Veri Girişi

Verilerinizi manuel girin veya dosya yükleyin

Veri: 0 satır
Değişken: 0
Henüz veri yüklenmedi

Veri Tablosu

Excel'den kopyala-yapıştır yapabilir veya doğrudan hücrelere yazabilirsiniz

İpucu: Excel veya Google Sheets'ten veri kopyalayıp Ctrl+V ile yapıştırabilirsiniz. Tab veya Enter ile hücreler arası geçiş yapabilirsiniz.

Hızlı Veri Girişi

Dosya Yükleme

CSV veya Excel dosyanızı sürükleyip bırakın

veya

Desteklenen formatlar: CSV, XLSX, XLS

Grup Değişkeni Oluştur

ANOVA ve grup karşılaştırmaları için kategorik değişken oluşturun

Grup sayısı kadar sayı girin (örn: 2 grup için 15, 15)

Örnek Veri Setleri

Uygulamayı test etmek için hazır veri setleri

Fitness Verileri

50 kişilik boy, kilo, BMI ve VO2max verileri

Sınav Puanları

2 grup için vize ve final puanları

Antrenman Etkisi

Ön-test ve son-test performans verileri

Kategorik Veri

Cinsiyet ve branş bazlı dağılım verisi

Karma ANOVA

Deney/Kontrol × Ön-Son Test tasarımı

Tekrarlı Ölçümler

Ön test, son test ve izlem verileri

İki Yönlü ANOVA

Cinsiyet × Antrenman türü karşılaştırması

Tek Yönlü ANOVA

3 farklı antrenman grubunun karşılaştırması

Betimleyici İstatistikler

Verilerinizin temel özelliklerini özetleyen istatistiklerdir. Merkezi eğilim (ortalama, medyan, mod), yayılım (standart sapma, varyans, aralık) ve dağılım şekli (çarpıklık, basıklık) ölçülerini hesaplar.

Ortalama vs Medyan: Aykırı değerler varsa medyan daha güvenilirdir. İkisi arasında büyük fark varsa dağılım çarpıktır.
Standart Sapma: Değerlerin ortalamadan ne kadar uzaklaştığını gösterir. Düşük SS = homojen veri, Yüksek SS = heterojen veri.

Değişken Seçimi

Birden fazla seçmek için Ctrl (Windows) veya Cmd (Mac) tuşuna basılı tutun. Önce "Örnek Veriler"den bir veri seti yükleyin.

Frekans Dağılımı

Frekans dağılımı, verilerin belirli değer aralıklarında (sınıflarda) kaç kez tekrarlandığını gösteren tablodur. Verinin genel görünümünü anlamak için ilk adımdır.

Frekans (f): Bir değer veya aralığın kaç kez tekrarlandığı. Göreli Frekans (%): Frekansın toplama oranı.
Kümülatif Frekans: Belirli bir değere kadar olan tüm frekansların toplamı. Yüzdelik hesaplamada kullanılır.

Veri Seçimi

Frekans dağılımı hesaplanacak değişkeni seçin.
Sturges Kuralı: k = 1 + 3.322 × log(n). Genellikle 5-15 arası uygundur.

Grafik Oluşturucu

Verilerinizi görselleştirmek için farklı grafik türleri kullanabilirsiniz. Doğru grafik türü, verinin doğasına ve iletmek istediğiniz mesaja bağlıdır.

Histogram: Sürekli verilerin dağılımını gösterir
Saçılım: İki değişken arasındaki ilişkiyi gösterir
Box Plot: Dağılımı, medyan ve aykırı değerleri gösterir

Grafik Ayarları

Histogram

Çubuk

Box Plot

Saçılım

Çizgi

Pasta

Grafik Önizleme

Grafik oluşturmak için sol panelden ayarları yapın

T-Testleri (Ortalama Karşılaştırma)

T-testi, iki grubun veya bir grubun teorik bir değerle ortalamasını karşılaştırmak için kullanılır. Parametrik bir testtir, normallik varsayımı gerektirir.

Hangi T-Testini Kullanmalıyım?

Tek Örneklem T-Testi

Ne zaman? Bir grubun ortalamasını bilinen bir değerle (popülasyon ort. veya teorik değer) karşılaştırırken.

Örnek: "Sınıf ortalaması 70'ten farklı mı?"

t = (X̄ - μ₀) / (S / √n)

Bağımsız Örneklem T-Testi

Ne zaman? İki FARKLI grubun ortalamalarını karşılaştırırken (deney vs kontrol).

Örnek: "Erkeklerin ve kadınların puanları farklı mı?"

t = (X̄₁ - X̄₂) / SE

Bağımlı (Eşleştirilmiş) T-Testi

Ne zaman? AYNI grubun iki farklı zamandaki ölçümlerini karşılaştırırken (ön-son test).

Örnek: "Eğitim öncesi ve sonrası puanlar farklı mı?"

t = D̄ / (SD / √n)

Test Ayarları

Ortalaması test edilecek değişkeni seçin.
Karşılaştırılacak popülasyon ortalaması veya teorik değer.
Genellikle 0.05 kullanılır.
Yön belirtmiyorsanız çift kuyruklu seçin.

ANOVA (Varyans Analizi) Nedir?

ANOVA, üç veya daha fazla grubun ortalamalarını karşılaştıran parametrik bir testtir. Gruplar arasındaki varyansı gruplar içi varyansla karşılaştırarak anlamlı fark olup olmadığını belirler.

Varsayımlar: Normal dağılım, varyansların homojenliği, bağımsız gözlemler
Post-hoc: ANOVA anlamlı çıkarsa, hangi grupların farklı olduğunu bulmak için post-hoc testi yapılır

Eta-kare (η²) Yorumlama Rehberi

η² = 0.01: Küçük etki
η² = 0.06: Orta etki
η² = 0.14: Büyük etki

ANOVA Türü Seçin

Tek Yönlü ANOVA

3+ bağımsız grup karşılaştırması. Örnek: Üç farklı antrenman yönteminin etkisi.

Tekrarlı Ölçümler

Aynı grup, farklı zamanlarda ölçüm. Örnek: Ön test, son test, izleme testi.

İki Yönlü ANOVA

İki faktör ve etkileşim. Örnek: Cinsiyet × Antrenman türü etkisi.

Karma ANOVA

Gruplar arası + tekrarlı. Örnek: Deney/Kontrol × Ön test/Son test.

Sürekli değişken (örn: Test puanı)
Kategorik değişken (örn: Yöntem A, B, C)

Non-Parametrik Testler Nedir?

Non-parametrik testler, normal dağılım varsayımını gerektirmeyen istatistiksel testlerdir. Sıralı veriler, küçük örneklemler veya normal dağılmayan veriler için uygundur.

Ne zaman kullanılır? Normallik sağlanmadığında, sıralı verilerde, aşırı değerler olduğunda
Avantajı: Daha az varsayım, aykırı değerlere daha dayanıklı

Non-Parametrik Test Seçin

Mann-Whitney U

2 bağımsız grup karşılaştırması. Bağımsız örneklem t-testinin non-parametrik alternatifi.

Wilcoxon İşaretli Sıralar

Eşleştirilmiş 2 ölçüm karşılaştırması. Eşleştirilmiş t-testinin non-parametrik alternatifi.

Kruskal-Wallis H

3+ bağımsız grup karşılaştırması. Tek yönlü ANOVA'nın non-parametrik alternatifi.

Ki-Kare (χ²) Testi Nedir?

Ki-kare testi, kategorik değişkenler arasındaki ilişkiyi veya gözlenen frekansların beklenen frekanslarla uyumunu test eden non-parametrik bir testtir.

Bağımsızlık Testi: İki kategorik değişken arasında ilişki var mı? (Örn: Cinsiyet × Tercih)
Uyum İyiliği: Veriler beklenen dağılıma uyuyor mu? (Örn: Zar atışları eşit mi?)

Cramér's V Yorumlama Rehberi

V = 0.10: Küçük etki
V = 0.30: Orta etki
V = 0.50: Büyük etki

Ki-Kare Test Türü Seçin

Bağımsızlık Testi

İki kategorik değişken arasındaki ilişkiyi test eder. Örnek: Cinsiyet ve oy tercihi arasında ilişki var mı?

Uyum İyiliği Testi

Gözlenen frekansların beklenen dağılıma uyup uymadığını test eder. Örnek: Zar atışları eşit dağılıyor mu?

Kategorik değişken (örn: Cinsiyet)
Kategorik değişken (örn: Tercih)

Korelasyon Analizi

Korelasyon, iki değişken arasındaki ilişkinin yönünü ve gücünü ölçer. Korelasyon katsayısı -1 ile +1 arasında değer alır.

Pozitif korelasyon (+): Bir değişken artarken diğeri de artar. Örnek: Boy ve kilo.
Negatif korelasyon (-): Bir değişken artarken diğeri azalır. Örnek: Egzersiz ve kilo.

Korelasyon Katsayısı Yorumlama Rehberi

|r| = 0.00 - 0.19: Çok zayıf veya yok
|r| = 0.20 - 0.39: Zayıf ilişki
|r| = 0.40 - 0.59: Orta düzeyde ilişki
|r| = 0.60 - 0.79: Güçlü ilişki
|r| = 0.80 - 1.00: Çok güçlü ilişki

Korelasyon Ayarları

Pearson (r)

Parametrik. Normal dağılmış, sürekli değişkenler için. Doğrusal ilişkiyi ölçer.

Spearman (ρ)

Non-parametrik. Sıralı veriler veya normal dağılmayan veriler için. Monotonik ilişkiyi ölçer.

Ctrl/Cmd tuşuyla birden fazla değişken seçin. Korelasyon matrisi oluşturulacak.

Regresyon Analizi Nedir?

Regresyon analizi, bağımsız değişken(ler)in bağımlı değişkeni nasıl yordadığını (tahmin ettiğini) ortaya koyan istatistiksel bir yöntemdir. Değişkenler arasındaki neden-sonuç ilişkisini modeller.

Basit Regresyon: Tek bağımsız değişkenle tahmin. Örnek: Çalışma süresi → Sınav puanı
Çoklu Regresyon: Birden fazla bağımsız değişkenle tahmin. Örnek: Yaş + Eğitim + Deneyim → Maaş

R² (Açıklanan Varyans) Yorumlama

R² < 0.25: Zayıf model
R² = 0.25-0.50: Orta model
R² = 0.50-0.75: İyi model
R² > 0.75: Çok iyi model

Regresyon Ayarları

Basit Doğrusal Regresyon

Tek bağımsız değişken (X) ile bağımlı değişkeni (Y) tahmin eder. Y = a + bX

Çoklu Doğrusal Regresyon

Birden fazla bağımsız değişken (X₁, X₂...) ile tahmin. Y = a + b₁X₁ + b₂X₂ + ...

Sürekli değişken olmalı (örn: Başarı puanı)
Bağımlı değişkeni yordayan değişken

Normallik Testi Nedir?

Normallik testi, verilerinizin normal (Gauss) dağılıma uyup uymadığını kontrol eder. Parametrik testler (t-testi, ANOVA, Pearson korelasyonu) için normallik varsayımı gereklidir.

p > 0.05: Veri normal dağılıma uygundur. Parametrik testler kullanılabilir.
p ≤ 0.05: Veri normal dağılıma uygun DEĞİLDİR. Non-parametrik testler tercih edilmeli.
Örneklem büyüklüğü: n < 50 için Shapiro-Wilk, n ≥ 50 için Kolmogorov-Smirnov tercih edilir.

Normallik Testi Seçenekleri

Normallik testi yapılacak sayısal değişkeni seçin.

Shapiro-Wilk Testi

En güçlü normallik testidir. n < 50 için önerilir. Küçük örneklemlerde bile güvenilirdir.

W istatistiği hesaplanır

Kolmogorov-Smirnov Testi

Büyük örneklemler için uygundur. n ≥ 50 önerilir. Gözlenen ve beklenen dağılımı karşılaştırır.

D istatistiği hesaplanır

Çarpıklık & Basıklık

Dağılım şeklini inceler. |Çarpıklık| < 2 ve |Basıklık| < 7 ise kabul edilebilir.

z-skorları hesaplanır

Güvenirlik Analizi Nedir?

Güvenirlik analizi, bir ölçüm aracının tutarlılığını ve tekrarlanabilirliğini değerlendirir. Test-retest güvenirliği, aynı testin farklı zamanlarda benzer sonuçlar verip vermediğini ölçer.

Hopkins Metodolojisi: Spor bilimlerinde yaygın kullanılan, kapsamlı güvenirlik değerlendirmesi
MDC > SWC ise: Ölçüm hatası gerçek değişimi maskeliyor, dikkatli yorumlayın!

ICC (Sınıf İçi Korelasyon) Yorumlama

ICC < 0.50: Zayıf güvenirlik
ICC = 0.50-0.75: Orta güvenirlik
ICC = 0.75-0.90: İyi güvenirlik
ICC > 0.90: Mükemmel güvenirlik

Güvenirlik Analizi Ayarları

Hopkins metodolojisine göre anlamlı değişim eşiği

Çapraz Tablo Analizi Nedir?

Çapraz tablo (contingency table), iki kategorik değişken arasındaki ilişkiyi görselleştiren bir frekans tablosudur. Ki-kare testi ile birlikte değişkenler arasında anlamlı bir ilişki olup olmadığını test eder.

Kullanım: Cinsiyet × Tercih, Eğitim × Meslek gibi kategorik ilişkileri analiz etmek için
Dikkat: Beklenen frekanslar 5'ten küçük olduğunda Fisher's Exact Test kullanın

Veri Girişi

Örnek: Cinsiyet, Grup, Bölüm
Örnek: Tercih, Sonuç, Durum

Varsayım Kontrolü Nedir?

Parametrik testler (t-test, ANOVA, regresyon) belirli varsayımların karşılanmasını gerektirir. Bu varsayımlar sağlanmazsa, sonuçların güvenilirliği azalır. Varsayım kontrolü, doğru testi seçmenize yardımcı olur.

Normallik: Veriler normal dağılıma uymalı (Shapiro-Wilk testi)
Homojenlik: Grupların varyansları eşit olmalı (Levene testi)
İhlal durumunda: Non-parametrik testleri tercih edin veya veri dönüşümü uygulayın

Varsayım Kontrolü Ayarları

T-Testi

Normallik + Homojenlik

ANOVA

Normallik + Homojenlik

Regresyon

Doğrusallık + Normallik

Korelasyon

Normallik + Doğrusallık

Aykırı Değer Analizi Nedir?

Aykırı değerler (outliers), veri setindeki diğer değerlerden önemli ölçüde farklı olan gözlemlerdir. Bu değerler veri hatası, ölçüm hatası veya gerçek uç durumlar olabilir. Analiz öncesi tespit edilmelidir.

Etkileri: Ortalama, standart sapma ve korelasyon gibi istatistikleri çarpıtır
Dikkat: Aykırı değeri silmeden önce nedenini araştırın!

Aykırı Değer Tespiti

IQR (Tukey)

Box plot yöntemi, robust

Z-Skor

Ortalamadan uzaklık

Modified Z (MAD)

Medyan tabanlı, robust

Grubbs

Tek aykırı değer testi

Dixon Q

Küçük örneklemler için

IQR: 1.5 (aykırı) / 3 (aşırı); Z-skor: 3
Anlamlılık düzeyi

Etki Büyüklüğü Nedir?

Etki büyüklüğü, gruplar arasındaki farkın veya ilişkinin pratik anlamlılığını ölçen standartlaştırılmış bir değerdir. P değeri sadece istatistiksel anlamlılığı gösterirken, etki büyüklüğü farkın "gerçek" önemini ortaya koyar.

Neden önemli? Büyük örneklemde küçük farklar bile p < 0.05 olabilir ama pratik önemi olmayabilir!
APA zorunluluğu: APA 7 yayın kılavuzu, araştırmalarda etki büyüklüğü raporlamayı zorunlu kılıyor

Cohen's d Yorumlama Rehberi

d = 0.20: Küçük etki
d = 0.50: Orta etki
d = 0.80: Büyük etki
d > 1.20: Çok büyük etki

Etki Büyüklüğü Hesaplama

Cohen's d

İki grup karşılaştırması için standart

Hedges' g

Küçük örneklem düzeltmeli (bias-corrected)

Glass's Δ

Kontrol grubu SD kullanır

η² (Eta-kare)

ANOVA için açıklanan varyans

ω² (Omega-kare)

η² daha az yanlı alternatifi

r (t'den)

t değerinden korelasyon hesapla

Dönüştürücü

d ↔ r ↔ OR arası dönüşüm

Güç Analizi Nedir?

İstatistiksel güç, gerçek bir etki varsa onu tespit etme olasılığıdır. Güç analizi, araştırmanızın yeterli katılımcıya sahip olup olmadığını belirlemenize yardımcı olur.

Tip II Hata (β): Gerçek etkiyi kaçırma riski. Güç = 1 - β
Standart: Güç ≥ 0.80 (etkiyi tespit etme şansı %80+)
A priori: Araştırma öncesi örneklem büyüklüğü belirleme

Güç Analizi Hesaplama

Bağımsız T-Testi

İki bağımsız grup

Eşleştirilmiş T-Testi

Ön test - son test

ANOVA

3+ grup karşılaştırma

Korelasyon

İlişki analizi

Güç Hesapla

N ve etki büyüklüğü verildiğinde gücü hesapla

Örneklem Büyüklüğü Hesapla

Hedef güç için gerekli N'i hesapla

Cohen's d: 0.2 küçük, 0.5 orta, 0.8 büyük
Tip I hata oranı (genellikle 0.05)

Veri Dönüştürme Nedir?

Veri dönüştürme, ham verilerin istatistiksel analizlere daha uygun hale getirilmesi işlemidir. Normal dağılım varsayımını sağlamak, aykırı değerlerin etkisini azaltmak veya farklı ölçeklerdeki verileri karşılaştırılabilir hale getirmek için kullanılır.

Ne zaman kullanılır? Verileriniz normal dağılmıyorsa veya farklı ölçeklerdeki değişkenleri karşılaştırmak istiyorsanız.
Dikkat: Dönüştürme sonrası yorumlamalar orijinal ölçeğe göre değil, dönüştürülmüş ölçeğe göre yapılır.

Adım 1: Verilerinizi Girin

Önce "Örnek Veriler" bölümünden bir veri seti yükleyebilirsiniz.
Her satıra tek bir sayısal değer girin. Ondalık ayırıcı olarak nokta kullanın (örn: 3.14)

Adım 2: Dönüşüm Türünü Seçin

Z-Skor Standardizasyonu

Ortalama=0, SS=1 olacak şekilde standartlaştırır

Z = (X - X̄) / S

T-Puanı Dönüşümü

Ortalama=50, SS=10 olacak şekilde dönüştürür

T = 50 + 10×Z

Min-Max Normalizasyonu

Değerleri 0-1 aralığına sıkıştırır

X' = (X - Min) / (Max - Min)

Logaritmik (ln)

Sağa çarpık verileri normalleştirir

X' = ln(X)
10

Logaritmik (log₁₀)

10 tabanında logaritma dönüşümü

X' = log₁₀(X)

Karekök Dönüşümü

Hafif çarpıklık için uygundur

X' = √X

Ters Dönüşüm (1/X)

Şiddetli sağa çarpıklık için

X' = 1/X

Sıra Dönüşümü

Değerleri sıra numaralarına çevirir

Küçükten büyüğe sıralama
%

Yüzdelik Sıra

Her değerin yüzdelik dilimini hesaplar

0-100 arasında yüzdelik

Ters Kodlama (Likert)

Ölçek maddelerini tersine çevirir

X' = (Max + 1) - X

Winsorize

Aşırı değerleri sınırlar

Uç değerler kırpılır
Bir dönüşüm türü seçin

Yukarıdaki kutucuklardan bir dönüşüm türü seçtiğinizde, burada detaylı açıklama görüntülenecektir.

Rapor Oluştur

Analiz Geçmişi

Henüz analiz yapılmadı