📌 Aşağıda 5 soru bulunmaktadır. İlk 4 soruyu ders notlarınızdan faydalanarak yapabilirsiniz. Sadece dosyayı yayınlarken hata aldığınız durumlarda hata kodunu anlamak için yapay zekadan destek alabilirsiniz. Tüm soruları yapay zekaya yaptırdığınız tespit edilirse sınavınız geçersiz sayılacaktır.

📌 Son soru 30 puan değerinde olup kendi deneyimlerinizden yola çıkarak yanıtlayabileceğiniz bir sorudur. Farklı sınav kağıtlarında birbirinin aynısı yanıtlar tespit edilmesi durumunda ilgili öğrencilerin sınavları geçersiz sayılacaktır.

📌 Sınavınızı 29 Kasım 2025 Cumartesi günü saat 11’e kadar Rpubs hesaplarınızda yayınlamanız gerekmektedir. Teslim tarihinden geç yayınlanan dosyalar değerlendirmeye dahil edilmeyecektir.

Soruları yanıtlamak için aşağıdaki paketleri etkinleştirin:

library(MASS)
library(lsr)
## Warning: package 'lsr' was built under R version 4.5.2
library(dplyr)
## 
## Attaching package: 'dplyr'
## The following object is masked from 'package:MASS':
## 
##     select
## The following objects are masked from 'package:stats':
## 
##     filter, lag
## The following objects are masked from 'package:base':
## 
##     intersect, setdiff, setequal, union

  • dplyr

  • MASS

  • lsr

survey veri seti, bir grup üniversite öğrencisinden toplanmış bilgiler içerir. Değişkenler arasında yaş, cinsiyet, boy, nabız, egzersiz sıklığı gibi psikolojik ve fizyolojik özellikler vardır. Bu veri seti University of Adelaide öğrencilerinden toplanmış bir anket çalışmasından gelir. Veri seti 237 gözlem ve 12 değişkenden oluşur.

Soru 1: Bu veri setini etkinleştirerek Sex (cinsiyet)“,”Age (yaş)“,”Pulse (nabiz)” ve “Exer (egzersiz)”, “Height (boy)”, “Smoke (sigara) değişkenlerini seçin. Seçtiğiniz bu değişkenlerden oluşan veri setini veri_1 olarak isimlendirin.

veri1 <- survey %>%
  dplyr::select(Sex, Age, Pulse, Exer, Height, Smoke)

Soru 1.1: veri_1 veri setindeki değişkenlerin isimlerini Türkçeleştirin ve bu veri setini veri_2 olarak isimlendirin.

veri2 <- veri1 %>%
  rename(cinsiyet = Sex,
         yas = Age,
         sigara = Smoke,
         egzersiz = Exer,
         nabiz = Pulse,
         boy = Height )
head(veri2)
##   cinsiyet    yas nabiz egzersiz    boy sigara
## 1   Female 18.250    92     Some 173.00  Never
## 2     Male 17.583   104     None 177.80  Regul
## 3     Male 16.917    87     None     NA  Occas
## 4     Male 20.333    NA     None 160.00  Never
## 5     Male 23.667    35     Some 165.00  Never
## 6   Female 21.000    64     Some 172.72  Never

Soru 1.2: veri_2’nin ilk 10 satırını görüntüleyin.

head(veri2, 10)
##    cinsiyet    yas nabiz egzersiz    boy sigara
## 1    Female 18.250    92     Some 173.00  Never
## 2      Male 17.583   104     None 177.80  Regul
## 3      Male 16.917    87     None     NA  Occas
## 4      Male 20.333    NA     None 160.00  Never
## 5      Male 23.667    35     Some 165.00  Never
## 6    Female 21.000    64     Some 172.72  Never
## 7      Male 18.833    83     Freq 182.88  Never
## 8    Female 35.833    74     Freq 157.00  Never
## 9      Male 19.000    72     Some 175.00  Never
## 10     Male 22.333    90     Some 167.00  Never

Soru 2: veri_2 veri setindeki kategorik değişkenlerin etiketlerini (örn. never, some, heavy) Türkçeleştirin ve bu veri setini veri_3 olarak isimlendirin.

veri3 <- veri2 %>%
  mutate(
    cinsiyet = recode(cinsiyet,
                      "Female" = "Kadın",
                      "Male"   = "Erkek"),
    egzersiz = recode(egzersiz,
                      "None" = "Yok",
                      "Some" = "Bazen",
                      "Freq" = "Sık"),
     sigara = recode(sigara,
                     "Never" = "Hiç",
                     "Occas" = "Ara Sıra",
                     "Regul" = "Düzenli")
  )
head(veri3)
##   cinsiyet    yas nabiz egzersiz    boy   sigara
## 1    Kadın 18.250    92    Bazen 173.00      Hiç
## 2    Erkek 17.583   104      Yok 177.80  Düzenli
## 3    Erkek 16.917    87      Yok     NA Ara Sıra
## 4    Erkek 20.333    NA      Yok 160.00      Hiç
## 5    Erkek 23.667    35    Bazen 165.00      Hiç
## 6    Kadın 21.000    64    Bazen 172.72      Hiç

Soru 3: veri_3 veri setindeki eksik değerleri sorgulayın. Eksik değer varsa çıkarın ve gözlem sayısındaki farkı açıklayın. Veri setinin son halini veri_son olarak isimlendirin.

any(is.na(veri3))
## [1] TRUE
colSums(is.na(veri3))
## cinsiyet      yas    nabiz egzersiz      boy   sigara 
##        1        0       45        0       28        1

Yukarıda gördüğünüz tabloda cinsiyet değişkeninde 1 kayıp veri, nabızda 45, boyda 28 ve sigara değişkeninde 1 kayıp veri bulunmaktadır.Yaş ve egzersiz değerinde ise kayıp veri bulunmamaktadır.

veri_son <- na.omit(veri3)

Soru 4: veri_son için yas, nabiz ve boy değişkenlerinin

mean(veri_son$yas)
## [1] 20.46377
median(veri_son$yas)
## [1] 18.583
modeOf(veri_son$yas)
## [1] 17.5

#min.değer(yas)=16.917 #max.değer(yas)=70.417

mean(veri_son$nabiz)
## [1] 73.91765
median(veri_son$nabiz)
## [1] 72
modeOf(veri_son$nabiz)
## [1] 80

#min.değer(nabiz)=35 #max.değer(nabiz)=104

mean(veri_son$Height)
## Warning in mean.default(veri_son$Height): argument is not numeric or logical:
## returning NA
## [1] NA
median(veri_son$Height)
## NULL

#min.değer(boy)=152.00 #max.değer(boy)=200.00

`

  • min

  • max

  • 1st quarter

  • 3rd quarter

  • mean

  • median

değerlerini açıklayın.

Soru 4.1: Egzersiz sıklığına göre ortalama nabzı hesapladığınız bir tablo oluşturun. Bu tablodaki değerlerin açıklamasını yazın.

veri_son %>%
  group_by(egzersiz) %>%
  summarise(ortalama_nabiz = round(mean(nabiz), 2))
## # A tibble: 3 × 2
##   egzersiz ortalama_nabiz
##   <fct>             <dbl>
## 1 Sık                71.4
## 2 Yok                75.9
## 3 Bazen              76.6

#Tabloya göre egzersiz sıklığı arttıkça nabız değeriazalmaktadır. #Egzersiz yapmayanlarda ortalama nabız: 75.86 #Bazen egzersiz yapanlarda ortalama nabız: 76.59 #Sık egzersiz yapanlarda ortalama nabız: 71.43

Soru 4.2: veri_son için yas değişkenine ait mod, medyan ve aritmetik ortalama değerlerini hesaplayın.

mean(veri_son$yas)
## [1] 20.46377
median(veri_son$yas)
## [1] 18.583
modeOf(veri_son$yas)
## [1] 17.5

Soru 5: Günlük yaşamınızda veri toplayarak analiz etmek isteyebileceğiniz bir durum düşünün (sosyal medya kullanım süresi, kahve tüketimi, sınav kaygısı…). Bu durumu kısaca açıklayın.

Bu durumla ilgili

  • kimlerden veri toplayabileceğinizi,

  • veri topladığınız kişilerden hangi bilgileri almanın anlamlı olacağını,

  • toplayacağınız bilgiler kapsamında değişkenlerin türlerini

açıklayın.

  • Topladığınız verileri göz önünde bulundurarak frekans tablosu oluşturabileceğiniz üç değişken tanımlayın.

  • Topladığınız verileri göz önünde bulundurarak min, max, quarters, mod, median, mean değerlerini hesaplayabileceğiniz üç değişken tanımlayın.

Günlük yaşamdan veri toplayarak sınav kaygısını analiz edelim.

Örneklem grubumuz farklı sınıflardan olan lise öğrencileridir.(15 kişi) Öğrencilerden sınav kaygısına dair şu bilgileri almak anlamlı olacaktır:

  • Yaş
  • Cinsiyet
  • Sınıf Düzeyi
  • Algılanan Sınav Kaygısı Düzeyi
  • Haftalık Ders Çalışma Saati
  • Son Sınavdan Alınan Not
  • Sınav Kaygısı Yaşama Sıklığı

Topladığımız Veriler Kapsamında Değişkenlerin Türleri:

Sayısal Değişkenler: -Yaş, Haftalık Ders Çalışma Saati, Son Sınav Notu

Kategorik Değişkenler: -Cinsiyet, Sınav Kaygısı Düzeyi

#Algılanan Kaygı Düzeyi(1-10 arası) (7,8 10, 9, 6, 5, 9, 7, 3, 4, 8, 2, 5, 7, 6)

#Son Sınav Notu(100 üzerinden) (50, 65, 60, 75, 55, 80, 62, 88, 70, 90, 63, 95, 84, 95, 72)

#Haftalık Ders Çalışma Saati (8, 12, 15, 10, 16, 24, 14, 26, 11, 17, 22, 13, 28, 18,25)