Birden Fazla Grup İçin Birleştirilmiş Standart Sapma

Birleştirilmiş Standart Sapma Nedir?

Birleştirilmiş standart sapma, tek bir ağırlıklı tahmin elde etmek için iki veya daha fazla gruptan varyans tahminlerini birleştirir. Eşit varyans varsayımı altında iki örneklem t-testleri için gereklidir.

Kavram basittir: İki grubun aynı altta yatan değişkenliğe sahip popülasyonlardan geldiğine inanıyorsak, o paylaşılan değişkenliğin daha iyi bir tahminini elde etmek için verilerini birleştirebiliriz. Daha fazla veri, daha hassas bir tahmin anlamına gelir.

Şöyle düşünün: Grup A’dan 20, Grup B’den 30 gözleminiz varsa ve her iki grubun da aynı gerçek varyansa sahip olduğunu düşünüyorsanız, o varyansı daha küçük örneklemlerden ayrı ayrı tahmin etmek yerine artık 50 gözlemle tahmin edebilirsiniz.

Ne Zaman Birleştirilmeli?

Standart sapmaları yalnızca altta yatan popülasyon varyanslarının eşit olduğuna inanmak için nedeniniz olduğunda birleştirin. Birleştirmeden önce bu varsayımı kontrol etmek için Levene testi veya F-testini kullanın.

Birleştirilmiş SS Formülü

İki grup için birleştirilmiş standart sapma:

İki Grup Birleştirilmiş SS

sp = √[((n₁-1)s₁² + (n₂-1)s₂²) / (n₁+n₂-2)]

Burada n₁ ve n₂ örneklem büyüklükleri, s₁ ve s₂ örneklem standart sapmalarıdır.

k grup için (ANOVA’daki gibi) formül genelleştirilir:

Çok Gruplu Birleştirilmiş SS

sp = √[Σ(nᵢ-1)sᵢ² / Σ(nᵢ-1)]

Formülün hem pay hem de paydada (n-1) terimlerini kullandığına dikkat edin. Bu ağırlıklandırma, daha büyük örneklemlerin birleştirilmiş tahmine daha fazla katkıda bulunmasını sağlar; bu uygundur çünkü daha büyük örneklemler daha güvenilir varyans tahminleri sağlar.

Temel Varsayımlar

Birleştirilmiş standart sapma varyansların homojenliğini varsayar—yani tüm gruplar aynı popülasyon varyansını paylaşır. Bu varsayım özellikle şu durumlarda önemlidir:

Örneklem büyüklükleri eşit değilse (özellikle daha büyük grup daha küçük varyansa sahipse sorunlu)
En büyük ve en küçük varyans oranı 2-3’ü aşıyorsa
Örneklem büyüklükleri küçükse (büyük örneklemler ihlallere karşı daha dayanıklıdır)

Varyanslar Farklı Olduğunda

Varyanslar eşit değilse, birleştirilmiş t-testi yerine Welch t-testini kullanın veya ayrı varyans tahminleri kullanın. Welch testi eşit varyans varsaymaz ve genellikle varsayılan yaklaşım olarak önerilir.

Çözümlü Örnek

Senaryo: İki sınıfın sınav notlarını karşılaştırma:

Sınıf A: n₁ = 25, ortalama = 78, s₁ = 12
Sınıf B: n₂ = 30, ortalama = 82, s₂ = 14

Birleştirilmiş SS hesaplaması:

sp = √[((25-1)(12)² + (30-1)(14)²) / (25+30-2)] sp = √[(24×144 + 29×196) / 53] sp = √[(3456 + 5684) / 53] sp = √[9140 / 53] = √172,45 = 13,13

13,13’lük birleştirilmiş SS, bireysel SS’ler arasında (12 ve 14) daha büyük örnekleme doğru ağırlıklandırılmış olarak yer alır. Bu birleştirilmiş değer daha sonra t-testi formülünde veya Cohen’in d hesaplamasında kullanılır.

İstatistiksel Uygulamalar

Bağımsız örneklem t-testi: Birleştirilmiş SS, ortalamalar arası farkın standart hatasını hesaplamak için kullanılır.
Cohen’in d etki büyüklüğü: Etki büyüklükleri birleştirilmiş SS kullanılarak standartlaştırılır: d = (M₁ - M₂) / sp
ANOVA: ANOVA’daki Ortalama Kare Hata (OKH) esasen tüm gruplar üzerinde birleştirilmiş bir varyans tahminidir.
Meta-analiz: Çalışmaları birleştirirken, birleştirilmiş tahminler etkileri farklı bağlamlarda standartlaştırmaya yardımcı olur.

A statistics tutorial is a practical interpretation guide, not just a formula dump. It refers to the assumptions, notation, and reporting language that analysts need when they explain a result to a teacher, manager, client, or reviewer. The article body covers the specific topic, while the sections below create a common interpretation frame that readers can reuse across related metrics.

Reading goal	What to focus on	Common mistake
Definition	What the metric is and what quantity it summarizes	Treating the formula as self-explanatory
Formula choice	Sample versus population assumptions and notation	Using n when n-1 is required or vice versa
Interpretation	Whether the result indicates concentration, spread, or risk	Calling a large value good or bad without context

Frequently Asked Questions

How should I interpret a high standard deviation?

A high standard deviation means the observations are spread farther from the mean on average. Whether that spread is acceptable depends on the context: wide dispersion might signal risk in finance, instability in manufacturing, or genuine natural variation in scientific data.

Why do some articles mention n while others mention n-1?

The denominator reflects the difference between population and sample formulas. Population variance and population standard deviation use N because the full dataset is known. Sample variance and sample standard deviation often use n-1 because Bessel’s correction reduces bias when estimating population spread from a sample.

What is a statistical interpretation guide?

A statistical interpretation guide is a page that moves beyond arithmetic and explains meaning. It tells you what a metric is, when the formula applies, and how to describe the result in plain English without overstating certainty.

Can I cite this article in a report?

You should cite the underlying authoritative reference for formal work whenever possible. This page is best used as an explanatory bridge that helps you understand the concept before quoting the original standard or handbook.

Why include direct citations on every article page?

Direct citations give readers a route to verify the definition, notation, and assumptions. That improves trust and reduces the chance that a simplified explanation is mistaken for the entire technical standard.

Authoritative References

These sources define the concepts referenced most often across our articles. Bessel's correction is a sample adjustment, variance is a squared measure of spread, and standard deviation is the square root of variance expressed in the same units as the data.