---
title: "Güncel Nüfus Araştırması Dashboard"
author: "Nevriye Çelik 220507018"
date: "`r Sys.Date()`"
output: 
  flexdashboard::flex_dashboard:
    source: embed
    theme: united
    social: menu
---

<style>
/* Arka plan rengi */
body {
  background-color: #e7d6d4;
}
</style>

---


```{r setup, include=FALSE}
library(flexdashboard)
library(rio)
library(tidyverse)
library(janitor)
library(ggplot2)
library(plotly)
library(kableExtra)
library(magrittr)
data(CPS85, package="mosaicData")

```

Özet Bilgiler
=========================================

Column
-----------------------------------------

***
Değişken İsimlerinin Listesi

```{r}
colnames(CPS85)
```

***
Ana Özet

***
Mevcut Nüfus Araştırması (CPS), nüfus sayımı yılları arasında nüfus sayımı bilgilerini desteklemek için kullanılır. Bu veriler, cinsiyet, eğitim yılı, iş deneyimi yılı, mesleki statü, ikamet bölgesi ve sendika üyeliği dahil olmak üzere ücretler ve işçilerin diğer özelliklerine ilişkin bilgilerin yer aldığı CPS85'ten rastgele seçilmiş kişilerden oluşmaktadır.


```{r}
summary(CPS85)
glimpse(CPS85)
```

Grafikler {.storyboard}
=========================================

### Histogram

```{r}
# Gerekli paketleri yükle
library(ggplot2)
library(mosaicData)

# Veri setini yükle
data(CPS85, package = "mosaicData")

# Histogram oluştur
ggplot(CPS85, aes(x = wage)) +
  geom_histogram(binwidth = 2, 
                 fill = "steelblue", 
                 color = "white", 
                 alpha = 0.8) +
  labs(title = "Ücret Dağılımı (Wage)", 
       x = "Ücret (Wage)", 
       y = "Frekans") +
  theme_minimal(base_size = 14)



```

***

Ücret dağılımı, büyük ölçüde 0 ile 10 arasındaki aralıklarda yoğunlaşmış olup, bu durum veri setindeki kişilerin çoğunluğunun saatlik ücretlerinin bu seviyede olduğunu göstermektedir. Dağılım sağa çarpık (pozitif skewed) olup, daha yüksek ücretler az sayıda kişi tarafından alınmakta ve bu değerler daha düşük frekansta gözlemlenmektedir. 20'nin üzerindeki ücretler ise oldukça nadir olup, bu da veri setindeki birkaç bireyin yüksek ücret kazandığını gösterir. Grafik sonunda yaklaşık 40-45 seviyelerinde birkaç kişinin yer aldığı bir çubuk bulunması, maksimum ücret aralığındaki bireylerin varlığını belirtir. Bu tür sağa çarpık dağılımlar, gelir veya ücret verilerinde yaygın olarak gözlemlenir çünkü genellikle düşük ve orta gelir grupları yoğunlaşırken, yüksek gelirler daha nadir görülür. İlerleyen analizlerde bu dağılım daha ayrıntılı incelenebilir, ortalama ve medyan gibi özet istatistikler hesaplanabilir ve gerekirse log-transformasyon gibi yöntemler kullanılabilir.

### Dağılım Grafiği

```{r}
# CPS85 veri setini yükleme
data(CPS85, package = "mosaicData")

# Yaş ve Maaş arasındaki düz dağılım grafiği ve trend çizgisi
ggplot(CPS85, aes(x = age, y = wage)) +
  geom_point(color = "palevioletred4", alpha = 0.7) +  # Noktalar
  geom_smooth(method = "lm", color = "steelblue", se = TRUE) +  # Trend çizgisi (doğrusal)
  labs(title = "Yaş ve Maaş Arasındaki İlişki",
       x = "Yaş",
       y = "Maaş") +
  theme_minimal() 






```

***
Bu grafikte veri setinden almış olduğumuz yaş ve maaş değişkenlerine bağlı dağılım grafiğini (scatter plot) görebilmekteyiz. Yatay eksende (x) bireylerin yaşı, dikey eksende (y) ise maaşları yer almaktadır. Genel olarak yaş arttıkça maaşların hafif bir artış eğilimi gösterdiği gözlemlenebilir. Ancak, bu ilişki çok güçlü değildir ve veri noktaları oldukça dağınık bir şekilde dağılmıştır.

Grafikte genç yaş gruplarında (20-30 yaş arası) maaşların düşük bir seviyede yoğunlaştığı, fakat bazı bireylerin daha yüksek maaş aldığı görülmektedir. Orta yaş gruplarında (30-40 yaş arası) maaş aralıklarının biraz genişlediği ve maaşların genel olarak arttığı fark edilmektedir. Daha ileri yaşlarda (40 yaş ve üstü), maaşlarda belirgin bir artış eğilimi görülmemekle birlikte, maaş seviyelerinin geniş bir aralıkta değiştiği dikkat çekmektedir.
Grafikte bazı uç değerler bulunmaktadır. Özellikle genç yaş gruplarında (20'li yaşlar) yüksek maaş alan bireylerin varlığı dikkat çekicidir. Bu bireyler, istisnai durumlar veya belirli sektörlerdeki yüksek maaşlı pozisyonlarla açıklanabilir. Görselde bir regresyon çizgisi ve çevresinde gölgeli bir alan yer almakta; bu da yaş ve maaş arasında pozitif yönlü bir ilişki olduğunu ancak bu ilişkinin güçlü olmadığını göstermektedir. Gölgeli alan, tahmin edilen değerlerin güven aralığını temsil eder.

Genel olarak, yaş ve maaş arasında zayıf bir pozitif ilişki olduğu, ancak bu ilişkinin net bir çizgide ilerlemediği söylenebilir. Maaş dağılımları, yaş dışında başka faktörlerin de maaş üzerinde önemli bir etkiye sahip olduğunu göstermektedir.

### Etkileşimli Dağılım Grafiği

```{r}
# Gerekli paketler
library(ggplot2)
library(mosaicData)
library(plotly)

# CPS85 veri setini yükleme
data(CPS85, package = "mosaicData")

# Yaş ve Maaş arasındaki düz dağılım grafiği ve trend çizgisi
p <- ggplot(CPS85, aes(x = age, y = wage)) +
  geom_point(color = "palevioletred4", alpha = 0.7) +  # Noktalar
  geom_smooth(method = "lm", color = "steelblue", se = TRUE) +  # Trend çizgisi (doğrusal)
  labs(title = "Yaş ve Maaş Arasındaki İlişki",
       x = "Yaş",
       y = "Maaş") +
  theme_minimal()

# Grafiği etkileşimli hale getirme
interactive_plot <- ggplotly(p)

# Grafiği görüntüle
interactive_plot

```

***

Dağılım grafiği, iki sürekli nicel değişken arasındaki ilişkiyi görselleştirmek ve analiz etmek için kullanılan etkili bir araçtır. Bu grafik türü, her bir veri noktasını bir düzlemde göstererek, değişkenlerin değerlerini temsil eder. Özellikle değişkenler arasındaki pozitif, negatif veya nötr ilişkiyi anlamak için kullanılır. 

Etkileşimli hale getirmek için dağılım grafiğini seçtim çünkü iki değişken arasındaki ilişkiyi görselleştirmek için oldukça etkili bir araçtır ve etkileşimli hale getirildiğinde kullanıcıların veriyi daha ayrıntılı incelemesini sağlar. Dağılım grafiği, dashboardlarda etkileşimli hale getirildiğinde kullanıcıların veriyle daha derinlemesine etkileşim kurmasını sağlayan  bir araç haline gelir. Etkileşimli dağılım grafikleri, kullanıcılara belirli veri noktalarını seçme, filtreleme ve detaylı bilgi görüntüleme imkanı sunar. Bu özellik, özellikle büyük ve karmaşık veri setleriyle çalışırken çok değerlidir, çünkü kullanıcılar grafikteki yoğun bölgeleri veya uç noktaları kolayca inceleyebilir ve bu sayede verinin gizli kalmış örüntülerini keşfedebiliriz. 

### Kutu Grafiği 1

```{r}


# Sektör ve ücret arasındaki ilişkiyi gösteren kutu grafiği
ggplot(CPS85, aes(x = sector, y = wage, fill = sector)) +
  geom_boxplot(outlier.color = "red", outlier.shape = 16, alpha = 0.7) +
  scale_fill_brewer(palette = "Set3") +
  labs(title = "Sektör ve Maaş Arasındaki İlişki",
       x = "Sektör",
       y = "Maaş") +
  theme_minimal() +
  theme(axis.text.x = element_text(angle = 45, hjust = 1))


```


***
Kutu grafikleri (box plot), verilerin dağılımını ve özet istatistiklerini görselleştirmek için kullanılan bir grafik türüdür. Bu grafikler, verilerin merkezi eğilimlerini, yayılımını ve olası uç değerleri (outliers) gösterir.

Grafikte her sektör için maaş dağılımı gösterilmekte, ortalama eğilimler ve uç değerler ortaya konulmaktadır. Özellikle yönetim (manag) sektörü, en geniş maaş aralığına ve en yüksek medyan maaşa sahip olmasıyla dikkat çekiyor. Profesyonel (prof) sektör de nispeten yüksek maaş aralıklarıyla öne çıkarken, hizmet (service) ve satış (sales) sektörleri daha dar bir maaş aralığına ve düşük medyan değerlere sahip. Üretim (manuf) sektörü orta düzey maaşlar sunarken, kırmızı noktalarla işaretlenen birkaç düşük uç değer dikkat çekiyor. Genel olarak, sektörler arasında maaş açısından belirgin farklılıklar görülüyor ve bu durum, sektörlerin ekonomik yapılarının ve iş gücü piyasasındaki rollerinin maaş düzeylerini nasıl etkilediğini yansıtıyor.

### Kutu Grafiği 2

```{r}


ggplot(CPS85, aes(x = sex, y = wage, fill = sex)) +
  geom_boxplot(alpha = 0.7, outlier.shape = NA) +  # Kutu grafiği ve uç değerlerin görünümünü ayarladık
  geom_jitter(aes(color = sex), width = 0.2, size = 1.5, alpha = 0.6) +  # Titreşimler eklendi
  labs(
    title = "Cinsiyet ve Maaş Arasındaki Kutu Grafiği",
    x = "Cinsiyet",
    y = "Maaş"
  ) +
  scale_fill_manual(values = c("#6BAED6", "pink")) +  # Kutuların rengi
  scale_color_manual(values = c("#3182BD", "deeppink")) +  # Titreşimlerin rengi
  theme_minimal() +
  theme(
    panel.background = element_rect(fill = "white", color = NA),
    plot.title = element_text(hjust = 0.5, size = 14, face = "bold"),  # Başlık hizalama ve stil
    axis.title = element_text(size = 12)
  )






```

***

Bu kutu grafiği, cinsiyet ile maaş arasındaki ilişkiyi göstermektedir. Grafikte, kadınlar ("F") ve erkekler ("M") iki ayrı kategoride incelenmiştir.
Kutu grafiği, her bir cinsiyet grubundaki maaşların dağılımını özetler. Kutunun içindeki kalın çizgi, medyan maaşı (ortanca değeri) temsil ederken, kutunun alt ve üst sınırları maaşların çeyrekler arası aralığını göstermektedir. Çeyrekler arası aralıktan uzaklaşan noktalar ise uç değerleri temsil etmektedir.Grafikte ayrıca, her bir maaş değeri titreşim (jitter) ile nokta olarak gösterilmiştir. Bu noktalar, maaş dağılımını görsel olarak daha açık bir şekilde ifade etmektedir. Kadınların maaşları genel olarak erkeklere göre daha düşük bir aralıkta yoğunlaşmıştır. Erkeklerin maaş aralığının daha geniş olduğu ve özellikle daha yüksek maaş değerlerine sahip oldukları dikkat çekmektedir.

### Kutu Grafiği 3

```{r}
# Gerekli paketlerin yüklenmesi
install.packages("mosaicData")
install.packages("ggplot2")
library(mosaicData)
library(ggplot2)

# CPS85 veri setinin yüklenmesi
data(CPS85)

# Deneyim ve sektör arasında bir kutu grafiği oluşturma ve renklendirme
ggplot(CPS85, aes(x = sector, y = exper, fill = sector)) +
  geom_boxplot() +
  labs(title = "Deneyim ve Sektör Arasındaki Kutu Grafiği",
       x = "Sektör",
       y = "Deneyim (Yıl)") +
  scale_fill_manual(values = colorRampPalette(c("#FFEDA0", "#FC4E2A", "#BD0026"))(length(unique(CPS85$sector)))) +
  theme_minimal() +
  theme(panel.background = element_rect(fill = "white", color = NA))






```

***
Bu grafik, farklı sektörlerdeki çalışanların deneyim (yıl) dağılımını bir kutu grafiği (boxplot) aracılığıyla göstermektedir. Yatay eksende sektörler (clerical, const, manag vb.), dikey eksende ise çalışanların yıllık deneyim süreleri bulunmaktadır. Grafik, sektörlere göre deneyim düzeylerinin nasıl farklılık gösterdiğini ve dağılımın nasıl şekillendiğini ortaya koymaktadır.

Genel olarak, service ve sales sektörleri, en geniş deneyim aralığına sahip olmalarıyla dikkat çekmektedir. Bu sektörlerde hem çok az deneyimi olan bireyler hem de oldukça deneyimli bireyler bulunmaktadır. Construction (const) ve management (manag) sektörlerinde deneyim düzeyleri daha dengelidir ve medyan değerleri birbirine yakın gözükmektedir. Özellikle clerical sektörü, deneyim açısından daha dar bir dağılıma sahiptir ve medyan değeri nispeten düşük seviyelerdedir.Other kategorisi, diğer sektörlere göre daha düşük deneyim düzeyleriyle öne çıkarken, birkaç uç değer (outlier) daha yüksek deneyim seviyelerini göstermektedir. Bu durum, bu kategoride belirli pozisyonların daha fazla deneyim gerektirebileceğini veya bazı bireylerin kariyer geçmişlerinin sektör geneline göre farklı olduğunu gösterebilir.


### örnek

```{r}
library(ggplot2)
library(mosaicData)
library(plotly)

# CPS85 veri setini yükleme
data(CPS85, package = "mosaicData")

# Yaş ve Maaş arasındaki düz dağılım grafiği ve trend çizgisi
p <- ggplot(CPS85, aes(x = age, y = wage)) +
  geom_point(color = "palevioletred4", alpha = 0.7) +  # Noktalar
  geom_smooth(method = "lm", color = "steelblue", se = TRUE) +  # Trend çizgisi (doğrusal)
  labs(title = "Yaş ve Maaş Arasındaki İlişki",
       x = "Yaş",
       y = "Maaş") +
  theme_minimal()

# Grafiği etkileşimli hale getirme
interactive_plot <- ggplotly(p)

# Grafiği görüntüle
interactive_plot





```


Referanslar
=========================================

column
-----------------------------------------
**Veri Seti**

Güncel Nüfus Araştırması (1985)
MozaikData paketindeki CPS85 veri seti , 1985 yılına ait ücret ve çalışanların diğer özelliklerine ilişkin verileri içermektedir.

https://rkabacoff.github.io/datavis/Datasets.html

**Dashboard Şema**

Şemayı uyarlarken ders kayıt videosundan ve ders içerisinde önerilen kaynaklardan bilgi toplanarak yapılmıştır. 

https://r-packages.io/packages/flexdashboard/flexdashboard-package

https://epirhandbook.com/new_pages/flexdashboard.html

https://pkgs.rstudio.com/flexdashboard/articles/using.html

https://tr.r4ds.hadley.nz/r-markdown-formatlar%C4%B1.html#panolar

https://pkgs.rstudio.com/flexdashboard/articles/examples.html

https://www.data-to-viz.com/#portfolio

```{r}

```