odev

---

---

#odevde istenen komutlari calstrablmk icin yuklenmesi gereken paketleri #bastan yukluyorum

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(openintro)

## Loading required package: airports

## Loading required package: cherryblossom

## Loading required package: usdata

library(ggplot2)

#excel datasını okutma

studentmat<- read_excel("C:/Users/uslu_/OneDrive/Masaüstü/R/student-mat.xlsx") 

##Exercise 1

{r-1.1.data setinden belli degsknleri secme}

select(studentmat,famsize, Pstatus)

#secilen degskenlerin gorseli

{r-secilen degskenlerin gorseli} (images/Screenshot%202025-10-12%20105959-01.png)

#toplam 395 verinin ilk 10 satırında aile büyüklüğü 3’ten fazla olan 6 aileden 2’si ayrı yaşarken, 4’ü birikte yaşamaktadır. aile büyüklüğü 3’ten az olan 4 aileden 1’i ayrı yaşarken, 3’ü birlikte yaşamaktadır.

#1.2.data setine yeni bir değişken ekleyip bunu yeni bir veri seti olarak belirleme

{r-#1.2.data setine yeni bir değişken ekleyip bunu yeni bir veri seti olarak belirleme}

new<- studentmat %>% mutate(famrel_cat=ifelse(famrel>3, "sosyal", "asosyal"))

#1.3. filtreleme #18 yaşında kırsalda yaşayan öğrencilerin sayısını filtreleme:

```{r-#1.3. filtreleme

#18 yaşında kırsalda yaşayan öğrencilerin sayısını filtreleme:}

studentmat%>%filter(age==18)%>% count(“R”)

###exercise2
#2.1 ogrenci final not dağlmı
```{r-2.1 ogrenci final not dağlmı}

ggplot(studentmat, aes(x = G3)) +
  geom_histogram(bins = 20, fill = "red", color = "blue") +
  labs(title = "Final Not Dagilimi",
       x = "Final Not",
       y = "Frekans")

##Exercise2.1.histogram cizimi alternatf

hist(studentmat$G3,main = "Final Notları Histogramı", xlab = "final notu", ylab = "FREKANS", col="black", border = "black", xlim= c(0,20), ylim = c(0,100))

#exercise 2.2. Cinsiyete göre başarı ortalamalarının sutun grafiği

```{r-Cinsiyete göre başarı ortalamalarının sutun grafiği icin once başarı ortalamaları hesabı }

basariort <- mutate(studentmat, mean= (G1+G2+G3)/3)

cinsytbasari <- basariort %>% group_by(sex) %>% summarise(ortalama_basari = mean(mean))

barplot(cinsytbasari\(ortalama_basari, xlab = "cinsiyet", ylab = "başarı ort", names.arg = cinsytbasari\)sex, col = “orange”,border = “yellow”, main = “Cinsiyet- basari ortalamaları”)

#olusan bar grafiği

#Öğrencilerin cinsiyetine göre başarı ortalamaları incelendiğinde erkek öğrencilerin ortalama başarılarının kız öğrencilerden daha yüksek olduğu görülmektedir.