi − Y ) /(n − 1) şeklinde yazılabilir.05/2=2. Çizelge 14.

Çizelge14.1.Örnek 14.1.3’de görülen Statistics menüsünden Confidence intervals seçeneği işaretlenir. Aynı zamanda. . Örnek 14.1.1’in SPSS İstatistik Paket Programında Çözümü. Çizelge 14. Şekil 14.2’deki gibidir.1.1’deki Örnek Için Veri Girişi.1’deki bağımlı değişken (yem tüketimi) Dependent kutucuğuna ve bağımsız değişken (haftalar) Independent(s) kutucuğuna atanır (Şekil 14.1’deki örnek için haftalar ve yem tüketim değerlerinin.1.1. editör sayfasına giriş biçimi Şekil 14.2.1. tahmin edilecek katsayılara ait güven aralıklarının hesaplanması istenirse.1.3).1. Şekil 14.1.1.1. Bu aşamada Method kutucuğunun Enter konumunda olmasına dikkat edilmelidir.

1.1.4. Şekil 14.1.1’e ait SPSS analiz sonuçları Şekil 14.1.1 Için.1. Örnek 14.3. Bağımlı ve bağımsız değişkenler tanımlandıktan sonra yapılan işlemler onaylandığında (OK) Örnek 14. Örnek 14. . Bağımlı ve Bağımsız Değişkenlerin Atanması.4’deki gibi olacaktır.1.1.Şekil 14.1.1’in Regresyon Analizi Sonuçları.1.

7.93 + 2. üst sınırı 14.6) gelir.. Bu durumda Şekil 14.1.Şekil 14.532. bu katsayılara ait güven aralıklarını (Coefficients) başlıkları altında vermektedir. Elde edilen regresyon denklemine ait regresyon doğrusu ve nokta dağılım grafiği oluşturulmak istenirse Graphs/Scatter.1.5’deki gibi bir grafik seçim menüsü gelir.1. . ˆ = 7.93 katsayısına ait güven arlığının alt sınırı 1. regresyon analiz tablosunu (Anova) ve katsayı tahminlerini. düzeltilmiş R2 ve standart hatayı ( Model Summary).5’de Simple seçeneği seçilerek Define düğmesine basıldığı zaman. Grafik Seçim Menüsü. X ve Y değişkeni arasındaki korelasyon ise 0.756. Şekil 14.1.897.4X Y i olarak yazılabilir. modele ait R. üst sınırı 4. menüsü seçilir. Şekil 14. X ve Y eksenlerine ait değişkenlerin tanımlanacağı bir menü (Şekil 14.4 katsayısının güven aralığının alt sınırı 0.334 ve 2.804 olduğu görülmektedir.4’de görüldüğü gibi SPSS istatistik paket programı.044 olarak bulunmuştur. R2. denklemin uyum iyiliğinin ise R2=0. Buna göre tahmin eşitliği.1.5.

grafik üzerinde fare sol . Şekil 14.1.1.7’deki gibi nokta dağılım grafiği elde edilir.1.1.7.Şekil 14.6’daki gibi X ve Y eksenlerine ait değişken ataması yapıldıktan sonra. X ve Y Eksenlerine Ait Değişkenlerin Tanımlanması. Nokta Dağılım Grafiği. işlem onaylandığında (OK) Şekil 14.6. Şekil 14. Elde edilen nokta dağılım grafiği üzerinde aynı zamanda regresyon doğrusu görüntülenmek istenirse.

1.. Chart/Options/Fit Line/Total işaretlendiği zaman Fit Options. regresyon doğrusu ile birlikte çizdirilebilir.8) açılır.1.1. aktif hale geldiğinde ortalama (Mean) veya bireysel (Individual) güven aralıkları da. aktif hale gelecektir. Bu pencerede bulunan Chart/Options menüsünde Fit Line kısmında Total işaretlendiği zaman Fit Options. Aynı zamanda. nokta dağılım grafiği üzerinde Şekil 14. . Chart Editor Penceresi. Fit Options menüsünde Linear Regression işaretlendikten sonra işlem onaylandığı (Continue ve OK) zaman.. Şekil 14.8.9’da görüldüğü gibi regresyon doğrusuda görüntülenir.tuşu çift tıklandığı zaman Chart Editor isimli yeni bir pencere (Şekil 14.

sağ kutucukta bulunan değişkenler. Regresyon analizi yerine sadece X ve Y değişkeni arasındaki korelasyon hesaplanmak istenirse.1.11’deki gibi elde edilir. Bunun için tüm değişkenler Şekil 14. X veya Y eksenindeki rakamların üzeri çift tıklandığında gelecek olan menüden.1. Flag significant correlations kutucuğunun işaretlenmesi önemli bulunan korelasyonların işaretlenmesini sağlar. Korelasyonun iki yönlü (twu-tailed) veya tek yönlü (one-tailed) önem testleri yaptırılabilir. Şekil14. Analyze/Correlate/Bivariate.9. minimum.9’daki grafik üzerinde X ve Y eksenindeki değerlerin başlangıç. Regresyon Doğrusunun Grafik Üzerinde Gösterimi.1. menüsünde (Şekil 14. X ve Y arasındaki korelasyon Şekil 14.Şekil 14.1. maksimum(displayed) ve artış değeri (Increment) yeniden belirlenebilir.1.10’daki (variable) alanına aktarılmalıdır. Arzu edilirse ikiden fazla değişken için de aynı anda ikili korelasyonlar hesaplattırılabilir.10). sol kutucuğa (Variables) atanır ve işlemler onaylanırsa (OK). .. bitiş ve artış değereleri yeniden düzenlenmek istenirse.

Şekil 14.05 önem düzeyinde önemli bir korelasyon olduğu anlamında * ile işaretleme yapılmıştır.Şekil 14.05’ten küçük.11. α=0.01’den büyük olduğundan 0. Korelasyon Analizi Sonuçları.897*. Korelasyonu Hesaplanacak Değişkenlerin Seçimi.10. Sig. .015 ve n=6 değerleri vardır. Sig.1.=0.1.015 değeri α=0.11’de Y satırı ve X sütununun kesiştiği hücrede alt alta r=0. Şekil 14.1.=0.

Yi= βo+β1X1i+ β2X2i +. 1. ... ∂∑ε2i / ∂β1 =0’ın çözümü ile. eşitliğin β0 . 14.. Normal eşitlik ∑ Y = nβˆ 0 +βˆ 1 ∑ X1 + βˆ 2 ∑ X 2 şeklinde... Bu amaçla modeldeki hata terimleri (εi) yalnız bırakılıp eşitliğin her iki tarafının karesi alınarak toplanırsa. Basit regresyonda olduğu gibi modeldeki hataların (εi’lerin) kareleri toplamını minimum yapacak parametre tahminleri yapılır.. İki Bağımsız Değişken İçin Model ve Parametrelerin Tahmini Model. Yi= βo+β1X1+ β2X2 +εi şeklindedir. Çoklu Regresyon Bağımlı bir değişkene karşı iki veya daha fazla (p tane) bağımsız değişken varsa ve bunlar arasındaki ilişki doğrusal ise.4.14. β1 ve β2 parametrelerinin tahminlerini elde etmek için.. β1 ve β2 için kısmi türevi alınarak sıfıra eşitlenir.1.4. ∂∑ε2i /∂β0 =0’ın çözümü ile.. β0 için kısmi türevi alınıp sıfıra eşitlenerek.. β1 için kısmi türevi alınıp sıfıra eşitlenerek. Bu modele “çoklu doğrusal regresyon” adı verilir.+ βpXpi +εi şeklinde gösterilebilir. Bu eşitlikte hata kareler toplamını (∑ε2i) minimum yapacak β0 . ∑ε2i=∑(Yi-β0-β1X1+β2X2)2 eşitliği elde edilir.

Sx 2 y . Örnek 14.1. Normal eşitlik.2.1. Çocuklarda doğum ağırlığına (DA) etki eden faktörlerden annenin yaşı (YAŞ) ve son adet dönemi ağırlıkları (SADA) aşağıdaki gibidir.Sx1x 2 Sx1x1 . β1 ve β2 bilinmeyenleri için çözüldüğünde çoklu regresyon modelinin parametreleri. Üç bilinmeyenli bu denklemler β0 .Sx 2 x 2 − (Sx1x 2 ) 2 şeklindedir.4.Sx1x1 − Sx1y . .Sx 2 x 2 − (Sx1x 2 ) 2 . ∑ X 2 Y = βˆ 0 ∑ X 2 + βˆ 1 ∑ X1X 2 + βˆ 2 ∑ X 22 şeklinde elde edilir. β 0 = Y − β1X1 − β 2 X 2 . 3. β1 = β2 = Sx1y . ∑ X1Y = βˆ 0 ∑ X1 + βˆ 1 ∑ X12 + βˆ 2 ∑ X1X 2 şeklinde ve β2 için kısmi türevi alınıp sıfıra eşitlenerek.Sx 2 x 2 − Sx 2 y .Sx1x 2 Sx1x1 . ∂∑ε2i /∂β2 =0’ın çüzümü ile. Normal eşitlik.

00 50.00 2.00 3.412 18. Doğum Ağırlığı.1.00 .00 2.00 2.315 17.00 2.00 3.00 3.256 27.00 61.00 50.00 61.00 2.00 86.258 20.00 57.00 64.222 21.158 19. DA YAŞ SADA Y X1 X2 2.00 2.00 2.00 60.289 35.Çizelge 14.00 57.00 82.00 2.00 54.159 31.136 19.00 2.154 21.00 53.476 24.50 3.000 34.596 28.00 73.123 16.1. Anne Yaşı ve Ağırlığı.4.00 78.00 58.487 25.00 2.

584 121.662 128.175 134.002 132.747-(944.00 57.258 20.624 2455.5 361 3782.00 46.00 73.00 97.00 61.04)/15)]=32.00 59.422 S X1X 2 =[23156.000 34.50 41.00 43.394 1281 441 3721 3.00 40. Regresyon Eşitliği İçin Gerekli Ön Hesaplamalar.289 35.967 S X1Y =[932.256 27.00 57.624-(355x38.1.04)/15)]=60.00 115.00 50.115 256.333 .16 219 38.667 62.5)/15)]=803.00 61.Çözüm: Çizelge 14.876 1218 441 3364 2.00 54.3 3.476 24.00 2482 1156 5329 2.298 1350 625 2916 Y X1 X2 YX1 2.333 S X1X1 ==[8929-(355)2/15)]=527.836 954 324 2809 2.154 21.04 355.674 2666 961 7396 2.00 50.355 115.912 266.00 78.968 Σ 102 45.717 1168.315 17.00 64.00 62.00 60. Gerekli hesaplamalar YX2 X1X2 (X1)2 (X2)2 106.747 23156.132 1368 576 3249 2.412 18.424 141.00 45.752 1083 361 3249 2.136 19.123 16.536 23.00 87.00 39.15 800 256 2500 2.159 31.688 166.2.487 25.596 28.00 82.158 19.75 850 289 2500 3.416 127.00 72.144 1792 784 4096 2.00 86.542 2730 1225 6084 3.00 53.5 8929 61319.320 S X 2 Y =[2455. 2.00 58.25 Ort.992 2214 729 6724 2.00 33.5-(355x944.222 21.929 271.48 1200 400 3600 2.5 932.0 944.00 135.4.5x38.234 131.

.4.536 − 0.6667 − 0.320x803.0179X2 Y i şeklinde oluşur.0179 β0 = 2.1.0339 x 23.333x1847. Bu durumda çoklu regresyon denklemi (tahmin eşitliği).333) 2 = 0. editör sayfasına giriş biçimi Şekil 14.333 − 32.320x1847.25-(944.602667+0.0339(YAŞ)+ 0.5)2/15)]=1847. ˆ = 0.4.233 − (803. anne yaşı ve ağırlığı değerlerinin.602667 olarak hesaplanır.233 − 60.1’deki gibidir.333 527.1. β1 ve β 2 parametreleri.0339 β2 = 60.602667+0.233 β 0 .0179 x 62.1.4.333)2 = 0. Çizelge 14. β1 = 32. Örnek 14.233 − (803.S X 2 X 2 =[61319.0179(SADA) Y i veya ˆ = 0.333x1847.9667 = 0.1’in SPSS İstatistik Paket Programında Çözümü.333 527.422x527.422x803.1’deki örnek için doğum ağırlığı.0339X1+ 0.

Bağımlı ve Bağımsız Değişkenlerin Atanması.2.4.1’deki Örnek Için Veri Girişi.2).1. Şekil 14.1.1.1’deki bağımlı değişken (doğum ağırlığı) Dependent kutucuğuna ve bağımsız değişkenler (anne yaşı ve ağırlığı) Independent(s) kutucuğuna atanır (Şekil 14. Örnek 14. .4.4.1. Çizelge14.4. Örnek 14.4.Şekil 14.1 için. Bu aşamada Method kutucuğu Enter konumunda olmalıdır.1.1.1.4.

0179(SADA) Y i veya ˆ = 0.1. Şekil 14.1.4. Buna göre tahmin eşitliği.1.3.0339(YAŞ)+ 0. Örnek 14.Bağımlı ve bağımsız değişkenler tanımlandıktan sonra yapılan işlemler onaylandığında (OK) Örnek 14.0179X2 Y i olarak yazılabilir.4.1.1’e ait SPSS analiz sonuçları Şekil 14.1’in Regresyon Analizi Sonuçları.602667+0.3’deki gibi olacaktır.0339X1+ 0.602667+0. ˆ = 0.4.4. .

güven aralıklarını hesaplayınız ve katsayıların önem testlerini yapınız.5 0.850 41 3. güven aralıklarını hesaplayınız ve katsayıların önem testlerini yapınız. Korelasyonu. LSV(ton) YAŞ (ay) Y X 2. r2’yi.400 89 3. Doğrusal regresyon analizi yapınız.0 14.250 101 3.415 65 3.0 2.5 2 3 4 5 9 2) Süt sığırlarında yaş (ay) ve laktasyon süt verimi (ton) arasındaki ilişki aşağıdaki gibidir.500 42 3. Doğrusal regresyon analizi yapınız. Korelasyonu.0 X 1 1.978 101 2.654 77 3.7 5.0 2. Korelasyonu. Doğrusal regresyon analizi yapınız. .7 1.752 81 3.PROBLEMLER 1) Kesimden 3 ay sonra endüstri amaçlı kütüklerde kabuktan merkeze doğru derinlik (cm) ve nem miktarı (%) aşağıdaki gibi bulunmuştur. r2’yi. Y 0.854 69 3.954 41 3) Sıcaklık (0C) ve yaprak gelişimi (mm2/gün) arasındaki ilişki aşağıdaki gibidir.

İstatistik (Y) 44 85 70 94 55 70 69 Matematik (X) 32 88 65 91 42 51 85 . güven aralıklarını hesaplayınız ve katsayıların önem testlerini yapınız. güven aralıklarını hesaplayınız ve katsayıların önem testlerini yapınız.5 12 9. r2’yi.8 11. r2’yi.2 11 10. Doğrusal regresyon analizi yapınız. Korelasyonu.7 6) Ziraat fakültesi 2-cü sınıf öğrencilerinin matematik ve istatistik dersi notları arasındaki ilişki aşağıdaki gibidir.8 12 11.1 15 21 25 18 14 30 31 19 23 10. Doğrusal regresyon analizi yapınız. Doğrusal regresyon analizi yapınız. Y (gr/gün) 117 115 112 110 100 95 80 3 8 14 22 29 33 38 X (0C) 5) Kadınlarda yaş (yıl) ve kandaki hemoglobin düzeyi (g/dl) arasındaki ilişki aşağıdaki gibidir. Korelasyonu. güven aralıklarını hesaplayınız ve katsayıların önem testlerini yapınız. Y (mm2/gün) 17 15 12 10 10 9 7 X (0C) 3 8 14 22 29 33 38 4) Sıcaklık (0C) ve yem tüketimi (gr/gün) arasındaki ilişki aşağıdaki gibidir. Korelasyonu. YAŞ (yıl) 14 HB (g/dl) 13. güven aralıklarını hesaplayınız ve katsayıların önem testlerini yapınız. r2’yi.6 13.r2’yi.

654 2 77 3.9 7 12 3.7) Sıcaklık (0C).954 2 41 .400 2 89 3. Çoklu regresyon analizi yapınız.5 3.500 3 42 3. sağım sayısı (günde) ve laktasyon süt verimi (ton) arasındaki ilişki aşağıdaki gibidir. yaprak gelişimi (mm2/gün) ve oransal nem (%) arasındaki ilişki aşağıdaki gibidir.978 3 101 2.9 X1 (%) 8) Süt sığırlarında yaş (ay). Korelasyonu ve r2’yi hesaplayınız.415 4 65 3.854 2 69 3.752 3 81 3. Çoklu regresyon analizi yapınız. Y (mm2/gün) 17 15 12 10 10 9 7 X1 (0C) 3 8 14 22 29 33 38 5 6. Korelasyonu ve r2’yi hesaplayınız.850 2 41 3.250 2 101 3. LSV(ton) SS (günde) YAŞ (ay) Y X1 X2 2.4 5.

7 .81 19 12. bebeğin doğum ağırlığı (kg) ve kandaki hemoglobin düzeyi (g/dl) arasındaki ilişki aşağıdaki gibidir.19 25 10.56 18 11.0 3.20 21 11.60 3.0 2.95 23 11.45 15 10. Çoklu regresyon analizi yapınız. Korelasyonu ve r2’yi hesaplayınız.9) Sıcaklık (0C). Korelasyonu ve r2’yi hesaplayınız.35 14 13. Çoklu regresyon analizi yapınız.1 2. DA (kg) YAŞ (yıl) HB (g/dl) Y X1 X2 2.0 3.8 2.92 31 13.2 2. yem tüketimi (gr/gün) ve yerleşim sıklığı (adet/m2) arasındaki ilişki aşağıdaki gibidir.75 14 12.58 30 9.8 2. 117 115 112 110 100 95 80 3 8 14 22 29 33 38 X2 (adet/m2) 16 14 13 10 9 7 4 Y (gr/gün) X1 (0C) 10) Kadınlarda yaş (yıl).5 2.

sonra ikili kombinasyonları. Öncelikle bir ön eleme yapılarak. Mümkün Olan Tüm Regresyonlar (All Possible Regression) Burada amaç. değişken sayısının arttırılması ek ölçümleri gerektirdiğinden zahmetli ve masraflı bir iştir. Mümkün olan tüm regresyonlar yönteminde. bunlar arasında R2’si (belirleme katsayısı) en yüksek olan regresyon setleri seçilir. ÇOKLU REGRESYONDA MODELE GİRECEK DEĞİŞKENLERİN SEÇİMİ Ölçüm yapılan bağımsız değişkenle. Yani Y’yi (bağımlı değişkeni) ifade edebilecek en az sayıda bağımsız X değişkeni belirlenecektir. Daha sonra bu setlerdeki değişkenlerin her birinin sırası ile modelde olmaması durumunda (hata kareler toplamı kullanılarak). 1) Mümkün Olan Tüm Regresyonlar (All Possible Regression) 2) Değişken Ekleme İşlemi (Forward Selection) 3) Değişken Eleme İşlemi ( Backward Selection) 4) Değişken Ekleme Ve Eleme İşlemi (Stepwise Selection) 15. ilk olarak değişkenlerin tekli. Ancak. Modele katkısı önemli olmayan değişkenler modelden atılır ve en iyi regresyon seti . Değişken seçimi üç veya daha fazla bağımsız değişken olduğu durumlarda önem kazanmaktadır.15. modele katkısının önemli olup olmadığı kontrol edilir. ve n’inci kombinasyonlarını içeren modeller (regresyon setleri) göz önüne alınır. Bu nedenle toplam varyansı en az sayıda değişkenle açıklamak esas amaçtır. Modele eklenmesi ile. Değişken seçiminde sıkça kullanılan yöntemler aşağıdaki gibidir. sonra üçlü kombinasyonları. bağımlı değişkenin varyasyonunu açıklamada önemli artış sağlayan değişkenleri belirlemek veya seçmek için değişik yöntemler vardır. en iyi alt regresyon setini bulmaktır.1. bağımlı değişken arasındaki ilişki. değişken sayısı arttıkça daha iyi izah edilir duruma gelir.

R 2p değeri. R 02 = 1 − (1 − R 2t ). R 02 değeri. t= Regresyondaki bağımsız değişken sayısını. Bu amaçla kullanılan test istatistiği. Burada. R 2p −1 = Eşitlikten terim atıldıktan sonra elde edilen (indirgenmiş modelin) determinasyon katsayısını. R 2p = Eşitlikte p tane terim olduğunda elde edilen (tüm modele ait) determinasyon katsayısını.bulunana kadar işleme devam edilir. Burada. R 02 değerinden yüksek olan setler önemli setlerdir.p -1= Tüm regresyonun hata serbestlik derecesini. n .f t ( n − p −1) n − p −1 ) şeklindedir.(1 + t.n-p-1. Fc = R 2p − R 2p − i 1 − R 2p ∼F1. ifade eder. F1. Fc hesap değeri. F cetvel değerinden küçük ise değişkenin modelde kalmasının modele fazla bir katkı sağlamayacağına karar verilir ve model dışı bırakılır. . ifade eder.p -1= Tüm regresyonun hata serbestlik derecesini. R 2t =Tüm regresyonun R2’sini. f t ( n − p −1) = F cetvel değerini.n-p-1.α = Tüm regresyonun F cetvel değerini n .α n − p −1 şeklindedir.

00 156.00 109.00 141.00 14.00 35.00 10.00 91.1.00 98.00 30. Sıcaklık.00 198.00 15.00 136. Etlik piliçlerde yem tüketimi (gr/gün). Çizelge 15.00 35.1.00 17.00 27.00 12. Etlik Piliçlerde Yem Tüketimi .00 45.00 36.00 43.00 27. (X1) (X2) 110.1.00 27.00 40. Yem Tüketimi Su Tüketimi (X3) Yerleşim Sıklığı (X4) Canlı A.00 45.00 39.00 116.00 260. sıcaklık (0C) ve yerleşim sıklığının (piliç/m2) günlük canlı ağırlık artışına etkisi araştırılıyor.00 210.00 108.00 190.00 15.00 14.00 154.00 16.00 248.00 39.00 43.00 127.00 45.1.00 44.00 188.00 27.00 12.00 30.00 39.00 225.00 231.00 17.00 107. su tüketimi (gr/gün).00 37.00 109.00 141.00 28.00 251.00 11.00 154.00 9.00 12.00 30.00 129.00 31.00 162.00 114.00 30. Yerleşim Sıklığı ve Günlük Canlı Ağırlık Artışı.00 34.00 25.00 25.00 229. Elde edilen veriler aşağıdaki gibidir. A.00 39.00 28.00 143.00 13.00 41.00 25.00 112.00 Sıcaklık (Y) .00 28.00 133.00 15.Örnek 15.00 25. Su Tüketimi.00 15.00 139.00 190.00 32.00 212.00 16.00 245.00 15.00 235.00 37.00 46.

1.743 0.536 3.1.939 0.6912 X2X4 0.738 0. R 2 ve S x Değerleri..Örnek 15. Tüm ve Alt Regresyonlara Ait R.3).0902 X1X2 X3 X4 0.1’in SPSS İstatistik Paket Programında Çözümü.9057 X4 0.7520 X1X2 X4 0.813* 0.1.590 0.862 0. Sx R2 Modeldeki Değişkenle R R2 X1 0. Bu amaçla tüm mümkün olan alt regresyonların SPSS paket programında hesaplanması ve bir çizelgede özetlenmesi gerekir (Çizelge 15.846 2..4938 X3X4 0.416 0. Örneğin sadece X1 değişkenini içeren alt model için sadece Xı değişkeni Independent kutucuğuna atanırken..885 0.877* 0.9234 X1X2 X3 0.6128 X2 0.6825 X1X3 0.857 2.6903 X1X4 0.755 2.782* 0.n’li değişkenlerin yer aldığı mümkün olan tüm alt regresyonlara ve tüm değişkenlerin yer aldığı (tüm model) regresyona ait R2 değerleri hesaplanmalıdır.478 0.884 0.902 0.709 2.768 0.753 2.827* 0.789 2.937 0.781* 0.228 0.882* 0.936 0.882* 0.939 0.2.380 4. R2.742 2. Independent kutucuğuna ayrı bir tanımlama yapmak gerekir.887 0.1266 . SPSS paket programında her bir alt regresyon seti için.. X1 ve X2 değişkenlerini içeren model için analiz yaptırılırken Independent kutucuğuna X1 ve X2 değişkenleri atanır.877* 0.851 2. Öncelikle β 0 dışında tüm tekli.8558 X1X2 0.885 0.767 2.784* 0. Çizelge 15.0494 X2X3 X4 0.859 0.645 0. üçlü.1.4859 X1X3 X4 0.722 2.788 2.909 0.860 2.2 ve 15.787* 0. ikili.0246 X2X3 0.2670 X3 0.180 4.

2’de “*” ile işaretlenmiştir.18 ) 13 = 0.566 X3 55.2’de görüldüğü gibi.2’de R2’si bu değerden yüksek olan setlerin hepsi önemli setlerdir. Çizelge 15.08828 0.475 Örnek 13 için kritik değer.384 0.04732 X3X4 15. X3 ve X4 değişkenlerine ait R2 değeri kritik değerden (0.947 0. Önemli olan setler Çizelge 15.158 0.01070 -0.09247 X2X4 6.1.461 0.04780 1.074 -0.214 0.09867 -0.170 X4 11.01551 1.105 0.03413 1.Çizelge 15.072 Değişkenler β3 β2 β4 0. X2.074 X1X2 X3 X4 2.159 0.543 1.7665) küçük olduğu için model dışı kalmıştır.726 0. R 02 = 1 − (1 − 0.08893 0. diğer değişkenlerle modele katkısı önemlimi test .259 X1X3 X4 0.1.056 -0.1. Ancak bireysel katkıları önemli olmayan bu değişkenlerin.902 -0.05084 0.184 X2X3 33.(1 + 4 x3.1.154 1.473 X1X2 X3 7.281 X1X3 5.290 X1X4 2.989 0.477 1. Çizelge 15.187 X2X3 X4 12.882).01641 1.189 0. Tüm Model ve Alt Regresyonlara Ait Katsayı Tahminleri.297 X2 18.3.652 -0. Modeldeki β0 β1 X1 3.659 0.744 X1X2 X4 1.01587 -0.368 0.7665 şelinde hesaplanır.005769 1.648 X1X2 3.998 0.

368+0.15. X2.edilmeli ve daha sonra model dışı bırakılmalıdır. Sonuç olarak en iyi alt regresyon setinin.59322 şeklinde hesaplanır. Önemsiz setler atıldıktan sonra kalan önemli setler (Çizelge 15. X2. 2 R 14 − R 12 0.59322).14. X1X3X4 önemsiz kabul edilir.2’de kalın-italik olarak gösterilmiştir) içindeki X4 değişkeninin modele katkısının test edilmesi için kullanılacak test istatistiği değeri.877 − 0. X1X2X3.0. yani X1X3.0. X3 değişkeni ve bu değişkeni içeren tüm setlerin herhangi bir işlem yapılmadan önemsiz setler olduğu kabul edilebilir. X2X3X4.70732). .056X4 Y F= i şeklindedir.54) büyük olduğu için X4 değişkeninin modelden atılamayacağına karar verilir. Çünkü değişkeninin modelde olduğu durumla (X1. cetvel değerinden (F1. olmadığı durum arasında (X1. X4). X1 ve X4 değişkenlerinden oluştuğu söylenebilir.184X1+ 1.1. X3. Buna göre.70732 şeklinde hesaplanır.60) küçük olduğu için X2 değişkeninin model dışı bırakılmasına karar verilir.1.2’de italik olarak gösterilmiştir) içindeki X2 değişkeninin modele katkısının test edilmesi için kullanılacak test istatistiği değeri.882 − 0.781 = 1 − 0. ˆ = 2. Hesap değeri (11. Hesap değeri (0.877 F = 124 = 2 1 − 0.882 1 − R 124 14 14 = 0. X4) R2 bakımından bir farklılık gözlenmemiştir.05 =4.877 1 − R 12 15 15 = 11. Önemsiz setler atıldıktan sonra kalan önemli setler (Çizelge 15. en iyi alt regresyon setine ait tahmin denklemi. 2 R 2 − R 14 0.05 =4. Bu nedenle X3 değişkenini içeren tüm setler. cetvel değerinden (F1.

1. X3 ve X4) Independent(s) kutucuğuna atandıktan sonra.1’deki bağımlı değişken (Y) Dependent kutucuğuna ve bağımsız değişkenler (X1.2. X2. Yani bir değişken ilavesi ile.2.15. Method kutucuğundan Forward seçeneği işaretlendikten sonra (Şekil 15. regresyonun hata kareler toplamında meydana gelen değişmenin (küçülmenin) önemli olup olmadığına bakılır.1’in değişken seçimi sonuçları Şekil 15.1. Forward yöntemine göre örnek 15.2’de verilmiştir.1’in SPSS İstatistik Paket Programında Değişken Ekleme Yöntemi ile Çözümü. ifade eder. Örnek 15. . HKTp = Değişken eklenmesi durumunda oluşan regresyon setinin hata kareler toplamını. Burada. Test istatistiği.1) işlemler onaylandığında.1.2.  (HKTp − HKTp −i   >Fc Fi = Max i  2   ˆ σ p −i   şeklindedir. Örnek 15. Bu işlem eklenen değişkenin katsayısının önemsiz olması durumunda sona erdirilir. σˆ 2p − i = Değişken ilave edilmeden önceki regresyon setine ait varyansı. HKTp −i = Değişken ilave edilmeden önceki regresyon setine ait hata kareler toplamını. Değişken Ekleme İşlemi (Forward Selection) Öncelikle en iyi tek değişkenli model ile başlanarak her seferinde en yüksek katkıyı sağlayacak değişken ilave edilerek uygulanan bir yöntemdir. SPSS paket programı forward yöntemine göre değişken seçme işlemini yapar.

Şekil 15. en tek değişkenli model olarak X1 değişkenini içeren model ile .1. iyi Şekil 15.2.2.2’’de Model Summary çizelgesine bakıldığında.1’in Değişken Seçimi Sonuçları.2. Değişken Seçiminde Kullanılacak Yöntemin Seçimi. Şekil 15.2. Forward Yöntemine Göre Örnek 15.

σˆ 2p − i = Değişken çıkarılmadan önceki durumunda oluşan regresyon setinin varyansını. Daha sonraki kademelerde her defasında bir tane olmak üzere en düşük kısmi F değerine sahip olan bağımsız değişken (X) atılmak sureti ile işleme devan edilir. Atılan değişkenin katkısı her seferinde test edilir.056X4 Y i şeklindedir. Atılan değişkenin katkısı istatistiki olarak önemli ise atma işlemi gerçekleştirilmez ve işlem orada durdurulur. Buna göre. ˆ = 2. ifade eder. .1.184X1+ 1.işleme başlandığı. en iyi alt regresyon setine ait tahmin denklemi (Şekil 15. Sonuç olarak.3.2. Değişken Eleme İşlemi ( Backward Selection) İlk aşamada model içine tüm değişkenler dahil edilir. HKTp −i = Değişken çıkarılması durumunda oluşan regresyon setinin hata kareler toplamını. daha sonra X4 değişkeninin modele alındığı ve diğer değişkenlerin modele katkısının önemsiz bulunduğu için model dışı bırakıldığı görülmektedir.1’in SPSS İstatistik Paket Programında Değişken Eleme Yöntemi ile Çözümü.2’de Coefficients tablosunun ikinci satırından). Test istatistiği. Forward yöntemine göre en iyi alt regresyon setinin.  (HKTp −i − HKTp   >Fc Fi = Min i  2   ˆ σ p   HKTp = Değişken çıkarılmadan önceki regresyon setine ait hata kareler toplamını. Örnek 15.368+0. X1 ve X4 değişkenlerinden oluştuğu söylenebilir. 15.

3.1’in Değişken Seçimi Sonuçları.3.1. değişken seçimi işlemine tüm modelle başlandığı ve daha sonra sırası ile X3 ve X2 değişkenlerinin modele katkısının önemsiz bulunarak model dışı bırakıldığı görülmektedir.1’in değişken seçimi sonuçları Şekil 15. Şekil 15.3.1. SPSS paket programı backward yöntemine göre değişken seçme işlemini yapar.1’de verilmiştir. Method kutucuğundan Backward seçeneği işaretlendikten sonra (Şekil 15. Şekil 15.1.2. Sonuç olarak backward yöntemine göre en iyi alt regresyon setinin. Backward Yöntemine Göre Örnek 15. X1 ve X4 değişkenlerinden .1) işlemler onaylandığında. Backward yöntemine göre örnek 15.1’de Model Summary çizelgesine bakıldığında.Değişken tanımlama işlemi bittikten sonra.

Buna göre. Değişken Ekleme Ve Eleme İşlemi (Stepwise Selection) Esas olarak değişken ekleme yöntemine benzemektedir. Stepwise yöntemine Örnek 15. en iyi tek değişkenli model olarak X1 değişkenini içeren model ile işleme başlandığı.368+0. Buna göre. Değişken tanımlama işlemi bittikten sonra. herhangi bir değişken ilave edilemez veya atılamaz hale geldiğinde durdurulur. Örnek 15. Method kutucuğundan Stepwise seçeneği işaretlendikten sonra (Şekil 15. Ancak bir değişken modele alındıktan sonra eleme yöntemine benzer şekilde modeldeki tüm değişkenlerin durumu yeniden incelenir.4. Yöntemin iyi tarafı daha önce modele girmiş bir değişken daha sonra modele girecek değişkenlerle ilişkilerine bağlı olarak atılabilir hale de gelmesidir.1’de verilmiştir. .1’de Coefficients tablosunun ikinci satırı).oluştuğu söylenebilir.2. Şekil 15.1’in değişken seçimi sonuçları Şekil 15. ˆ = 2.4.1.1’in SPSS İstatistik Paket Programında Değişken Ekeme-Eleme Yöntemi ile Çözümü.4. daha sonra X4 değişkeninin modele alındığı ve diğer değişkenlerin modele katkısının önemsiz bulunduğu için model dışı bırakıldığı görülmektedir.056X4 Y i şeklindedir.4.1) işlemler onaylandığında. ˆ = 2. en iyi alt regresyon setine ait tahmin denklemi (Coefficients taoblosunun üçüncü satırı). en iyi alt regresyon setine ait tahmin denklemi (Şekil 15. Bu yönüyle eleme yöntemine benzemektedir.1’de Model Summary çizelgesine bakıldığında.184X1+ 1. Bu yöntemde işlem. 15. SPSS paket programı stepwise yöntemine göre değişken seçme işlemini yapar.184X1+ 1.368+0.1.056X4 Y i şeklindedir.

Şekil 15. .1.1’in Değişken Seçimi Sonuçları.1.4. Stepwise Yöntemine Göre Örnek 15.

ilkbahar ve yaz=1) özellikleri 33 hayvan üzerinde inceleniyor. ve mevsim (kış ve sonbahar=0. yaş (ay).PROBLEMLER 1) Bir süt sığırcılığı çalışmasında laktasyon süt verimine (kg) etki ettiği düşünülen. Buna göre en iyi regresyon setini bulunuz. No LSV YAŞ M SS IRK No LSV YAŞ M SS IRK 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 2850 3415 3654 3250 3500 3854 3752 3400 3978 2954 3600 3897 4050 3762 3100 3356 3800 41 65 77 101 42 69 81 89 101 41 66 80 90 103 43 53 78 0 0 1 1 1 1 1 0 1 0 1 1 0 0 1 1 1 2 4 2 2 3 2 3 2 3 2 3 4 3 4 3 3 4 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 4500 3400 3560 3330 3450 3900 4352 3115 3200 3900 4212 3600 3550 3265 3115 4522 93 105 42 53 66 77 91 44 53 65 79 91 45 57 68 77 1 0 1 0 0 1 1 0 0 1 1 1 1 0 0 1 3 3 2 2 3 2 4 2 2 3 3 4 2 2 3 2 0 0 0 1 1 0 0 1 1 0 0 0 0 1 1 0 . ırk (esmer= 0. jersey=1). günlük sağım sayısı.

00 2.00 12.50 48.47 2.42 2.00 2.00 11.00 58.66 2.24 2.00 61.00 31.00 1.55 2.00 65.10 12.00 20.00 67.25 2.00 30. annenin son adet dönemi vücut ağırlığı (kg).00 2.10 12.00 61.80 13.00 11.00 18.00 12.00 1.00 2.00 2.00 25.00 53.00 1.00 30.58 2.80 13. 3).00 61.00 HB 13.00 34. annenin gebelik sayısı (1.00 53.00 22.00 24.00 19.00 SADA 50.50 60.00 63.88 2.65 2.00 1. anne yaşı (yıl).00 1.19 2.15 2.00 10.00 2.00 64.00 1.16 2.00 3.00 84.00 15.00 1.00 1.00 21.46 2.00 2.00 20.00 17.50 12.00 2.50 58.00 1.25 3.20 10.10 2.00 15.00 15.60 9.00 14.80 11.00 1.00 21.00 9.59 2.00 80.00 57.20 11.10 10.00 28. annenin hemoglobin düzeyi (g/dl) özellikleri inceleniyor.00 20.00 24.50 54.70 13.00 66.00 13.00 25.32 3.70 12.00 3.30 12.00 GS 1.00 61.00 30.60 13.00 20.95 2.45 3.00 72.00 1.70 13.00 57.00 62.60 9.00 50.29 YAS 14.00 71.10 10.2) Doğum ağırlığına (kg) etki ettiği düşünülen.80 10. No 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 DA 2.00 29.00 58.57 2.30 12.12 2.00 23.00 1.00 3.89 3.00 1.70 .00 2.00 1.00 1.36 3.00 1.33 2.00 63.50 55.80 12.20 11.00 3.00 21.00 60.49 2.00 10.00 14.88 2.00 70.00 2. Buna göre en iyi regresyon setini bulunuz. 2.16 2.00 15.00 1.

30 1.20 5.4 2.92 6.47 4.33 5.5 2.29 8.68 4.8 3.7 4.4 0.72 5.5 .7 0.88 9.60 3.2 3.9 1.42 4.65 1.5 3.4 3.8 1.2 3.25 3.8 3. Y 14 15 19 21 21 21 22 22 24 25 25 25 26 27 29 29 29 29 30 31 32 34 35 X1 147 159 100 122 125 199 156 188 198 125 147 178 214 145 148 148 215 147 247 246 129 148 248 X2 148 145 145 142 139 128 109 98 95 92 91 87 63 57 55 42 41 39 38 37 35 32 30 X3 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 X4 0.90 4.69 8.9 2.46 5.95 2.1 1.0 3. X4. Buna göre en iyi regresyon setini bulunuz.3) Y değişkenine etki ettiği düşünülen X1.5 1.20 5.94 5.10 7.3 2.1 2.98 X5 0.55 5.0 3.2 0. X3.3 1.51 7. X5 değişkenleri aşağıdaki gibidir. X2.

exe dosyası spss paket programın yüklendiği dizinden (örneğin C:\program files\spss\spsswin.16.1.1.SPSS İSTATİSTİK PAKET PROGRAMI KULLANIMI 16. SPSS programı çalıştırılıdığında.1. SPSS Programını Çalıştırma SPSS programını çalıştırmak için spsswin.1’deki pencere gelecektir. Eğer daha önceden çalıştırılan dosya açılmak istenirse dosya adını işaretler ve onaylanır. Bu diyalog penceresinin daha sonraki açılışlarda bir daha görülmesi istenmiyorsa Don’t show this dialog in the future’nin (gelcekte bu diyaloğu gösterme) seçeneği işaretlenir ve işlem onaylanır. Yeni bir veri giriş alanı isteniyor ise Cancel tuşu tıklanır. Open an axisting file’nin altındaki pencerede daha önceden çalışılan dosya isimleri yer alır.1. Şekil 16. açılışta Şekil 16.exe) veya ikonu çift tıklanarak çalıştırılır. . SPSS Programı Açılış Ekranı Açılan ekranda Open an axisting file (var olan dosyayı aç) seçili olarak gelir.

. menü çubuğu (ana menüleri içerir). Bunlar sırası ile. Bunlar.2. değişken tanımlama gibi işlemlerin yapıldığı penceredir. Menü çubuğu.1.2.16. Araç çubuğu (tool bar).1. SPSS Programı Pencere ve Menüleri SPSS paket programında iki tip pencere bulunur. 1) Data Editor (veri düzenleyici) penceresi: Veri girişi. Başlık çubuğu.2. 16. araç çubuğu ve sıra ve sütunlardan oluşan veri girişinin yapılacağı kısımdır (Şekil 16.1.1). başlık çubuğu (konumu belirtir).2. 2) Output (sonuç) penceresi: Analiz sonuçlarının kullanıcıya sunulduğu penceredir. Ver giriş alanı. Şekil 16. Data Editor Penceresi Menüleri ve Simgeleri Data editör penceresi 4 kısımda incelenebilir. Data Editör Penceresi.1.

excel. yeni dosya açma. kaydetme gibi işlemlerin yapıldığı menüdür. daha önceden açılmış dosyayı çağırma. File Menüsü.File (Dosya) Menüsü File ana menüsü açıldığında Şekil 16. c) Database Capture (veri tabanı yakalama): Çeşitli veri tabanı programlarında hazırlanmış olan verileri çağırmak için kullanılır (Örneğin. Açılacak yeni dosya Data (veri).2. Syntax (dizim kuralı.2’deki alt menüler görülür.1. d) Read Text Data (ASCII kodlu veri okuma): ASCII kodunda kaydedilmiş serbest stilde ya da sabit sütunlar şeklindeki verileri okumak için kullanılır. Draft Output (müsvette çıkış) tiplerinden biri olabilir. komutlar). a) New (yeni): Yeni boş bir dosya açmak için kullanılır. Birçok windows tabanlı programda olduğu gibi SPSS istatistik paket programında da File menüsü. b) Open (aç): Daha önceden oluşturulmuş dosyayı açar.2. acces veri tabanları dosyaları gibi). Output (çıkış).1. . e) Save (kaydet): Çalışılan dosyadaki değişiklikleri kaydetmek için kullanılır.2. Bu menü altındaki alt menüler aşğıdaki gibidir. Şekil 16.

g) Options (seçenekler): Genel veri ve sonuç gösterici ile ilgili çeşitli ayarları yapmak için kullanılır. seçildiğinde görülen alt menüler Şekil Şekil 16. c) Copy (kopyala): Seçilen kısmı silmeden panoya yapıştırır.3’deki gibidir. a) Undo (geri al): Son yapılan işlemi geri alır. d) Paste (yapıştır): Kesme ya da kopyalama işlemi ile panoya yapıştırılmış olan bilgiyi imlecin bulunduğu yerden itibaren yapıştırır. b) Cut (kes): Seçilen kısmı siler ve panoya yapıştırır.2.1. f) Find (bul): Belli bir karakter dizisini çalışılan dosya içerisinde arayıp bulmak için kullanılır. h) Print (yazdır): Çalışılan dosyayı yazıcıya göndermek için kullanılır. .3. Edit (Düzen) Menüsü Edit menüsü 16. Geri alma.f) Save As (adı ile kaydet): Çalışılan dosyayı farklı isimle kaydetmek için kullanılır. e) Clear (sil): Seçilen kısmı siler. kesme.1. g) Display Data Info (veri bilgileri göster): Herhangi bir dosyaya ait özet bilgileri iletir. yapıştırma gibi düzenleme işlemlerinin yapıldığı menü olan edit menüsünün altmenüleri aşağıdaki gibidir. Edit Menüsü.2.

View Menüsü. güncellenmesi işlemlerinin yapılmasını sağlar. biçimi.1. c) Fonts (yazı tipi): Yazı tipi. d) Grid Lines (ızgara çizgileri): Izgara çizgisini gösterme ya da gizleme işlemini gerçekleştirir. boyutu. görünmesi.2. a) Status Bar (durum çubuğu): SPSS paket programının en alt kısmında yer alan durum çubuğunun ekranda gösterilmesi veya gizlenmesini sağlar. . b) Toolbars. yeni araç çubuklarının oluşturulması..4’deki gibidir. Şekil 16.1.View (Görünüm) Menüsü View menüsüne ait alt menüler Şekil 16. dili için seçenekler sunar. Çeşitli görünüm ayarlarının yapıldığı view menüsünü altmenüleri aşağıdaki gibidir.4. (araç çubuğu): Araç çubuklarının gizlenmesi.2. e) Value Labels (değer etiketleri): Değişkenlere atanmış etiket bilgilerinin gösterilmesi veya gizlenmesi işlemini yapar.

h) Select Cases (satırları seç): Belli verileri veya satırları seçme işlemi yapar. ait alt menüler Şekil 16.5. f) Sort Cases (satırları sırala): Sıralama işlemi yapar. Data Menüsü. e) Go to Case (satıra git): İmlecin bulunduğu sütunda verdiğimiz numaradaki satıra gider.1. a) Define Variable (değişken tanımlama): Değişken ismi. Bu işlemi gerçekleştirirken imlecin bulunduğu satırı aşağıya kaydırarak kaydırılan sütunun yerine yeni bir satır oluşturur. değişken tipi tanımlaması.2.1. d) Insert Case (satır ekle): Satır ekleme işlemi yapılır. g) Transpose (devriğini al): Değişken setinin transpozunu (devriğini) alır. Data menüsünün alt menüleri aşağıdaki gibidir. . c) Insert Variable (değişken ekle): Değişken yani sütun ekleme işlemi yapılır.Data (Veri) Menüsü Data menüsüne görülmektedir.5’da Şekil 16. Bu işlemi gerçekleştirirken imlecin bulunduğu sütunu sağa kaydırarak kaydırılan sütunun yerine yeni bir sütun oluşturur. b) Define Dates (tarih tanımlama): Tarih bilgilerinin tanımlaması için kullanılır.2. değişken etiketlemesi gibi işlemler yapılır.

1.8'de verilmiştir.2.Transform (Dönüştür) Menüsü Transform menüsüne ait alt menüler Şekil 16.6'de de görüldüğü gibi çeşitli taranformasyonlar (dönüşümler) için kullanılır. Şekil 16. Transform menüsünün alt menüleri Şekil 16.1.1.2.1. .6.7.1.2.7’de Şekil 16. Analyze (Analiz) Menüsü Analyze görülmektedir.1. Analyze menüsünün bir alt menüsü olan Reports menüsünün işlevleri Şekil 16. menüsüne ait alt menüler Şekil 16.2. Analyze Menüsü.6’de görülmektedir.2. Transform Menüsü.2.

2.vb) gibi işlemleri yapar.9'da verilmiştir.2.2.10'da verilmiştir.9'da da görüldüğü gibi Descriptive Statistics alt menüsü. max.2. Şekil 16.8. Reports Menüsünün Alt Menüleri.. ortalama... satır ve sütunlarla ilgili istatistiki bilgiler. min. satandart sapma.1. satandart sapma. sadece sıra veya sürunlara ait istatistiki bilgiler.9. Şekil 16. Descriptive Statistics Alt Menüsü. min. tanımlayıcı istatistikler (n. Şekil 16. çapraz tablolar.1..1.2. max.1.vb) gibi işlemleri yapar.2.Şekil 16.8'de de görüldüğü gibi Reports menüsünün alt menüleri tüm değişken setine. .1.1. ortalama. tanımlayıcı istatistikler (n. Analyze menüsünün bir alt menüsü olan Descriptive Statistics (Tanımlayıcı İstatistikler) menüsünün işlevleri Şekil 16. frekans tabloları. Analyze menüsünün bir alt menüsü olan Compare Means (Ortalama Karşılaştırma) menüsünün işlevleri Şekil 16.

çok değişkenli.1. .1.11'de verilmiştir.2. tek.Şekil 16.10.2. Şekil 16.2.2.11. Şekil 16. Analyze menüsünün bir alt menüsü olan General Linear Model (Genel Doğrusal Model) menüsünün işlevleri Şekil 16. çift ve n tane değişkenin aynı anda ikili olarak karşılaştırılabildiği örnek T testleri.10'da da görüldüğü gibi Compare Means alt menüleri.1.2. General Linear Model Alt Menüleri. Compare Means Alt Menüleri. tekrarlanan ölçümlü analizler ile varyans unsurlarının hesaplanması işlemlerini yapar.11'de de görüldüğü gibi General Linear Model alt menüleri. Şekil 16. tek yönlü (tesadüf parselleri) varyans analizi gibi analizler yapar.2.1.12'de verilmiştir. faktöriyel.1.1. ortalamaların bulunması. Analyze menüsünün bir alt menüsü olan Correlate (Korelasyon) menüsünün işlevleri Şekil 16.

Şekil 16.13'de de görüldüğü gibi Regression alt menüleri. basit (doğrusal) regresyon.13'de verilmiştir.12. Analyze menüsünün bir alt menüsü olan Regression (Regresyon) menüsünün işlevleri Şekil 16.2.1. Correlate Alt Menüleri. değişkenler arasındaki korelasyonları hesaplama işlemini yapar.13. .1.1.2. Şekil 16.12'de de görüldüğü gibi Correlate alt menüleri.2. Şekil 16. Regression Alt Menüleri. lojistik regresyon. Şekil 16.1. probit analizi ve nonlinear regresyon analizleirni yapar.2.2.1.

Şekil 16. Şekil 16.1.2.14'de de görüldüğü gibi Logniear alt menüleri.2.15'de verilmiştir.2.2.14'de verilmiştir.1.1.1.2. logaritmik doğrusal analizleri yapar. Şekil 16.15.14.1. kümeleme (cluster) ve ayrım (diskriminant) analizleri yapar. Classify Alt Menüleri. Logniear Alt Menüleri.Analyze menüsünün bir alt menüsü olan Loglinear (Logaritmik Doğrusal) menüsünün işlevleri Şekil 16. Analyze menüsünün bir alt menüsü olan Classify menüsünün işlevleri Şekil 16.2. .15'de de görüldüğü gibi Clasify alt menüleri. Şekil 16.1.

Analyze menüsünün bir alt menüsü olan Nonparametric Tests menüsünün işlevleri Şekil 16. K tane bağımsız örnek durumu testleri (Kruskal Wallis H. . Kolmogorov Smirnov Z. McNemar Testi).16'da da görüldüğü gibi Nonparametric Tests alt menüleri. Wald Wolfowitz Diziliş Testi). Logniear Alt Menüleri. tek örnek diziliş testi (Runs).2.2. Şekil 16. bağımlı iki örnek testleri (Wilcoxon Uyumlu Çiftler Testi. Genişletilmiş Median Testi).1. bağımsız iki örnek testleri (Mann-Vhitney U. tek örnek testleri {ki-kare (Chi Square).16'da görülen Time Series (Zaman Serileri) menüsü zaman serileri ile ilgili analizleri.1. Cochran's Q) testlerini yapar.2. Kendall's W. Moses'in Aşırı Tepkiler Testi. Survival menüsü ise (özellikle tıptaki) yaşamsal istatistiklerle ilgili analizlerde kullanılır. Kolmogorov Smirnov}.1. İşaret Testi. Şekil 16.16'da verilmiştir. Şekil 16.16.2. K tane bağımlı örnek için (Friedman. binom (Binomial).1.

bar (çubuk). Şekil 16. Şekil 16. Şekil 16.2.17.vb bir çok grafik çizimleri yapılabilir.1. Alt menülerde herhangi bir isim veya dizin araması yaptırılabilir.1. Help menüsü ise SPSS ile ilgili yardım alt menülerini içerir.2.17'de verilmiştir. area (alan). Window menüsü ile. zaman serisi analizleri. scatter (serpilme). histogram. bu özellikleri Output penceresine yazdırma. değişken veya değişken setlerine ait özelliklerin tanımlanması gibi işlemler yapılabilir. o anda açık olan pencerelere ulaşmak mümkündür.Graphs Menüsü Analyze menüsünün bir alt menüsü olan Graphs (Grafikler) menüsünün işlevleri Şekil 16. pie ( dilim). Graphs Alt Menüleri.1..17'de de görüldüğü gibi Graphs alt menüleri ile.2. daha önce tanımlanan değişkenlere ait özellikleri görüntüleme.. . line (çizgi).17'deki Utilies menüsü ile.1.2..

Insert Case (Satır ekle): İşaretli hücrenin altına boş satır ilave eder. Insert Variable (Sütun ekle): İşaretli hücrenin sağına boş sütun ilave eder. Dialog Recall: En son yapılan istatistiksel işlemleri listeler.Data Editor Penceresi Simgeleri Print (Yadır): Yazdırma işlemi yapar. Save (Kayıt): Dosya kayıt işlemi yapar. . Go To Case (Satıra Git): İmlecin bulunduğu sütunda verdiğimiz numaradaki satıra gider. Undo (Geri Al): Yapılan işlemi geri alır. Paste (Yapıştır): Hafızadaki bilgileri yapıştırır. Open (Aç): Daha önce oluşturulan bir dosyayı açmaya yarar. Cut (Kes): Seçili alanları keser ve kopyalar. Find (Bul): İşaretli sütunda tafir edilen değeri bulur. Variables (Değişkenler): Değişkenlere ait tanımlanan özellikleri listeler. Copy (Kopyala): Seçili alanı kopyalar.

1. Analiz sonuç penceresi.2.2. analiz sonuçlarının verildiği pencere ve yapılan analizlerin ağaç yapısı içinde özetlendiği penceredir (Şekil 16. Output Penceresi Menüleri ve Simgeleri Output penceresi 5 kısımda incelenebilir. New Data (Boş veri sayfası aç): Boş bir data editör sayfası açar. Başlık çubuğu. Araştırıcı herhangi bir analiz veya analizin herhangi bir aşamasına farenin sol tuşu ile ağaç yapısı üzerinde bir defa tıklayarak ulaşabilir.2. araç çubuğu.2. Ağaç yapısı. Araç çubuğu (tool bar). Output Penceresi. başlık çubuğu (konumu belirtir). Output penceresinin sol kısmındaki ağaç yapısı. menü çubuğu (ana menüleri içerir).Value Labels (Etiket göster): Değişken etiketlerini gösterir. Yine aynı şekilde analizlere ait bazı kısımların silinmesi veya gizlenmesi işlemlerini buradan yapabilr. .2. Bunlar sırası ile. Menü çubuğu. Şekil 16. 16.2.1). araştırıcıya yapılan analizleri ana başlıkları ile özetlemektedir.

d) Page Setup: Sayfa yapısı ve yazıcı ile ilgili ayarları yapmaya yarar. c) Export: Mevcut dosyayı değişik uzantılarla (jpeg. Data Editör penceresindeki File ana menüsünden farklı olarak aşağıdaki alt menüleri çerir. htm. b) Save With Pasword (şifreli kaydet): Mevcut doyayı şifreli kaydetmek için kullanılır.2.2. Şekil 16. a) Close (kapat): Açık olan dosyayı kapatmak için kullanılır.2.2. e) Print Preview: Sayfa ön izlemeye geçişi sağlar. File Menüsü.File Menüsü File ana menüsü açıldığında Şekil 16. html. f) Send Mail : Kaydedilen analiz sonuçlarını elektronik posta ile göndermeye yarar.2’deki alt menüler görülür. .2.txt gibi) kaydetmeye yarar.

2.2.2. d) Delete (sil): İmleç ile seçilen kısmı siler. Data Editör penceresindeki Edit ana menüsünden farklı olarak aşağıdaki alt menüleri çerir.Edit Menüsü Edit menüsü 16. f) Select (seç): Dosya içeriğinin belirli kısımlarını seçmek için kullanılır.2. b) Paste After (sonrasına yapıştır): Kopyalanan nesneyi imleçle seçilen nesnin altına yapıştırır.3’deki gibidir. a) Copy object (nesne kopyalama): İmleç ile seçilen kısmı kopyalar. .3. Edit Menüsü. c) Paste Special (özel yapıştır): Simge veya resim olarak yapıştırmada kullanılır. seçildiğinde görülen alt menüler Şekil Şekil 16. e) Select All (tümünü seç): Dosya içeriğinin tamamını seçer.

2. e) Outline Size: Ağaç yapısındaki karakterlerin yazı boyutlarını small (küçük). medium (orta). Şekil 16.2. a) Collapse (katla): Ağaç yapısında simgesi ile gösterilen (ana dalları) kısımları katlayarak gizlemeye yarar.2.View Menüsü View menüsüne ait alt menüler Şekil 16. View Menüsü. c) Hide (gizle): simgesinin alt dallarını gizlemeye yarar. f) Outline Font: Ağaç yapısındaki karakterlerin yazı tipi ile ilgili ayarları yapmaya yarar. d) Show (göster): Hide ile gizlenen kısımları tekrar çağırmaya yarar.2.4. Data Editör penceresindeki View ana menüsünden farklı olarak aşağıdaki alt menüleri çerir. .4’deki gibidir. large (büyük) olarak ayarlamaya yarar. b) Expand (uzat): Collaps ile gizlenen kısımları tekrar çağırmaya yarar.

b) Clear Page Break (sayfa sonu sil): Ayrı sayfalarda olan öge veya ögeleri aynı sayfaya alır. görüntü belgesi.2. Insert menüsünün alt menüleri aşağıdaki gibidir. ait alt menüler Şekil 16. f) New Text (yeni metin): Analiz sayfasında yeni bir metin alanı açar. h) Old Graph (var olan grafiği aç): Daha önceden oluşturulan grafiği açmaya yarar. e) New Page Title (yeni sayfa başlığı): Konu başlığını yeni bir sayfada oluşturmak için kullanılır (başlıktan sonraki kısım yeni sayfaya atılır). g) Interactive 2-D Graph ve 3-D Graph (etkileşimli iki ve üç boyutlu grafik): Grafiklerin düzenlenebileceği bir alt pencere açarlar. i) Object: Sonuç dosyasına denklem..vb belgeleri ekler.2. resim. Insert Menüsü. a) Page Break (sayfa sonu): Ağaç yapısındaki her bir ögeyi ayrı bir sayfaya atar. . ı) Text File (metin dosyası): Text dosyalarını açar. exel grafiği..5.2.Insert (Ekle) Menüsü Insert menüsüne görülmektedir. c) New Heading (yeni dallandırma): Ağaç yapısına yeni bir ana dal ekler.. word belgesi.2.5’de Şekil 16. d) New Title (yeni konu başlığı): Konu başlığı oluşturmak için kullanılır.

6.6’da Şekil 16.2. menüsüne ait alt menüler Şekil 16. Print Preview (Ön izleme): Ön izleme işlemi yapar.2. . Open (Aç): Daha önce oluşturulan bir dosyayı açmaya yarar. Print (Yadır): Yazdırma işlemi yapar. Goto Data (Veri Sayfasına Git): Data editör penceresine geçişi sağlar. Output Penceresi Simgeleri Close (Kapat): O anda açık olan dosyayı kapatır. Undo (Geri Al): Yapılan işlemi geri alır.2. ortalı ve sola dayalı olarak yazmada kullanılır. Format Menüsü.Format (Biçimleme) Menüsü Format görülmektedir. Dialog Recall: En son yapılan istatistiksel işlemleri listeler. seçili metni sağa.2. Save (Kayıt): Dosya kayıt işlemi yapar. Format menüsünün alt menüleri.

Select Last Output: En son yapılan analiz sonuçlarını seçer. Gelen diyalog penceresinden Toolbars. seçildiğinde Show Toolbars penceresi açılır (Şekil 16. Eğer var olan bir araç çubuğunun simgeleri düzenlenmek istenirse.2). Araç Çubuğu Ayar Diyalog Penceresi. Araç Çubuğu Geliştirme SPSS programında araç çubuğunu özelleştirmek mümkündür.Go To Case (Satıra git): İmlecin bulunduğu sütunda verdiğimiz numaradaki satıra gider. Insert Text (Metin Ekle): Yeni bir metin alanı açar.3.. araç çubuğunun üzerinde farenin sağ tuşu bir kere tıklandığında gelen menüden customze seçeneği kullanılır.3. 16.3.1). Şekil 16. Hide (Gizle): İşaretli kısımları ( ) gizlemeye yarar.1. Bunun için araç çubuğunun üzerine gelip farenin sağ tuşu bir kere tıklanırsa bir diyalog penceresi gelir (Şekil 16. .3. Insert Title (Başlık Ekle): Yeni bir etiket alanı açar.

Şekil 16.3.2. Show Toolbars Penceresi.
Açılan Show Toolbars penceresindeki New Toolbar.. (yeni
araç çubuğu düğmesi) ile yeni bir araç çubuğunun ismi (örneğin
grafik) Toolbar Name kutucuğuna yazılır (Şekil 16.3.3).

Şekil

16.3.3.

Toolbar Properties
Penceresi.

Daha sonra Şekil 16.3.3'deki Customize seçeneğini ile yeni
tollbars'taki ikonların (simgelerin) belirleneceği Şekil 16.3.4'deki gibi
bir pencere açılr.

Şekil 16.3.4. Customize Toolbar Penceresi.

Şekil 16.3.4'deki Items penceresindeki ikonlaradan tercih
edilenler Customizing Toolbar: grafik'in alt kısmına yerleştirilir.
Bunun için Items penceresinden herhangi bir ikon üzerine gelinir (1
simgesi çıkacaktır) ve farenin sol tuşuna basılarak ikon Customizing
Toolbar: grafik'in alt kısmına sürüklenir. Bu aşamada farenin sol
tuşu serbest bırakıldığında sürüklenen ikon bu kutucuğa atanacaktır.
Daha sonra işlemler onaylandığında yeni toolbar güncellenecektir
(Şekil 16.3.5).

Şekil 16.3.5. Güncellenmiş Yeni Toolbar.

Sonuç olarak, araştırıcı araç çubuğu geliştirirken veya mevcut
araç çubuklarını kullanırken, ihtiyacına göre sıklıkla kullandığı
simgeleri yerleştirip, kullanmadığı simgeleri ise araç çubuğundan
kaldırabilir.

F cetveli
Payda
S.D.
1

2

3

4

5

6

7

8

9

α
0.1
0.05
0.025
0.010
0.005
0.1
0.05
0.025
0.010
0.005
0.1
0.05
0.025
0.010
0.005
0.1
0.05
0.025
0.010
0.005
0.1
0.05
0.025
0.010
0.005
0.1
0.05
0.025
0.010
0.005
0.1
0.05
0.025
0.010
0.005
0.1
0.05
0.025
0.010
0.005
0.1
0.05
0.025
0.010
0.005

Pay Serbestlik Derecesi
1
2
3
4
5
6
7
8
9
39.86 49.50 53.59 55.83 57.24 58.20 58.91 59.44 59.86
161.4 199.5 215.7 224.6 230.2
234 236.8 238.9 240.5
647.8 799.5 864.1 899.6 921.8 937.1 948.2 956.6 963.3
4052 4999 5404 5624 5764 5859 5928 5981 6022
16212 19997 21614 22501 23056 23439 23715 23924 24091
8.53
9.00
9.16
9.24
9.29
9.33
9.35
9.37
9.38
18.51 19.00 19.16 19.25 19.30 19.33 19.35 19.37 19.38
38.51 39.00 39.17 39.25 39.30 39.33 39.36 39.37 39.39
98.50 99.00 99.16 99.25 99.30 99.33 99.36 99.38 99.39
198.50 199.01 199.16 199.24 199.30 199.33 199.36 199.38 199.39
5.54
5.46
5.39
5.34
5.31
5.28
5.27
5.25
5.24
10.13
9.55
9.28
9.12
9.01
8.94
8.89
8.85
8.81
17.44 16.04 15.44 15.10 14.88 14.73 14.62 14.54 14.47
34.12 30.82 29.46 28.71 28.24 27.91 27.67 27.49 27.34
55.55 49.80 47.47 46.20 45.39 44.84 44.43 44.13 43.88
4.54
4.32
4.19
4.11
4.05
4.01
3.98
3.95
3.94
7.71
6.94
6.59
6.39
6.26
6.16
6.09
6.04
6.00
12.22 10.65
9.98
9.60
9.36
9.20
9.07
8.98
8.90
21.20 18.00 16.69 15.98 15.52 15.21 14.98 14.80 14.66
31.33 26.28 24.26 23.15 22.46 21.98 21.62 21.35 21.14
4.06
3.78
3.62
3.52
3.45
3.40
3.37
3.34
3.32
6.61
5.79
5.41
5.19
5.05
4.95
4.88
4.82
4.77
10.01
8.43
7.76
7.39
7.15
6.98
6.85
6.76
6.68
16.26 13.27 12.06 11.39 10.97 10.67 10.46 10.29 10.16
22.78 18.31 16.53 15.56 14.94 14.51 14.20 13.96 13.77
3.78
3.46
3.29
3.18
3.11
3.05
3.01
2.98
2.96
5.99
5.14
4.76
4.53
4.39
4.28
4.21
4.15
4.10
8.81
7.26
6.60
6.23
5.99
5.82
5.70
5.60
5.52
13.75 10.92
9.78
9.15
8.75
8.47
8.26
8.10
7.98
18.63 14.54 12.92 12.03 11.46 11.07 10.79 10.57 10.39
3.59
3.26
3.07
2.96
2.88
2.83
2.78
2.75
2.72
5.59
4.74
4.35
4.12
3.97
3.87
3.79
3.73
3.68
8.07
6.54
5.89
5.52
5.29
5.12
4.99
4.90
4.82
12.25
9.55
8.45
7.85
7.46
7.19
6.99
6.84
6.72
16.24 12.40 10.88 10.05
9.52
9.16
8.89
8.68
8.51
3.46
3.11
2.92
2.81
2.73
2.67
2.62
2.59
2.56
5.32
4.46
4.07
3.84
3.69
3.58
3.50
3.44
3.39
7.57
6.06
5.42
5.05
4.82
4.65
4.53
4.43
4.36
11.26
8.65
7.59
7.01
6.63
6.37
6.18
6.03
5.91
14.69 11.04
9.60
8.81
8.30
7.95
7.69
7.50
7.34
3.36
3.01
2.81
2.69
2.61
2.55
2.51
2.47
2.44
5.12
4.26
3.86
3.63
3.48
3.37
3.29
3.23
3.18
7.21
5.71
5.08
4.72
4.48
4.32
4.20
4.10
4.03
10.56
8.02
6.99
6.42
6.06
5.80
5.61
5.47
5.35
13.61 10.11
8.72
7.96
7.47
7.13
6.88
6.69
6.54

F cetveli
Payda
S.D.
10

11

12

13

14

15

16

17

18

α
0.1
0.05
0.025
0.010
0.005
0.1
0.05
0.025
0.010
0.005
0.1
0.05
0.025
0.010
0.005
0.1
0.05
0.025
0.010
0.005
0.1
0.05
0.025
0.010
0.005
0.1
0.05
0.025
0.010
0.005
0.1
0.05
0.025
0.010
0.005
0.1
0.05
0.025
0.010
0.005
0.1
0.05
0.025
0.010
0.005

1
3.29
4.96
6.94
10.04
12.83
3.23
4.84
6.72
9.65
12.23
3.18
4.75
6.55
9.33
11.75
3.14
4.67
6.41
9.07
11.37
3.10
4.60
6.30
8.86
11.06
3.07
4.54
6.20
8.68
10.80
3.05
4.49
6.12
8.53
10.58
3.03
4.45
6.04
8.40
10.38
3.01
4.41
5.98
8.29
10.22

2
2.92
4.10
5.46
7.56
9.43
2.86
3.98
5.26
7.21
8.91
2.81
3.89
5.10
6.93
8.51
2.76
3.81
4.97
6.70
8.19
2.73
3.74
4.86
6.51
7.92
2.70
3.68
4.77
6.36
7.70
2.67
3.63
4.69
6.23
7.51
2.64
3.59
4.62
6.11
7.35
2.62
3.55
4.56
6.01
7.21

3
2.73
3.71
4.83
6.55
8.08
2.66
3.59
4.63
6.22
7.60
2.61
3.49
4.47
5.95
7.23
2.56
3.41
4.35
5.74
6.93
2.52
3.34
4.24
5.56
6.68
2.49
3.29
4.15
5.42
6.48
2.46
3.24
4.08
5.29
6.30
2.44
3.20
4.01
5.19
6.16
2.42
3.16
3.95
5.09
6.03

Pay Serbestlik Derecesi
4
5
6
2.61
2.52
2.46
3.48
3.33
3.22
4.47
4.24
4.07
5.99
5.64
5.39
7.34
6.87
6.54
2.54
2.45
2.39
3.36
3.20
3.09
4.28
4.04
3.88
5.67
5.32
5.07
6.88
6.42
6.10
2.48
2.39
2.33
3.26
3.11
3.00
4.12
3.89
3.73
5.41
5.06
4.82
6.52
6.07
5.76
2.43
2.35
2.28
3.18
3.03
2.92
4.00
3.77
3.60
5.21
4.86
4.62
6.23
5.79
5.48
2.39
2.31
2.24
3.11
2.96
2.85
3.89
3.66
3.50
5.04
4.69
4.46
6.00
5.56
5.26
2.36
2.27
2.21
3.06
2.90
2.79
3.80
3.58
3.41
4.89
4.56
4.32
5.80
5.37
5.07
2.33
2.24
2.18
3.01
2.85
2.74
3.73
3.50
3.34
4.77
4.44
4.20
5.64
5.21
4.91
2.31
2.22
2.15
2.96
2.81
2.70
3.66
3.44
3.28
4.67
4.34
4.10
5.50
5.07
4.78
2.29
2.20
2.13
2.93
2.77
2.66
3.61
3.38
3.22
4.58
4.25
4.01
5.37
4.96
4.66

7
2.41
3.14
3.95
5.20
6.30
2.34
3.01
3.76
4.89
5.86
2.28
2.91
3.61
4.64
5.52
2.23
2.83
3.48
4.44
5.25
2.19
2.76
3.38
4.28
5.03
2.16
2.71
3.29
4.14
4.85
2.13
2.66
3.22
4.03
4.69
2.10
2.61
3.16
3.93
4.56
2.08
2.58
3.10
3.84
4.44

8
2.38
3.07
3.85
5.06
6.12
2.30
2.95
3.66
4.74
5.68
2.24
2.85
3.51
4.50
5.35
2.20
2.77
3.39
4.30
5.08
2.15
2.70
3.29
4.14
4.86
2.12
2.64
3.20
4.00
4.67
2.09
2.59
3.12
3.89
4.52
2.06
2.55
3.06
3.79
4.39
2.04
2.51
3.01
3.71
4.28

9
2.35
3.02
3.78
4.94
5.97
2.27
2.90
3.59
4.63
5.54
2.21
2.80
3.44
4.39
5.20
2.16
2.71
3.31
4.19
4.94
2.12
2.65
3.21
4.03
4.72
2.09
2.59
3.12
3.89
4.54
2.06
2.54
3.05
3.78
4.38
2.03
2.49
2.98
3.68
4.25
2.00
2.46
2.93
3.60
4.14

07 3.80 3.84 3.1 0.32 2.18 2.54 3.1 0.59 4.65 4.41 2.41 2.75 4.88 1.36 2.90 4.025 0.95 2.35 3.99 1.95 9.40 2.59 3.99 4.65 2.81 5.70 3.96 4.33 3.01 1.72 5.32 2.73 3.60 3.36 3.63 2.46 5.46 2.010 0.37 2.63 4.89 2.78 1.005 0.57 3.82 2.63 3.47 4.27 2.61 6.36 Pay Serbestlik Derecesi 4 5 6 2.86 4.46 3.025 0.95 2.32 5.94 5.17 2.05 0.65 3.69 7.90 2.28 5.66 6.67 4.74 2.56 3.51 3.18 10.05 0.11 2.05 0.34 2.82 5.50 4.24 5.01 2.07 2.97 2.35 5.91 3.42 2.42 4.38 3.42 5.85 3.010 0.35 3.01 5.99 3.18 2.35 4.22 3.96 3.08 2.05 0.66 7.90 5.30 2.87 2.010 0.98 3.11 3.89 1.61 3.40 2.26 3.005 0.49 3 2.79 7.14 3.73 2.35 3.40 3.99 2.17 4.88 1.34 2 2.63 3.87 3.49 2.79 4.02 2.025 0.52 4.005 0.92 8.97 3.87 5.25 2.78 3.87 5.02 2.10 2.49 4.37 2.51 3.1 0.05 3.05 0.40 3.44 3.72 6.28 2.94 3.38 5.98 2.54 2.56 .99 3.27 5.68 4.18 2.80 3.77 4.22 2.31 2.54 4.87 8.73 1.010 0.43 4.93 2.00 2.30 3.10 3.81 2.02 2.38 4.09 4.26 3.92 4.64 4.38 3.005 1 2.05 3.09 4.69 4.00 2.60 5.04 1.68 3.40 4.85 3.D.97 4.22 3.34 2.67 4.52 2.10 2.84 3.64 2.94 1.25 3.07 2.18 3.26 2.39 3.94 1.39 2.31 3.96 1.13 2.83 8.05 0.01 3.05 2.76 5.89 2.82 9.39 2.39 4.85 4.68 2.13 3.05 0.63 7.50 3.025 0.38 5.005 0.06 7 2.34 3.11 2.17 4.84 4.08 2.42 3.010 0.45 3.83 1.83 2.06 2.09 1.64 1.17 3.29 5.005 0.33 3.57 6.46 3.14 2.56 4.F cetveli Payda S.47 3.1 0.52 3.21 2.49 4.49 6.025 0.64 5.84 2.96 2.09 2.10 3.94 2.04 3.99 2.42 2.27 2.25 2.21 5.55 3.05 0.18 2.15 3.44 4.48 2.73 2.76 5.05 1.30 2.005 0.32 2.005 0.34 4.92 2.72 9.71 3.58 2.10 9.52 4.02 9.1 0.56 2.20 2.02 4.37 4.92 4.24 5.11 1.025 0.02 4.05 0.41 3.22 3.37 2.76 4.15 2.47 2.91 4.77 9.51 3.36 3.71 4.69 9 1.90 3.33 3.010 0.94 2.66 2.87 3.93 4.43 4.76 2.62 2.26 2.32 2.60 1.51 4.78 6.46 3.97 4.75 1.010 0.51 5.025 0.72 4.04 2.025 0.59 4.13 4.95 4.57 2.93 3.63 4.42 2.34 2.88 3.74 2.88 2.76 3.96 3.75 3.90 3.32 3.30 5.68 5.53 3.13 2.04 2.82 4.92 2.1 0.93 7.15 2.68 9.78 4.01 3.85 6.99 4.75 7.73 2.55 3. 19 20 21 22 23 24 25 26 27 α 0.1 0.19 2.73 2.56 4.41 3.37 4.44 2.48 3.56 3.32 5.85 8 2.61 4.09 2.18 3.05 4.70 4.73 3.97 2.54 4.78 3.82 3.69 1.06 2.78 2.95 2.010 0.60 2.1 0.17 2.88 9.54 3.29 3.35 5.59 2.31 3.27 4.98 2.16 2.29 3.96 2.94 4.66 2.71 2.1 0.95 4.23 5.23 2.01 2.92 2.09 2.26 5.18 3.53 6.81 3.57 3.49 3.45 2.55 2.010 0.94 4.93 2.89 4.48 2.08 2.87 2.82 3.39 2.94 5.51 3.74 4.53 3.81 1.46 2.31 2.26 3.82 2.72 7.91 2.91 2.025 0.005 0.60 2.10 2.03 3.98 2.80 2.

90 4.50 3.28 2.86 2.05 0.48 3.98 2.74 1.35 2.74 3.33 2.82 2.30 2.57 3.69 4.04 2.12 3.82 3.94 1.07 3.41 3.32 4.02 2.49 1.02 2.73 2.18 2.89 2.90 8 1.28 Pay Serbestlik Derecesi 4 5 6 2.57 2.10 2.27 3.41 2.90 2.37 3.85 1.05 0.24 2.70 2.83 2.45 1.1 0.20 5.70 4. 28 29 30 40 60 120 ∞ α 0.50 3.53 2.19 2.05 0.88 2.05 0.29 3.42 3.11 2.005 0.00 3.30 4.28 2.1 0.005 1 2.32 3.06 1.39 6.025 0.04 2.71 2.025 0.72 3.33 3.23 3.18 5.72 2.03 2.34 3.35 3.01 2.1 0.07 3.53 4.94 2.79 2.23 2.70 3.84 5.80 4.39 3.79 5.025 0.62 .28 2.73 3.68 3.45 6.63 1.63 3.39 2.77 2.61 4.66 4.34 4.36 3.55 3.55 2.66 2.65 3.53 2.90 1.21 2.98 2.28 2.51 5.45 2.81 1.83 3.77 2.14 3.07 3.71 2.17 5.23 4.52 3.95 1.59 4.76 3.25 3.34 3.06 2.95 2.1 0.85 8.23 2.010 0.43 3.12 3.87 2.13 2.89 3.00 2.23 3.44 2.13 2.25 2.48 1.51 2.28 2.35 3.88 4.05 0.51 2.33 2.025 0.010 0.22 2.22 1.41 2.75 3.31 4.29 7.92 3.96 3.67 2.93 3.17 3.09 7 1.10 2.82 2.64 9.08 2.51 1.04 1.79 2.62 3.98 2.65 1.77 1.45 2.65 3.57 7.05 0.74 9 1.05 0.1 0.09 2.14 2.74 2.79 2.75 3.87 4.01 2.02 2.18 6.04 3.94 2.45 3.44 3.12 3.01 1.79 2.02 3.24 2.18 2.005 0.010 0.84 3.010 0.99 2.1 0.71 3.46 4.89 4.61 1.005 0.23 3.88 2.07 2.42 6.17 2.29 4.54 2.79 4.09 2.42 7.78 4.81 1.18 5.96 2.010 0.29 1.98 5.30 3.69 2.05 1.34 4.31 8.59 3.92 5.005 0.90 2.35 1.32 2.18 2.69 3.88 2 2.83 2.72 2.64 2.92 3.93 1.49 2.D.18 2.37 2.37 2.61 2.58 1.95 3.17 2.06 2.08 5.25 3.15 6.80 3.76 3.010 0.95 3.05 5.61 3.93 2.13 1.72 3.61 7.02 6.025 0.21 2.20 5.45 2.63 4.67 3.51 3.20 3.99 3.60 9.84 4.09 3.89 4.15 3.93 2.89 2.22 2.18 2.08 8.87 2.95 4.025 0.85 2.12 2.56 2.F cetveli Payda S.67 1.29 2.15 2.00 5.93 4.50 4.22 5.87 2.025 0.1 0.59 7.77 2.30 3.93 2.00 1.16 2.56 9.64 7.57 5.60 3.50 2.40 2.33 4.53 2.28 1.68 1.13 4.49 3.56 2.35 2.26 3.99 3.27 2.76 3.47 4.61 5.88 4.62 4.010 0.12 4.005 0.75 3.99 1.29 2.005 0.54 5.29 2.78 3.79 3.29 2.36 2.30 3 2.09 1.52 1.

22 41.05 13.38 2.32 42.96 5.53 7.07 9.1 0.39 4.005 0.95 6.15 3.1 251.90 4.16 2.65 19.96 7.27 7.80 5.07 5.55 20.49 39.21 3.05 0.25 5.005 10 60.05 0.7 24427 9.49 19.40 199.74 6.69 8.23 2.99 26.90 5.81 3.53 248 249 250.14 3.1 0.F cetveli Payda S.55 13.8 6313 25254 9.86 8.43 39.87 10.31 7.36 9.47 19.96 6.62 8.05 43.07 3.62 42.45 19.67 4.34 3.46 99.23 7.26 13.17 14.94 5.04 4.78 5.14 9.76 6.43 99.20 5.31 13.61 3.48 39.22 8.56 19.18 2.23 15 61.47 8.41 120 63.64 8.9 968.00 3.42 3.1 0.48 5.83 5.50 26.74 3.62 2.28 4.025 0.75 5.79 252.1 0.1 993.84 2.28 6.56 2.79 5.63 3.1 0.19 241.23 8.34 3.07 5.22 4.17 5.01 7.47 3.46 3.025 0.75 20.57 13.47 3.45 19.17 5.3 6286.1 0.64 4.01 2.05 0.05 0.97 3.025 00.27 4.7 6234.77 5.70 4.40 6.80 2.27 2.31 3.43 5.12 4. 1 2 3 4 5 6 7 8 9 α 0.76 5.50 6.14 5.1 0.51 5.82 2.66 14.46 9.14 8.39 19.3 6365.010 0.01 3.50 4.70 3.30 4.26 62.79 14.23 6.18 5.15 8.87 3.74 4.38 9.60 26.72 10.88 2.005 0.13 8.84 3.68 6.59 2.43 6.56 9.47 4.50 99.05 0.30 4.49 99.42 2.45 99.45 9.50 3.29 12.41 39.84 13.001 0.36 13.47 99.67 7.74 14.87 3.4 1005.28 2.00 62.39 3.49 3.83 3.95 2.90 26.68 3.56 4.11 12.51 4.78 3.23 43.71 3.87 5.01 0.18 5.9 976.79 3.41 19.82 7.20 8.62 6.47 99.47 19.20 5.27 4.20 5.5 25358 9.36 5.67 4.15 3.12 3.20 20.46 6.50 199.30 2.3 6260.34 27.40 7.53 13.55 9.75 3.69 26.36 3.19 2.44 3.95 3.49 5.025 0.4 24836 24937 25041 25146 9.47 9.11 4.97 2.81 2.48 19.57 5.86 5.44 3.22 245.16 8.08 2.80 5.010 0.49 199.38 2.99 5.005 0.7 6106.40 2.18 2.12 2.59 14.35 4.40 2.65 4.005 0.64 7.77 4.14 4.75 3.70 14.93 13.2 1009.01 0.78 42.45 199.10 5.12 6.06 253.78 5.29 2.45 39.47 9.57 6.1 0.63 8.86 2.99 3.33 4.90 6.41 4.025 00.59 9.48 5.42 12 60.90 2.97 3.75 14.6 25466 9.46 19.17 3.19 3.01 0.87 5.45 4.84 3.83 3.26 6.94 4.010 0.96 8.42 2.87 43.37 6.72 8.14 2.42 19.47 39.005 0.72 3.16 4.11 6.23 4.70 3.62 10.62 8.61 6.57 4.3 1014 6339.00 2.67 3.33 6.81 4.61 3.54 3.03 6.97 9.84 5.53 2.13 41.21 2.45 199.46 39.03 Pay Serbestlik Derecesi 20 24 30 40 61.025 0.05 0.46 8.76 3.20 12.66 8.88 8.67 3.46 39.51 8.025 0.51 3.58 2.46 19.52 60 62.66 8.04 26.32 2.39 5.05 0.34 4.001 0.1 0.03 19.73 4.93 3.32 3.1 997.67 6.40 5.05 0.9 24222 9.40 99.30 ∞ 63.D.38 3.42 199.06 9.52 9.005 0.30 5.89 19.025 00.08 3.48 199.41 99.48 199.00 5.25 26.89 13.81 7.38 2.03 2.18 9.90 12.28 5.21 2.53 4.02 9.74 7.25 2.73 4.82 3.48 199.16 6.46 7.01 3.005 0.40 39.65 7.05 0.9 984.56 3.12 14.47 42.84 14.51 4.12 5.02 13.72 13.41 14.08 3.19 .29 2.52 6.74 62.81 2.94 2.42 27.18 2.83 3.42 5.41 3.85 6.24 2.17 20.31 6.24 4.48 99.95 26.91 8.66 12.78 12.40 6.73 5.12 9.31 7.36 4.50 39.6 6055.31 5.37 20.9 6157 24632 9.56 8.75 7.06 5.005 0.02 12.91 7.77 5.92 5.44 9.6 6208.06 2.010 0.71 243.37 7.3 1018.025 0.62 5.54 3.43 9.33 254.48 5.08 14.31 2.3 1001.15 2.41 42.25 2.89 3.38 3.43 199.

53 4.98 3.44 1.40 2.72 3.91 2.06 2.17 3.99 ∞ 2.85 3.001 0.27 4.025 0.33 4.94 4.85 2.18 3.005 0.67 3.03 2.72 2.65 2.27 2.96 2.06 3.66 1.85 3.005 0.86 15 2.45 2.05 3.76 2.82 2.54 4.80 4.00 2.22 1.33 2.05 0.59 1.1 0.78 4.55 4.83 3.35 2.96 1.06 2.1 0.28 2.40 5.97 2.59 3.57 2.43 4.67 3.27 5.66 3.84 1.85 2.08 3.64 2.005 0.01 2.19 2.21 3.54 5.79 3.96 2.00 3.10 2.18 3.43 2.28 2.03 12 2.91 1.47 2.72 2.11 2.025 0.10 1.94 3.92 2.75 2.41 3.74 2.20 2.13 2.00 2.54 3.23 2.85 3.18 2.42 2.82 2.91 4.34 2.25 1.97 2.75 3.86 4.14 4.05 0.12 2.27 4.97 2.10 120 2.00 2.48 2.38 2.77 3.72 3.26 2.90 2.89 2.25 2.10 2.59 4.49 2.10 2.83 2.30 2.59 3.01 1.06 2.80 4.92 1.60 3.05 0.1 0.77 2.86 3.1 0.38 3.16 4.62 4.1 0.32 2.025 0.42 3.96 3.64 1.15 3.00 3.025 0.11 2.86 3.02 3.10 3.56 2.06 3.08 2.25 3.60 4.07 3.06 2.31 3.01 4.51 3.93 2.84 2.66 2.94 1.18 4.78 2.78 2.30 2.05 2.76 1.005 0.42 2.27 2.54 3.02 2.62 3.44 2.57 2.82 4.48 1.37 3.89 1.23 2.05 3.66 3.010 0.24 2.95 2.1 0.98 1.05 0.23 3.72 3.52 4.75 3.58 3.96 1.01 1.39 2.76 2.025 0.08 2.72 2.84 3.07 4.53 3.06 4.025 0.05 2.10 2.88 3.1 0.08 3.05 0.26 1.75 2.97 1.75 2.06 2.46 2.73 3.95 3.67 4.23 1.14 1.38 2.08 4.17 2.D.79 2.35 2.005 0.25 2.91 2.92 3.09 3.96 4.69 3.51 2.03 2.11 2.52 4.99 3.18 2.84 2.05 0.025 0.88 3.79 3.96 2.55 1.06 2.29 3.43 4.010 0.78 3.61 2.11 1.28 4.66 1.33 4.56 5.19 2.43 4.31 3.22 2.75 3.34 3.45 4.88 2.38 2.56 2.46 2.46 2.15 3.30 5.32 2.29 2.45 2.01 2.94 2.97 2.85 2.00 2.25 2.82 3.20 2.37 4.02 3.64 3.11 2.75 3.84 3.96 2.02 2.005 0.41 3.10 4.17 5.40 2.010 0.57 2.F cetveli Payda S.16 2.010 0.38 2.15 2.50 3.70 2.89 2.69 4.40 2.66 2.43 3.26 4.31 2.96 3.81 2.91 3.93 2.52 3.14 2.010 0.62 2.35 3.07 3.61 3.24 2.42 2.19 2.20 60 2.64 2.07 1.45 1.17 5.41 2.15 2.70 2.10 2.12 1.79 2.89 3.005 10 2.41 4.34 2.37 3.47 2.66 3.90 1.81 1.92 2.45 2.87 1.32 2.87 3.010 0.81 1.49 3.25 4.69 1.33 1.010 0.27 2.33 4.20 4.25 5.79 3.005 0.46 2.16 3.78 1.30 3.93 3.72 3.93 2.69 4.84 1.61 3.86 2.72 2.65 1.42 2.09 2.98 1.87 .05 2.86 4.51 3.43 3.01 2.12 3.13 2.50 2.005 0.86 1.94 3.21 2.10 1.84 1.75 2.54 2.32 2.87 1.53 3.51 4.51 3.24 2.92 3.66 4.86 3.99 2.15 2.05 3.70 3.97 1.31 1.46 3.53 3.91 3.87 1.62 4.37 3.99 2.34 2.025 0.90 2.96 3.92 1.25 2.53 4.10 4.08 3.71 5.90 1.44 1.17 4.15 2.31 2.19 2.38 2.98 2.21 2.55 3.19 2.010 0.23 3.40 3.65 2.76 4.69 1.80 2.26 3.1 0.51 3.79 1.68 2.02 2.21 1.25 1.69 3.00 4.60 3.72 4.86 2.65 4.60 2.16 2.1 0.01 1.55 2.89 2.68 Pay Serbestlik Derecesi 20 24 30 40 2.85 5.36 3.04 2.05 0.87 3.73 2.05 0.025 0.79 3.63 2.76 1.07 2.05 0.78 3.13 3. 10 11 12 13 14 15 16 17 18 α 0.25 4.44 3.62 3.67 3.49 3.60 3.37 1.17 3.50 2.34 1.54 3.05 2.

69 1.61 2.36 2.88 1.16 2.57 3.1 0.72 1.59 3.75 1.79 2.00 2.41 2.27 2.005 0.88 2.30 1.21 2.64 1.81 3.93 3.95 1.45 1.87 2.61 1.28 15 1.22 3.30 2.010 0.010 0.97 2.010 0.03 3.05 0.61 1.17 3.93 2.005 0.49 1.83 2.54 2.07 2.33 2.010 0.93 2.47 2.93 1.73 1.58 2.01 2.97 1.11 2.02 1.39 2.64 1.05 0.85 3.11 2.70 1.84 2.20 2.025 0.70 1.65 1.50 1.05 2.50 1.45 3.05 0.13 2.70 3.07 2.33 1.03 2.69 3.01 1.24 3.75 1.95 2.025 0.58 2.63 2.73 1.94 1.39 2.61 3.62 2.84 2.04 1.22 2.95 1.77 2.11 2.38 1.18 2.81 2.12 3.11 2.76 1.94 2.08 2.20 2.67 2.89 2.72 1.86 2.30 2.37 3.68 1.70 1.15 1.33 1.36 2.33 2.96 3.54 1.80 2.49 2.91 2.46 2.56 1.97 2.21 2.025 0.94 2.13 2.1 0.50 2.47 2.59 1.83 2.66 1.68 1.96 2.40 2.80 2.84 2.73 1.010 0.66 1.67 1.60 3.54 3.15 2.00 1.010 0.84 2.50 2.47 2.03 2.80 2.025 0.55 2.03 3.025 0.84 2.005 0.67 2.59 1.03 1.35 2.20 1.67 3.81 2.73 1.25 2.77 1.83 2.00 2.23 2.58 1.18 2.26 2.15 3. 19 20 21 22 23 24 25 26 27 α 0.35 2.1 0.66 2.31 2.98 1.57 3.83 2.09 3.59 1.71 1.010 0.61 1.23 2.87 2.57 1.77 2.04 2.43 1.31 3.90 2.08 2.72 1.90 1.77 3.42 1.07 3.61 1.37 1.21 3.24 2.91 2.60 1.69 1.67 1.76 2.43 3.43 1.33 3.18 2.51 2.005 0.96 1.D.16 2.85 2.01 1.55 2.54 1.64 3.60 1.30 3.47 1.70 1.07 2.64 1.79 2.98 3.29 2.025 0.76 3.77 1.20 2.64 1.025 0.17 3.71 2.30 2.05 2.95 2.52 2.80 2.62 1.05 0.72 3.1 0.52 120 1.24 2.16 2.28 2.08 2.09 2.78 3.29 .58 2.73 2.66 1.85 1.62 3.39 2.87 2.58 3.09 3.99 2.81 1.85 2.31 3.89 2.90 2.53 3.77 1.79 1.05 2.49 2.53 1.89 1.63 1.89 2.73 3.66 2.76 1.22 2.25 2.15 2.025 0.70 1.57 1.86 2.99 1.71 1.42 2.55 1.42 2.44 2.26 3.93 2.00 2.36 2.22 2.08 2.51 2.66 1.25 2.72 2.56 1.84 2.32 2.25 2.49 1.12 3.54 3.92 2.55 1.005 10 1.13 2.52 1.04 2.005 0.55 1.82 2.63 60 1.73 1.09 2.64 3.40 2.78 2.1 0.93 1.13 2.81 1.72 1.05 0.48 1.23 2.74 1.78 2.67 3.86 2.03 1.68 3.02 2.74 2.17 2.61 1.50 2.06 2.68 1.33 2.91 2.1 0.21 2.27 2.27 2.97 2.41 ∞ 1.11 Pay Serbestlik Derecesi 20 24 30 40 1.67 1.01 2.71 1.05 0.1 0.15 2.31 2.12 3.60 1.37 2.07 2.20 2.57 3.70 2.87 2.20 2.29 2.57 1.18 2.31 2.025 0.1 0.59 1.78 2.76 1.92 2.F cetveli Payda S.92 2.25 1.1 0.32 3.82 3.06 2.98 1.12 2.06 3.005 0.50 1.18 3.75 2.86 2.45 2.38 2.46 2.45 2.01 1.005 0.87 2.11 1.76 1.94 2.69 1.89 2.82 2.60 1.93 3.05 0.10 2.23 3.12 2.62 1.28 2.67 1.78 1.53 1.42 2.64 3.09 2.77 1.14 2.13 3.77 1.010 0.82 1.92 2.63 2.35 2.27 2.88 2.87 2.005 0.79 1.96 1.19 2.36 2.73 2.99 3.13 2.69 2.05 0.010 0.15 3.74 1.41 2.54 1.86 2.82 2.10 2.78 1.98 2.64 2.92 1.81 2.94 2.69 1.40 3.92 1.24 2.92 2.31 2.16 2.18 2.88 2.89 3.78 2.21 3.81 2.66 2.88 2.84 1.59 1.88 1.67 1.96 2.38 2.62 2.27 2.49 3.75 2.45 12 1.05 0.05 2.70 2.98 2.85 2.84 2.36 1.98 2.

93 1.50 1.78 2.98 1.38 1.55 1.36 ∞ 1.57 2.96 1.48 1.76 2.17 1.57 1.83 2.48 1.12 2.19 Pay Serbestlik Derecesi 20 24 30 40 1.94 1.96 1.75 3.31 1.64 1.67 1.94 1.54 1.010 0.88 1.36 15 1.46 1.31 2.71 1.80 1.76 1.20 2.51 1.51 1.90 1.04 2.34 1.66 1.01 1.75 1.79 1.72 1.94 2.39 2.03 1.57 1.71 1.60 1.71 1.06 2.80 3.88 2.1 0.09 2.29 2.75 1.26 1.84 1.07 2.89 2.37 2.010 0.29 1.025 0.08 1.55 3.25 1.67 1.005 0.95 1.66 1.55 1.32 1.75 1.64 1.05 0.01 1.42 1.41 2.39 1.51 2.19 2.02 2.08 2.1 0.37 1.12 2.07 1.55 1.03 2.21 1.99 2.18 2.60 1.83 1.74 2.83 2.06 2.73 2.F cetveli Payda S.82 1.43 2.61 1.04 2.50 2.72 2.005 0.05 2.82 2.43 1.69 1.55 1.69 2.18 1.81 2.70 3.84 1.19 2.53 120 1.30 1.66 1.14 2.41 2.53 1.16 2.51 1.33 2.43 1.79 1.00 3.67 1.82 2.89 1.49 2.03 1.29 2.34 1.79 2.39 2.005 10 1.00 2.23 2.05 0.21 2.87 3.47 1.10 2.45 2.67 60 1.94 2.60 2.03 2.54 1.15 2.88 1.74 1.52 12 1.87 1.38 1.09 1.41 1.11 2.86 2.58 1.44 1.05 2.005 0.35 1.94 2.51 1.63 2.46 1.98 3.44 2.005 0.34 2.30 2.53 1.1 0.87 2.32 2.32 2.18 2.18 1.75 1.84 1.01 2.07 2.78 1.03 3.79 2.83 2.32 1.90 3.66 2.18 2.77 1.60 1.45 1.71 2.010 0.26 2.61 1.64 1.025 0.56 1.32 1.05 0.05 0.16 2.92 2.11 2.52 2.66 1.01 2.47 1.69 2.59 1.010 0.63 1.25 1.05 2.83 2.01 1.80 2.34 2.27 1.62 1.69 1.45 1.05 0.48 1.87 1.86 1.60 1.90 1.01 .59 1.010 0.64 1.11 2.24 1.65 1.73 3.93 1.025 0.94 2.73 2.56 1.47 2.025 0.94 1.61 1.69 1.35 2.1 0.57 1.52 1.60 2.27 2.63 2.39 2.92 2.01 1.025 0.40 2.74 1.010 0.61 2.90 1.39 1.74 2.47 1.01 1.00 1.30 1.1 0.17 2.66 2. 28 29 30 40 60 120 ∞ α 0.83 2.70 1.1 0.65 1.17 2.65 1.68 1.91 2.91 1.47 1.61 1.96 2.68 1.77 2.29 2.70 1.79 1.18 1.48 1.05 0.49 1.64 1.52 2.95 1.39 1.52 1.79 2.74 1.73 1.89 2.54 1.57 1.81 2.03 2.21 2.41 1.21 1.20 2.50 1.01 2.35 2.75 1.17 2.57 1.76 2.58 1.84 3.20 2.35 1.48 1.91 2.55 2.50 2.85 1.23 2.98 2.53 3.70 1.37 1.48 1.92 2.66 1.025 0.05 0.43 1.30 1.005 0.59 1.22 1.42 1.38 1.71 1.53 1.82 1.1 0.65 1.005 0.14 2.D.84 2.01 1.62 1.19 2.40 1.54 1.33 1.04 1.59 2.12 1.38 1.25 1.58 1.84 2.19 1.47 2.09 2.52 1.79 2.001 0.76 2.42 1.025 0.82 2.06 1.37 1.19 2.

473 2.679 0.690 0.539 2.259 0.326 0.530 0.688 0.258 0.257 0.865 0.119 1.858 0.005 63.265 0.746 1.056 2.753 1.306 2.920 2.677 0.771 2.683 0.604 4.645 0.797 2.883 0.965 4.540 0.866 0.132 2.6 0.567 2.321 1.353 2.256 0.093 1.142 0.395 0.978 0.255 0.127 0.319 1.718 0.398 0.658 1.708 1.D.145 2.101 2.131 0.782 1.396 0.467 2.365 2.650 2.537 0.390 0.314 2.058 1.071 1.258 0.257 0.386 1.127 0.508 2.128 0.721 1.256 0.779 2.485 2.303 1.711 0.848 0.531 0.697 0.686 0.699 1.842 0.060 1.079 1.127 0.771 1.066 1.399 0.385 0.870 0.896 0.787 2.389 0.576 .681 2.845 2.906 0.392 0.821 2.341 1.694 0.134 1.158 0.895 1.127 0.100 1.695 0.706 0.851 0.120 2.015 1.717 1.898 2.391 0.254 0.390 2.549 0.055 1.925 5.763 2.337 1.262 2.391 0.684 0.128 0.691 0.083 1.415 1.393 0.536 0.533 0.571 2.127 0.060 2.391 0.262 0.602 2.042 2.250 1.064 2.534 0.056 1.681 0.856 0. 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 40 60 120 10000 0.256 0.392 0.686 0.190 1.132 0.386 0.552 2.048 2.510 0.130 0.500 2.134 0.741 0.250 3.392 0.860 1.861 0.311 1.583 2.310 1.127 0.542 0.943 1.128 0.701 1.261 0.131 2.000 1.878 2.390 0.740 1.093 2.256 0.356 1.812 1.526 0.553 0.355 3.638 1.389 0.257 0.01 31.257 0.807 2.5 1.289 0.528 2.259 0.256 0.868 0.569 0.756 2.036 0.617 0.82 6.128 0.127 0.389 0.683 0.980 1.734 1.394 0.127 0.363 1.703 1.390 0.393 0.855 0.524 0.704 2.045 1.387 0.584 0.624 2.761 1.201 2.684 1.402 0.671 1.530 0.128 0.129 0.050 1.067 1.440 1.845 0.383 1.859 0.059 1.546 0.390 0.863 0.423 2.256 0.129 0.873 0.674 α 0.127 0.032 3.447 2.876 0.127 0.069 1.315 1.282 0.063 1.534 0.372 1.492 2.228 2.127 0.041 1.325 1.110 2.126 0.289 1.66 9.617 2.530 0.718 2.531 0.258 0.727 0.535 0.879 0.126 0.390 0.857 0.683 0.476 1.061 0.267 0.831 2.358 2.697 1.858 0.088 1.529 0.076 1.684 0.179 2.687 0.106 3.445 0.376 1.796 1.860 0.069 2.260 0.021 2.256 0.692 0.688 0.559 0.896 2.160 2.977 2.263 0.303 3.t-Dağılışı için Cetvel Değerleri S.479 2.313 1.333 1.539 0.703 0.750 2.260 0.729 1.71 4.325 0.684 0.706 1.045 2.257 0.318 1.137 0.941 0.414 0.9 0.127 0.685 0.725 1.143 2.3 1.058 1.499 3.533 0.527 0.727 0.764 2.256 0.388 0.314 1.126 0.128 0.856 0.328 1.531 0.854 0.127 0.078 1.854 0.776 2.862 0.963 1.457 2.080 2.2 3.7 0.064 1.533 1.000 0.532 0.8 0.055 3.126 0.819 2.841 4.462 2.518 2.833 1.886 1.057 1.707 3.330 1.714 1.4 1.025 12.855 0.424 0.711 1.543 0.055 1.861 2.889 0.130 0.323 1.350 1.397 1.541 3.296 1.531 0.921 2.816 0.389 0.169 3.316 1.156 1.747 3.532 0.061 1.685 0.532 0.254 0.689 0.074 1.012 2.765 0.365 3.538 0.086 2.920 0.404 0.408 0.271 0.660 2.05 6.074 2.397 0.108 1.947 2.345 1.277 0.129 0.700 0.052 2.253 0.998 2.960 0.182 2.256 0.

47 5.47 5.50 3.35 4.89 .36 3.56 5.0 6.33 4.50 8.18 3.46 4.86 3.45 4.40 3.Cetvel değerleri H.50 3.00 4.55 3.94 3.39 3.26 3.02 7.52 5.46 5.72 3.73 3.46 5.54 3.54 5.46 5.72 10 18.68 5.43 4.76 3.50 9.61 6.43 4.58 3.68 6.98 4.41 4.40 4.36 4.56 7 18.30 4 18.51 3.81 3.51 3.00 3.70 3.83 6.00 3.38 4.88 3.96 3.64 3.47 5.0 90.38 3.41 4.0 90.D.84 3.47 4.0 4.77 3.40 3.36 4.20 3.24 3.93 3.50 6 18.52 5.60 4.37 3.47 4.0 90.09 14.99 3.43 4.20 4.67 3.0 6.40 3.0 6.88 3.20 3.26 3.83 6.46 5. %5 (üst sıra) ve %1 (alt sıra) Önem Seviyelerindeki Q Değerleri 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 p : Test Edilen Aralık için Ortalama Sayısı 2 18.68 6.50 9.47 5.70 3.42 4.0 4.09 14.70 4.75 12 18.64 5.0 90.0 6.09 14.02 7.94 3.50 3.53 3.23 4.24 3.83 6.02 7.27 4.09 14.0 90.38 4.61 5.83 6.30 3.50 8.44 4.39 3.70 3.55 5.48 3.0 6.69 3.60 3.38 4.83 6.83 6.28 3.52 5.34 3.52 5.52 5.08 3.50 8.44 3.96 3.00 3.46 5.47 5.0 4.80 4.83 6.96 3.74 3.09 14.78 3.15 3.83 6.35 3.02 3.42 3.40 3.17 3.79 3.45 4.39 4.60 3.46 5.80 3.83 3.60 3.22 4.28 4.09 14.13 3.88 3.20 4.30 3.15 3.34 4.33 4.80 3.0 6.68 6.90 3.30 4.02 7.09 14.80 3.0 90.0 90.45 4.56 5.45 4.31 4.50 4.68 6.50 8.58 5.61 3.23 4.42 4.0 6.30 4.60 3.47 5.94 3.02 7.09 14.99 3.20 3.47 5.0 4.94 3.37 3.50 9.06 3.60 3.24 3.46 5.46 5.0 6.46 5.56 5.39 5.44 5.50 8.0 4.36 4.72 3.83 16 18.00 3.55 3.68 6.22 3.47 5.73 3.02 7.60 3.17 3.0 90.09 14.0 90.13 2.88 3.12 3.0 6.02 7.48 5.46 4.00 4.47 4.84 3.50 3.50 8.50 9.88 20 18.51 3.30 4.20 3.95 3.10 3.62 3.35 4.27 4.40 4.68 5.0 3.02 7.0 4.14 3.02 7.68 3.0 3.61 5.92 3.68 5.55 3.15 4.40 3.90 3.50 8.47 5.0 90.44 4.0 4.13 3.30 3.56 5.50 5.37 4.32 3.0 6.56 5.0 6.08 3.48 3.61 5.01 4.04 3.0 4.73 3.09 14.68 5.47 5.00 4.46 5.0 90.46 5.68 6.41 5 18.74 5.46 5.86 18 18.45 3.52 5.18 4.61 5.64 5.56 5.02 7.28 3.06 4.40 4.09 14.63 8 18.47 5.50 9.91 3.45 5.63 3.46 5.58 5.04 3.12 4.47 3.98 3.41 4.69 3.10 3.56 5.44 3.48 5.34 4.39 4.90 3.07 3.61 6.84 3.42 4.0 90.79 6.23 3.91 3.30 3.0 6.0 90.95 3.61 5.37 4.09 14.20 4.44 4.55 3.25 3.25 4.08 4.33 3.26 3.83 6.70 3.50 9.13 3.0 4.02 6.09 14.26 3.01 6.50 3.0 4.47 5.37 4.0 6.87 3.46 5.70 3.43 4.45 4.11 4.80 3.42 3.42 4.50 3.68 6.02 7.21 3.47 5.16 4.52 5.50 3.0 4.30 4.45 5.0 4.47 5.80 3.63 3.46 5.20 3.0 4.01 3.Duncan Çoklu Karşılaştırma Testlerinde Kullanılan Q.90 4.76 3.80 3.44 4.90 4.52 5.93 6.0 6.97 3.17 3.56 5.61 5.09 14.0 3.47 4.74 3.86 3.06 3.24 3.46 5.10 3 18.83 6.28 3.26 4.70 3.52 5.47 5.15 4.0 90.07 3.60 3.03 4.0 4.14 3.22 3.20 3.61 5.47 5.42 4.00 4.90 3.32 3.77 3.65 3.32 3.50 9.S.68 9 18.39 4.36 3.44 4.60 5.30 4.83 6.84 3.0 3.11 3.41 4.47 4.80 14 18.44 4.35 4.13 4.52 5.70 3.47 5.06 3.81 3.47 5.56 5.33 4.47 5.46 4.70 3.

90 5 3.41 4.98 6 3.39 3.65 3.59 3.90 3.53 3.40 3.69 3.46 4.96 4.34 3.23 4.44 4.45 4.30 3.73 3.37 4.09 3.79 3.11 4.31 4.64 p : Test Edilen Aralık için Ortalama Sayısı 3 3.11 3.92 3.38 4.44 4.10 4.46 4.33 4.03 3.32 4.67 3.24 3.06 3.93 28 2.39 4.Cetvel değerleri H.39 3.26 14 3.34 4.47 4.65 3.47 4.14 3.21 4.46 4.20 4.48 3. %5 (üst sıra) ve %1 (alt sıra) Önem Seviyelerindeki Q Değerleri 2 18 2.38 4.43 4.72 3.61 3.33 3.80 3.46 4.37 4.31 4.49 3.56 3.26 4.28 4.12 4.17 3.77 3.33 3.21 3.44 3.31 4.38 3.89 40 2.05 3.39 4.41 3.29 3.32 4.76 3.46 4.92 2.67 3.47 3.18 4.47 4.19 4.38 4.11 3.35 4.41 .46 4.44 3.61 3.29 4.71 ∞ 2.47 4.47 4.86 2.35 4.58 3.91 3.93 3.89 3.37 4.40 4.24 4.39 3.06 3.67 3.50 3.07 4.45 4.D.35 3.41 4.79 3.46 3.37 4.82 3.47 3.36 4.22 3.28 4.41 3.34 3.53 3.30 3.43 4.32 3.17 10 3.99 24 2.46 4.53 3.57 3.47 4.65 3.79 3.34 18 3.56 3.21 3.26 4.23 3.76 100 2.37 4.98 3.40 4.45 3.25 4.51 3.04 4.40 4.65 3.48 3.43 4.37 3.17 4.17 3.67 3.69 3.27 3.21 4.47 4.22 4.34 4.64 3.95 3.43 4.92 3.43 3.98 3.17 3.18 4.12 4.45 4.40 4.68 3.43 4.Duncan Çoklu Karşılaştırma Testlerinde Kullanılan Q.38 20 3.28 3.25 3.50 3.64 3.36 4.47 4.22 4.31 16 3.20 4.68 3.12 3.46 4.44 4.41 4.44 4.42 3.34 4.81 3.38 4.14 4.97 4.58 3.38 3.27 4.35 4.29 4.41 4.17 4.29 4.24 4.71 3.47 4.41 3.34 3.44 3.47 4.44 4.02 22 2.36 4.46 3.08 3.26 4.75 3.80 4 3.35 4.42 3.24 3.89 3.43 4.42 4.42 4.36 3.51 3.58 3.36 3.91 30 2.95 4.22 3.84 3.74 3.45 4.60 3.57 3.07 19 2.37 4.48 3.30 4.04 4.42 4.47 4.20 4.09 8 3.70 3.29 4.31 3.61 3.30 4.66 3.78 3.82 60 2.46 4.22 4.53 3.10 3.32 4.30 4.41 4.34 4.43 4.08 4.72 3.24 3.26 4.47 4.47 3.62 3.62 3.33 4.54 3.63 3.60 3.62 3.02 3.27 4.14 9 3.05 20 2.18 3.35 4.82 3.45 4.40 4.16 3.43 3.27 4.58 3.32 4.28 3.37 4.12 4.45 3.30 4.36 3.39 4.76 3.47 4.50 3.10 4.17 3.53 3.76 3.25 4.45 4.83 3.44 4.96 26 2.33 4.44 4.S.85 3.54 3.19 4.35 3.71 3.46 4.15 4.47 4.13 4.57 3.39 4.64 3.20 12 3.14 4.35 4.53 3.08 4.27 3.06 4.04 7 3.45 4.99 2.15 4.01 3.

98 6.26 4.96 6.85 9.96 4.14 4.77 6.37 6.79 3.36 3.83 5.60 5.11 4.92 6.60 12.05 5.37 4.08 6.12 5.57 4.46 2.81 6.D.32 9.52 4.58 3.31 5.20 15.29 5.80 5.56 4.77 4.25 6.89 6.12 6.82 4.73 4.44 6.51 4.05 4.46 5.51 4.60 5.62 5.10 3.84 6.87 8.83 8.43 4.70 4.88 5.68 7.24 7.18 9.63 5.47 7.28 4.50 5.32 5.14 6.33 7.74 5.27 6.26 4.43 5.32 8.62 4.07 5.60 11.21 4.33 4.08 3.82 5.31 6.16 6.97 8.30 4.00 4.07 4.03 7.15 6.70 6.16 6.96 7.61 4.60 4.70 17.49 7.53 4.01 3.22 5.56 7.48 3.64 5.79 4.04 5.67 6.13 4.85 6.96 10.80 8.66 6.34 4.92 6.84 5.67 6.77 4.67 6.06 3.10 9.24 6.65 5.50 8.41 6.60 3.09 6.32 7.89 6.97 9.25 5.45 4.46 9.17 5.02 5.63 5.21 7.65 3.04 5.22 6.33 5.14 5.02 6.32 6.67 6.26 4.15 4.60 16.89 5.82 6.S.76 6.34 4.96 3.00 6.72 5.79 5.03 3.88 4.43 6.05 4.33 6.53 6.75 4.95 5.78 4.01 5.10 11.71 4.15 3.02 4.67 5.26 4.46 4.30 5.94 8.35 7.05 7.61 4.60 5.97 10.97 6.91 5.66 5.20 5.20 6.95 4.96 5.20 16.68 5.82 4.33 4.08 6.01 6.14 5.30 3.60 5.08 6.30 4.74 5.13 7.26 6.67 6.60 7.78 5.67 4.24 5.67 9.13 5.40 5.48 5.55 3.38 2.83 4.11 3.90 5.90 5.65 4.72 4.60 5.79 3.40 5.97 6.92 6.84 6.19 .99 5.47 4.17 4.77 5.94 5.17 5.49 5.04 4.06 5.04 5.50 5.63 4.91 9.25 4.20 5.91 7.36 4.76 5.08 5.31 2.90 12.90 5.42 8.17 4.31 4.54 7.20 13.13 3.17 8.11 5.40 5.55 3.32 5.00 15.38 5.02 5.86 4.49 4.35 6.50 11.97 7.42 4.58 6.49 5. Tukey ve Newman-Keuls'un q Değerleri %5 (üst sıra) ve %1 (alt sıra) Önem Seviyelerindeki Q Değerleri 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 p : Muamele Ortalamaları Sayısı 2 3 4 5 6 7 8 9 10 11 4.67 8.27 5.95 5.02 4.89 5.26 10.64 4.03 6.41 4.12 9.48 8.69 4.97 3.37 7.66 3.45 4.30 12.27 5.53 5.99 6.03 5.35 5.87 7.25 5.09 5.39 5.32 5.71 7.20 4.23 4.12 5.96 5.69 5.98 4.30 14.82 7.05 7.35 6.16 4.17 9.80 6.74 4.20 6.20 3.93 5.67 4.43 5.94 6.00 3.14 5.19 5.98 3.87 4.24 10.03 3.21 4.990 7.61 5.19 5.25 2.74 5.29 6.04 8.53 6.49 6.05 5.03 5.10 6.10 4.55 5.99 7.36 5.63 6.65 4.54 6.11 4.59 3.65 5.73 5.01 7.H.03 6.14 6.68 7.37 8.95 3.73 5.56 5.08 4.60 5.91 6.51 5.51 8.05 4.92 5.72 8.12 6.19 6.70 5.51 6.99 5.48 6.64 4.88 6.

48 5.121 4.20 3.65 4.50 4.55 5.64 5.89 3.30 5.46 4.52 5.81 4.65 5.37 3.31 4.69 4.16 11 5.80 3.54 5.11 4.13 5.05 4.90 4.08 10 4.55 5.99 9 4.21 4.36 4.28 3.92 5.92 5.77 3.47 5.82 2.04 4.72 5.10 5.60 6 4.24 4.82 5.79 4.16 4.86 3.92 4.54 4.56 5.44 5.54 3.76 7 8 4.87 4.84 4.S.24 4.49 4.82 3.71 3.45 3.53 4.60 5.96 2.60 4.40 4.10 4.D.86 4.92 4.68 5.27 5.36 5.83 3.25 4.50 3.92 3.37 5.H.98 4.03 4.39 4.45 4.37 4.99 4.89 2.88 4.63 4.69 4.01 5.39 4.30 4.29 4. Tukey ve Newman-Keuls'un q Değerleri %5 (üst sıra) ve %1 (alt sıra) Önem Seviyelerindeki Q Değerleri 24 30 40 60 120 ∞ p : Muamele Ortalamaları Sayısı 2 2.54 4.17 5.40 5.17 4.74 4.81 5.93 3.31 4.91 3.44 4.64 3 3.84 5.70 2.02 4.17 4.53 4.63 5.80 3.23 .39 5.69 4.60 3.74 5.73 5.38 4.76 2.85 4.36 4.23 5.40 5 4.01 6.70 3.12 4 3.76 4.

66 7.03 6.73 6.68 5.45 6.65 6.47 5.81 9.93 8.11 6.61 5.79 5.83 5.90 5.20 7.26 6.39 6.12 7.83 7.52 7.94 7.51 6.95 6.01 6.66 8.13 8.15 6.39 6.26 6.72 5.44 8.25 5.51 6.93 7.50 5.20 5.32 8.18 6.14 7.81 7.38 5.33 6.43 5.59 6.36 5.19 7.90 5.43 10.06 6.61 5.48 5.03 7.58 6.D.51 6.27 7.66 6.74 5.05 5.12 8.00 9.08 11.66 6.43 6.03 5.32 7.66 5.72 6.48 6.66 5.71 6.71 7.90 6.27 6.03 7.65 6.28 5.81 7.00 5.24 11.23 5.43 6.17 7.41 8.65 7.93 6.85 8.00 6.33 7.82 6.29 6.76 6.63 5.26 6.80 6.60 7.45 6.55 6.31 5.56 7.66 6.93 6.95 5.59 5.96 7.40 5.20 7.98 6.57 5.28 6.56 6.53 5.87 8.78 6.03 8.75 6.10 7.93 6.46 7.80 6.92 7.25 7.32 5.36 7.79 5.19 6.79 6.05 7.55 8.77 6.50 5.58 6.14 7.09 6.20 6.27 5.73 7.00 7.11 6.24 7.76 8.23 8.76 6.29 6.26 5.17 8.02 7.87 6.03 6.56 6.65 5.53 5. Tukey ve Newman-Keuls'un q Değerleri (Devamı) %5 (üst sıra) ve %1 (alt sıra) Önem Seviyelerindeki Q Değerleri 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 24 30 p : Muamele Ortalamaları Sayısı 12 13 14 15 16 17 18 19 20 7.08 10.36 6.73 6.81 11.89 5.59 7.46 9.99 8.42 7.79 6.21 10.91 7.22 5.79 5.92 5.03 8.57 5.34 6.85 5.00 7.41 .20 6.71 5.94 7.27 5.34 6.79 5.57 6.65 6.14 6.76 6.55 5.35 5.64 5.19 6.33 5.71 5.57 6.18 8.48 7.11 6.27 7.10 5.08 6.24 9.97 7.44 6.43 7.47 7.64 7.44 5.78 7.39 5.03 6.39 5.70 5.94 9.44 7.58 5.48 7.72 6.68 11.34 7.09 7.21 7.84 5.52 5.49 9.38 5.65 5.47 7.51 7.62 5.07 8.80 5.81 5.43 5.06 7.71 5.61 5.60 7.95 10.12 9.05 6.69 5.18 5.74 5.87 6.21 5.35 5.66 6.54 6.49 5.31 8.46 5.71 8.44 5.05 5.90 7.97 6.15 5.85 6.73 5.01 7.32 5.90 6.90 6.72 5.32 10.55 9.15 5.48 6.86 9.72 7.36 7.52 6.65 9.55 5.89 11.58 6.50 6.59 5.31 6.07 7.84 6.63 5.H.46 5.71 6.37 6.82 5.33 7.94 7.72 5.65 6.35 9.09 7.55 11.99 6.54 5.55 5.26 7.00 7.91 8.36 6.20 6.14 6.40 11.85 5.49 5.15 8.86 5.39 5.74 6.70 10.08 5.21 10.59 9.43 5.88 7.55 5.79 6.84 6.84 5.93 6.S.88 5.65 6.59 6.96 6.40 6.34 7.41 6.49 8.09 6.

11 5.D.85 5.00 5.35 14 5.00 5.62 5.02 5.97 5.79 4.96 5.66 4.80 5.67 4.54 16 5.29 13 4.05 5.93 5.60 4.94 5.61 4.83 5.84 4.11 5.20 5.21 5.84 4.07 5.16 6.72 5.57 19 5.44 4.17 5.51 4.01 5.89 5.68 5.56 4.65 .40 15 5.90 5.75 4.73 4.31 6.H.05 5.22 6.77 4.09 5.24 6.88 5.27 6.81 5.06 5.16 5.61 20 5.89 5.S.13 5.54 18 5.02 5.98 5.79 4.78 5.12 5.90 4.36 6.98 5.74 5. Tukey ve Newman-Keuls'un q Değerleri (Devamı) %5 (üst sıra) ve %1 (alt sıra) Önem Seviyelerindeki Q Değerleri 40 60 120 ∞ p : Muamele Ortalamaları Sayısı 12 4.84 5.95 5.91 5.93 5.49 17 5.71 4.

Sign up to vote on this title
UsefulNot useful