# Paketleri yükle
library(readxl)
library(dplyr)
## 
## Attaching package: 'dplyr'
## The following objects are masked from 'package:stats':
## 
##     filter, lag
## The following objects are masked from 'package:base':
## 
##     intersect, setdiff, setequal, union
library(ggplot2)
# Veri setini okuma
data <- read_excel("C:/Users/User/Downloads/student-mat.xlsx")
# Alıştırma 1
head(data)
## # A tibble: 6 × 33
##   school sex     age address famsize Pstatus  Medu  Fedu Mjob     Fjob    reason
##   <chr>  <chr> <dbl> <chr>   <chr>   <chr>   <dbl> <dbl> <chr>    <chr>   <chr> 
## 1 GP     F        18 U       GT3     A           4     4 at_home  teacher course
## 2 GP     F        17 U       GT3     T           1     1 at_home  other   course
## 3 GP     F        15 U       LE3     T           1     1 at_home  other   other 
## 4 GP     F        15 U       GT3     T           4     2 health   servic… home  
## 5 GP     F        16 U       GT3     T           3     3 other    other   home  
## 6 GP     M        16 U       LE3     T           4     3 services other   reput…
## # ℹ 22 more variables: guardian <chr>, traveltime <dbl>, studytime <dbl>,
## #   failures <dbl>, schoolsup <chr>, famsup <chr>, paid <chr>,
## #   activities <chr>, nursery <chr>, higher <chr>, internet <chr>,
## #   romantic <chr>, famrel <dbl>, freetime <dbl>, goout <dbl>, Dalc <dbl>,
## #   Walc <dbl>, health <dbl>, absences <dbl>, G1 <dbl>, G2 <dbl>, G3 <dbl>
#  Belirli sütunları seçelim
veri1 <- select(data, sex, age, studytime, G1, G2, G3)
#  Final notu 15'den büyük olan öğrencileri filtreleyelim
veri2 <- filter(veri1, G3 > 15)
#  Yeni bir sütun oluşturalım: Ortalama başarı
veri3 <- mutate(veri2, ortalama = (G1 + G2 + G3) / 3)
#  Cinsiyete göre ortalama başarıyı hesaplayalım
veri4 <- veri3 %>%
  group_by(sex) %>%
  summarise(ortalama_basari = mean(ortalama))
#  Başarıya göre sıralayalım
veri5 <- arrange(veri4, desc(ortalama_basari))
# Alıştırma 2
#Grafik 1
ggplot(data, aes(x = G3)) +
  geom_histogram(bins = 20, fill = "skyblue", color = "black") +
  labs(title = "Öğrencilerin Final Notlarının Dağılımı",
       x = "Final Notu",
       y = "Frekans")

#Histogram grafiğine göre öğrencilerin çoğunun final notlarının 10–15 arasında yoğunlaştığı görülüyor.

#Grafik 2
ggplot(data, aes(x = studytime, y = G3, color = sex)) +
  geom_point(size = 3) +
  geom_smooth(method = "lm", se = FALSE) +
  labs(title = "Ders calisma suresi ile basari arasindaki iliski",
       x = "Calisma Suresi",
       y = "Final Notu",
       color = "Cinsiyet")
## `geom_smooth()` using formula = 'y ~ x'

#Çalışma süresi arttıkça başarı notunun yükseldiğini grafikte görmekteyiz.