İçindekiler 11 başlık · 7 dk
- Normal dağılım nedir?
- Normal dağılımın özellikleri nelerdir?
- 68-95-99,7 kuralı nedir?
- Standart normal dağılım ve z puanı nedir?
- z tablosu nasıl okunur? Adım adım
- İki aralık arasındaki oran ve farklı ölçekleri karşılaştırma
- Normal dağılımda çarpıklık ve basıklık kaç olur?
- Normal dağılım istatistikte neden bu kadar önemli?
- Gerçek verilerde normal dağılım nasıl görünür?
- Normal dağılım hakkında sık yapılan hatalar
- Kaynaklar ve resmî bağlantılar
Kısaca: Normal dağılım, ortalama etrafında simetrik, çan biçimli sürekli bir olasılık dağılımıdır. Yalnız iki parametreyle tanımlanır: ortalama (μ) ve standart sapma (σ). Ortalama, ortanca ve tepe değer aynı noktadadır; eğrinin altındaki toplam alan 1'dir. Değerlerin yaklaşık %68'i ortalamanın ±1, %95'i ±2, %99,7'si ±3 standart sapma içinde kalır. Ortalaması 0, standart sapması 1 olan hâline standart normal dağılım denir.
Bu madde normal dağılımın tanımını, özelliklerini ve z puanıyla nasıl kullanıldığını anlatır. Kendi verinizin normal dağılıp dağılmadığını SPSS'te Shapiro-Wilk, Kolmogorov-Smirnov, çarpıklık-basıklık ve grafiklerle nasıl sınayacağınız ise SPSS'te normallik testi maddesinin konusudur.
Normal dağılım nedir?
Normal dağılım (Gauss dağılımı da denir), sürekli bir değişkenin değerlerinin ortalama çevresinde yoğunlaştığı, ortalamadan uzaklaştıkça iki yönde de eşit biçimde seyreldiği bir olasılık modelidir. Grafiği, ortası yüksek ve iki yana doğru simetrik alçalan bir çana benzer; bu yüzden “çan eğrisi” adıyla da bilinir.
Burada önemli bir ayrım var: Normal dağılım teorik bir modeldir. Elinizdeki veri hiçbir zaman kusursuz bir çan eğrisi çizmez. Araştırmada sorulan soru, verinin bu modele “yeterince yakın” olup olmadığıdır. Bir değişkeni X ~ N(μ, σ) biçiminde yazdığınızda, “X ortalaması μ, standart sapması σ olan normal dağılıma uyuyor” demiş olursunuz.
Normal dağılımın özellikleri nelerdir?
- Simetriktir: Eğri, ortalamadan geçen dikey çizginin iki yanında birbirinin aynasıdır.
- Ortalama, ortanca ve tepe değer eşittir: Üçü de eğrinin en yüksek noktasında, μ'de buluşur.
- İki parametreyle tanımlanır: μ eğrinin yerini (sağa-sola kaymasını), σ ise genişliğini belirler. σ büyüdükçe eğri yayvanlaşır, küçüldükçe sivrileşir.
- Toplam alan 1'dir: Eğrinin altındaki alan olasılığı gösterir; bütün değerlerin toplam olasılığı 1'dir (%100).
- Kuyruklar sonsuza uzanır: Eğri yatay eksene yaklaşır ama ona hiç değmez. Uç değerler çok düşük olasılıkla da olsa mümkündür.
- Bükülme noktaları μ ± σ'dadır: Eğrinin içbükeyden dışbükeye döndüğü noktalar ortalamadan bir standart sapma uzaktadır.
- Tek tepelidir: İki tepeli (bimodal) bir dağılım tanım gereği normal değildir.
Normal dağılımın olasılık yoğunluk fonksiyonu şöyle yazılır: f(x) = [1 / (σ√(2π))] · e^(−(x − μ)² / (2σ²)). Formülü ezberlemeniz gerekmez; ama formülde yalnız μ ve σ bulunması, dağılımın bu iki değerle tamamen belirlendiğini gösterir.
68-95-99,7 kuralı nedir?
Normal dağılımda ortalamadan belirli standart sapma uzaklıktaki aralıkların kapsadığı oran her zaman aynıdır. Bu ilişkiye “ampirik kural” ya da “68-95-99,7 kuralı” denir.
| Aralık | Aralığın içinde kalan | İki kuyrukta dışarıda kalan |
|---|---|---|
| μ ± 1σ | yaklaşık %68,3 | yaklaşık %31,7 |
| μ ± 1,645σ | %90 | %10 |
| μ ± 1,96σ | %95 | %5 |
| μ ± 2σ | yaklaşık %95,4 | yaklaşık %4,6 |
| μ ± 2,576σ | %99 | %1 |
| μ ± 3σ | yaklaşık %99,7 | yaklaşık %0,3 |
Varsayımsal örnek: Bir ölçeğin puanlarının ortalaması 50, standart sapması 10 olan normal dağılıma uyduğunu düşünelim. Bu durumda katılımcıların yaklaşık %68'inin puanı 40 ile 60, yaklaşık %95'inin puanı 30 ile 70, neredeyse tamamının puanı 20 ile 80 arasında olur. 80'in üstünde puan alan birini görmek mümkündür, ama bu çok seyrek bir durumdur.
Tablodaki 1,96 ve 2,576 değerlerini tanıyın: %95 ve %99 güven aralıklarında ve iki yönlü testlerde kullanılan kritik z değerleri bunlardır.
Standart normal dağılım ve z puanı nedir?
Ortalaması 0, standart sapması 1 olan normal dağılıma standart normal dağılım denir ve Z ~ N(0, 1) biçiminde gösterilir. Herhangi bir normal dağılımdaki değeri bu ortak ölçeğe çevirmek için z puanı hesaplanır:
z = (x − μ) / σ
z puanı, bir değerin ortalamadan kaç standart sapma uzakta olduğunu söyler. Pozitif z ortalamanın üstünü, negatif z altını, z = 0 ise tam ortalamayı gösterir. Farklı ölçeklerden gelen puanları karşılaştırmanın en sade yolu budur.
z tablosu nasıl okunur? Adım adım
- z puanını hesaplayın: Yukarıdaki varsayımsal ölçekte 65 puan alan biri için z = (65 − 50) / 10 = 1,5.
- Tabloda satır ve sütunu bulun: Standart z tablolarında satır z'nin tam kısmını ve ilk ondalığını (1,5), sütun ikinci ondalığı (0,00) gösterir.
- Alanı okuyun: z = 1,50 için soldaki alan yaklaşık 0,9332'dir. Bu kişi, dağılımdaki kişilerin yaklaşık %93,3'ünden yüksek puan almıştır.
- Gerekirse tümleyeni alın: Bu değerin üstünde kalan oran 1 − 0,9332 = 0,0668, yani yaklaşık %6,7'dir.
| z | Soldaki alan (yaklaşık) |
|---|---|
| −1,00 | 0,1587 |
| 0,00 | 0,5000 |
| 1,00 | 0,8413 |
| 1,645 | 0,9500 |
| 1,96 | 0,9750 |
| 2,00 | 0,9772 |
| 2,576 | 0,9950 |
| 3,00 | 0,9987 |
Simetri sayesinde negatif z'ler için ayrı tabloya gerek yoktur: z = −1'in solundaki alan, z = 1'in sağındaki alana (1 − 0,8413) eşittir.
İki aralık arasındaki oran ve farklı ölçekleri karşılaştırma
İki değer arasındaki oranı bulmak için iki soldaki alanı birbirinden çıkarırsınız. Aynı varsayımsal ölçekte puanı 40 ile 65 arasında olanların oranı: 40 için z = −1, 65 için z = 1,5; oran 0,9332 − 0,1587 = 0,7745, yani yaklaşık %77'dir.
z puanı farklı ölçekleri karşılaştırmayı da kolaylaştırır. Varsayımsal bir öğrenci, ortalaması 60 ve standart sapması 5 olan bir sınavdan 70, ortalaması 75 ve standart sapması 10 olan başka bir sınavdan 80 almış olsun. Ham puanlara bakınca ikinci sınav daha iyi görünür; ama z puanları birinci sınavda 2, ikinci sınavda 0,5'tir. Öğrenci, kendi grubuna göre birinci sınavda çok daha başarılıdır.
Normal dağılımda çarpıklık ve basıklık kaç olur?
Simetrik olduğu için normal dağılımın çarpıklığı 0'dır. Basıklık katsayısı ise 3'tür; ama SPSS dahil birçok program “fazlalık basıklık” (excess kurtosis) verir ve bunu 3'ü çıkararak hesaplar. Bu yüzden SPSS çıktısında normal dağılım için beklenen basıklık değeri de 0'dır.
- Pozitif çarpıklık: Kuyruk sağa uzanır; değerlerin çoğu düşüktür, birkaç yüksek değer ortalamayı yukarı çeker. Bu durumda ortalama genellikle ortancadan büyüktür.
- Negatif çarpıklık: Kuyruk sola uzanır; ortalama genellikle ortancadan küçüktür.
- Pozitif fazlalık basıklık: Tepe sivri, kuyruklar kalındır; uç değerler normalde beklenenden sık görülür.
- Negatif fazlalık basıklık: Dağılım yayvan, kuyruklar incedir.
Hangi çarpıklık-basıklık aralığının “yeterince normal” sayıldığı kaynağa göre değişir; ölçütleri ve SPSS'te nasıl okunduklarını normallik testi maddesinde bulabilirsiniz. Ortalama, ortanca ve standart sapmayı SPSS'te almak için SPSS'te betimsel istatistik maddesine bakın. Çarpık verilerde ortalama ve standart sapma yerine medyan ve IQR'nin ne zaman raporlanacağını çeyrekler arası açıklık (IQR) raporlama maddesinde bulabilirsiniz.
Normal dağılım istatistikte neden bu kadar önemli?
Normal dağılımın önemi, yalnız bazı değişkenlerin ona benzemesinden gelmez. Asıl neden merkezî limit teoremidir: Evrenin dağılımı ne olursa olsun (aşırı durumlar dışında), yeterince büyük örneklemlerden hesaplanan ortalamaların dağılımı normal dağılıma yaklaşır. Bu örneklem ortalamaları dağılımının ortalaması evren ortalamasına (μ), standart sapması ise σ/√n'ye (standart hata) eşittir.
Bu sonuç pek çok yöntemin temelidir:
- Güven aralıkları: Evren standart sapması bilindiğinde ortalama için %95 güven aralığı x̄ ± 1,96 · σ/√n biçiminde kurulur.
- Parametrik testler: t-testi, ANOVA ve regresyondaki çıkarımlar normal dağılıma dayalı varsayımlar kullanır. Örneklem küçükken bu varsayım daha önemlidir; veriniz uygun değilse parametrik mi non-parametrik mi sorusuna dönmeniz gerekir.
- t dağılımı: Evren standart sapması bilinmediğinde t dağılımı kullanılır; serbestlik derecesi arttıkça t dağılımı standart normal dağılıma yaklaşır. Ayrıntı için t değeri ve t tablosu maddesine bakın.
- Uç değer taraması: z puanları, normalden çok uzak düşen gözlemleri işaretlemek için kullanılır; yöntemler SPSS'te veri temizleme ve uç değer tespiti maddesinde.
Gerçek verilerde normal dağılım nasıl görünür?
Ölçüm hataları ve birçok biyolojik ölçüm gibi çok sayıda küçük ve bağımsız etkinin toplamından oluşan değişkenler çoğu zaman yaklaşık normal dağılır. Buna karşılık bazı değişken türleri doğası gereği normalden uzaktır:
| Veri türü | Tipik görünüm | Neden? |
|---|---|---|
| Gelir, tepki süresi, bekleme süresi | Sağa çarpık | Alt sınır vardır (sıfırın altına inmez), üst taraf açıktır. |
| Tek Likert maddesi | Kesikli, birkaç değerden oluşur | Sürekli değil, sıralı bir ölçümdür. |
| Kolay ya da zor bir sınavın puanları | Tavan ya da taban etkisi | Puanlar ölçeğin bir ucunda yığılır. |
| İki farklı gruptan oluşan örneklem | İki tepeli | Aslında iki ayrı dağılım üst üste binmiştir. |
Verinin görünümünü anlamanın ilk adımı histogram ve Q-Q grafiğidir; SPSS'te bunları çizmek için SPSS'te grafik oluşturma maddesine bakabilirsiniz.
Normal dağılım hakkında sık yapılan hatalar
- “Bütün değişkenlerim normal dağılmalı” sanmak: Varsayımın neye ilişkin olduğu teste göre değişir. Örneğin regresyonda normallik bağımlı değişkenin kendisi için değil, artıklar (hatalar) için aranır; t-testinde ise karşılaştırılan grupların dağılımına bakılır.
- “Test anlamlı çıkmadı, demek ki veri normal” demek: Normallik testinin anlamlı çıkmaması, normalliğin kanıtlandığı anlamına gelmez; yalnız sapmanın bu örneklemle saptanamadığını gösterir. Küçük örneklemde testin gücü düşüktür.
- “n = 30 her sorunu çözer” demek: Merkezî limit teoremi ortalamaların dağılımıyla ilgilidir; aşırı çarpık veride ya da çok sayıda uç değerde daha büyük örneklem gerekebilir ve teorem verinin kendisini normal yapmaz.
- Normal dağılımı “sıradan” ya da “sağlıklı” dağılım sanmak: Buradaki “normal” sözcüğü istatistiksel bir addır; normal dağılmayan veri “hatalı” veri değildir.
- Standart sapmayı standart hatayla karıştırmak: Standart sapma tek tek gözlemlerin yayılımını, standart hata (σ/√n) örneklem ortalamasının yayılımını gösterir.
Kaynaklar ve resmî bağlantılar
Sık sorulanlar
Normal dağılımın özellikleri nelerdir?
Normal dağılım ortalama etrafında simetrik ve çan biçimlidir. Ortalama, ortanca ve tepe değer aynı noktadadır; eğrinin altındaki toplam alan 1'dir. Dağılım yalnız ortalama ve standart sapmayla tanımlanır, kuyrukları yatay eksene hiç değmeden iki yana uzanır. Çarpıklığı 0'dır ve değerlerin yaklaşık %68'i ortalamanın bir standart sapma çevresinde toplanır.
68-95-99,7 kuralı ne demek?
Normal dağılımda değerlerin yaklaşık %68'inin ortalamanın ±1 standart sapması, yaklaşık %95'inin ±2 standart sapması ve yaklaşık %99,7'sinin ±3 standart sapması içinde kaldığını anlatan kuraldır. Örneğin ortalaması 50, standart sapması 10 olan normal bir dağılımda puanların yaklaşık %95'i 30 ile 70 arasındadır. Tam %95 için 1,96 standart sapma kullanılır.
Standart normal dağılım nedir?
Ortalaması 0, standart sapması 1 olan normal dağılımdır ve Z ~ N(0, 1) biçiminde gösterilir. Herhangi bir normal dağılımdaki değer, z = (x − μ) / σ formülüyle bu dağılıma çevrilir. Böylece farklı ölçeklerden gelen puanlar karşılaştırılabilir ve olasılıklar tek bir z tablosundan okunabilir.
Normal dağılımda basıklık 0 mı 3 mü?
İkisi de doğru, ama farklı tanımlara göre. Normal dağılımın basıklık katsayısı 3'tür. SPSS dahil birçok program ise bu değerden 3 çıkarılmış fazlalık basıklığı raporlar; bu tanıma göre normal dağılımın basıklığı 0'dır. Çıktınızdaki değeri yorumlarken programın hangi tanımı kullandığını bilmeniz gerekir.
Verim normal dağılmıyorsa ne yapmalıyım?
Önce sapmanın ne kadar büyük olduğuna ve hangi analizin varsayımıyla ilgili olduğuna bakın. Örneklem büyükse ve sapma ılımlıysa parametrik testler çoğu zaman sağlamdır. Sapma belirginse veri dönüştürme, bootstrap ya da non-parametrik testler seçenek olabilir. Kararı tezde gerekçesiyle ve kullandığınız ölçütün kaynağıyla birlikte yazın.
