Hypothesis Testing (Hipotez Testi)

#istatistik #veri-bilimi #a-b-testi #makine-ogrenimi

Hipotez Testi, bir istatistiksel iddianın verilerle desteklenip desteklenmediğini p-değeri ve anlamlılık eşiği kullanarak nesnel biçimde sınayan yöntemdir.

Hipotez testi, istatistik ve veri biliminin temel yöntemlerinden biri olup belirli bir iddianın mevcut verilerle desteklenip desteklenmediğini nesnel biçimde sınamak için kullanılır. Her hipotez testinde araştırmacı iki rekabet eden önerme tanımlar: çürütülene kadar doğru kabul edilen sıfır hipotezi (H₀) ve ispatlanmaya çalışılan alternatif hipotez (H₁). Test süreci dört temel adımdan oluşur: hipotezlerin kurulması, uygun test istatistiğinin seçilmesi, p-değerinin hesaplanması ve anlamlılık eşiğiyle (α) karşılaştırılması. p-değeri, H₀ doğru olsaydı gözlemlenen ya da daha uç bir sonucun elde edilme olasılığını temsil eder. p < α (genellikle 0,05) koşulunda H₀ reddedilir ve sonuç istatistiksel olarak anlamlı kabul edilir. Tek kuyruklu (yönlü) ve çift kuyruklu (yönsüz) testler ise alternatif hipotezin yönüne bağlı olarak seçilir; yön belirtiliyorsa tek kuyruklu test daha güçlüdür. Veri biliminde yaygın kullanılan testler şunlardır: t-testi (iki grubun ortalamalarını karşılaştırmak için), ki-kare testi (kategorik değişkenler için), ANOVA (ikiden fazla grup arasında) ve Mann-Whitney U (parametrik olmayan koşullarda). A/B testi gibi çevrimiçi deneyler de hipotez testinin doğrudan uygulamasıdır: kontrol ve deney grupları arasındaki farkın şansa mı yoksa gerçek bir etkiye mi bağlı olduğu belirlenir. İki kritik hata türü mevcuttur: H₀ gerçekte doğruyken reddedilen Tip I hata (yanlış pozitif, α) ve H₀ gerçekte yanlışken reddedilemeyen Tip II hata (yanlış negatif, β). Testin gücü (1 − β) yeterli örneklem büyüklüğüyle artırılır. Makine öğrenmesinde hipotez testi model karşılaştırma, özellik seçimi ve A/B testi alanlarında kritik rol oynar. 2025-2026 döneminde p-değerinin tek başına yetersiz kaldığı eleştirileri yaygınlaşmıştır; etki büyüklüğü (Cohen's d, eta²) ve permütasyon tabanlı testler standart raporlamaya eklenmiştir. Çoklu karşılaştırma durumunda Bonferroni düzeltmesi veya Benjamini-Hochberg FDR yöntemi yanlış keşif oranını kontrol altına alır.

Hipotez Testi Nasıl Çalışır?

Hipotez testi dört adımla ilerler. Önce sıfır hipotezi (H₀) ve alternatif hipotez (H₁) açıkça tanımlanır; örneğin H₀: 'İki grubun ortalaması eşittir', H₁: 'Ortalamalar farklıdır'. Ardından verilere ve ölçüm düzeyine uygun bir test istatistiği seçilir (örneğin sürekli, normal dağılan iki grup için bağımsız t-testi). Test istatistiği hesaplanıp p-değerine dönüştürülür. Son adımda p-değeri önceden belirlenen anlamlılık eşiğiyle (α, çoğunlukla 0,05) karşılaştırılır: p < α ise H₀ reddedilir ve bulgu 'istatistiksel olarak anlamlı' kabul edilir. Tek kuyruklu (yönlü) ve çift kuyruklu (yönsüz) test ayrımı da bu adımda yapılır.

Yaygın Hipotez Testleri

Veri biliminde en sık kullanılan testler şunlardır: t-testi, iki grubun ortalamalarını karşılaştırır (bağımsız örnekler veya eşleştirilmiş ölçümler için); ki-kare testi, kategorik değişkenler arasındaki bağımsızlık ya da uyum iyiliğini ölçer; ANOVA (Varyans Analizi), ikiden fazla grubun ortalamalarını aynı anda karşılaştırır; Mann-Whitney U ve Wilcoxon, normal dağılım varsayımı sağlanamadığında kullanılan parametrik olmayan alternatiflerdir; permütasyon ve bootstrap testleri ise teorik dağılıma ihtiyaç duymadan rastgele örneklemeyle p-değeri üretir. 2025-2026'da bootstrap güven aralıkları özellikle ML model karşılaştırmalarında tercih edilmektedir.

Tip I ve Tip II Hatalar

Her hipotez testinde iki tür hata riski mevcuttur. Tip I hata (α — yanlış pozitif): H₀ gerçekte doğruyken reddedilmesidir. Anlamlılık eşiğini düşürmek (örneğin α = 0,01) bu riski azaltır ama testin gücünü düşürür. Tip II hata (β — yanlış negatif): H₀ gerçekte yanlışken reddedilememesidir. Testin gücü (1 − β), gerçek etkiyi fark etme olasılığıdır; yeterli örneklem büyüklüğüyle artırılır. Veri biliminde çoklu karşılaştırma durumunda (aynı veriyle onlarca test) Bonferroni düzeltmesi veya Benjamini-Hochberg FDR yöntemi gibi tekniklerle yanlış keşif oranı kontrol altına alınır.

Makine Öğrenmesinde Hipotez Testi

Hipotez testi, ML projelerinde üç ana alanda kritik rol oynar. Model karşılaştırma: İki sınıflandırıcının doğruluğu arasındaki farkın anlamlı olup olmadığını McNemar testi ya da bootstrap güven aralıkları ile sınamak. Özellik seçimi: Her özelliğin hedef değişkenle istatistiksel ilişkisini belirlemek (ANOVA F-testi, chi² ile). A/B testi: Makine öğrenmesi modelinin veya öneri sisteminin üretimde gerçek etkisini ölçmek. 2025-2026 döneminde istatistiksel anlamlılık raporlarında etki büyüklüğü (Cohen's d, eta²) ve pratik anlamlılık standart hale gelmiştir; yalnızca p-değerine dayanmak yayın etiğine aykırı kabul edilmektedir.

Model Karşılaştırma

McNemar testi veya Wilcoxon signed-rank testi ile iki modelin doğruluk farkının istatistiksel anlamlılığını ölçer — p-value ile şans olmadığını kanıtla.

A/B Testi Analizi

İki sistem versiyonu arasında konversyon veya gelir farkı testi; örneklem boyutu hesabı, multiple testing düzeltmesi (Bonferroni) önemli.

Permütasyon Testi

Dağılım varsayımı gerektirmez; etiket karıştırarak boş hipotez dağılımını empirik olarak oluşturur — küçük veri setlerinde güvenilir.

Çoklu Test Düzeltmesi

Birden fazla metrik veya model karşılaştırmasında Bonferroni veya FDR (Benjamini-Hochberg) kontrolü; yanlış pozitif oranını yönetmek için zorunlu.

Sık Sorulan Sorular

  • check_circle p-değeri 0,05'ten büyükse hipotezi kesin olarak reddettim mi? Hayır. p > α yalnızca H₀'ı reddetmek için yeterli kanıt bulunmadığı anlamına gelir; H₀'ın doğruluğunu kanıtlamaz. Yeterli örneklem büyüklüğü ve güç analizi olmadan sonuç belirsiz kalır.
  • check_circle İstatistiksel anlamlılık pratik önemi garanti eder mi? Hayır. Büyük veri setlerinde milyonlarca gözlemle çok küçük farklar bile p < 0,05 verebilir. Etki büyüklüğü ölçütleri (Cohen's d, eta², Pearson r) raporlanmadan bir bulgunun gerçek değeri anlaşılamaz.
  • check_circle Hangi testi seçmeliyim? Seçim veri türüne, grup sayısına ve dağılım varsayımlarına bağlıdır. Sürekli, normal dağılan iki grup → t-testi; normal dağılım yoksa → Mann-Whitney U; kategorik değişkenler → ki-kare; 3 veya daha fazla grup → ANOVA ya da Kruskal-Wallis.
  • check_circle A/B testi ile hipotez testi arasındaki fark nedir? A/B testi, hipotez testinin çevrimiçi deney ortamına uyarlanmış özel bir uygulamasıdır. Kontrol (A) ve deney (B) gruplarında davranış toplanır; iki oranlı z-testi veya t-testi ile iki grup arasındaki farkın anlamlılığı değerlendirilir.
  • check_circle Bayes hipotez testi ile frekantist yaklaşım arasındaki fark nedir? Frekantist yaklaşım yalnızca mevcut verilerden olasılık üretir; önsel bilgiyi kullanmaz. Bayes yaklaşımı, önsel dağılım ve gözlemlenen veriyi birleştirerek sonsal olasılık üretir ve 'H₁'in gerçek olma olasılığı' gibi daha yorumlanabilir çıktılar verir.