R Markdown
library(MASS)
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
data("survey")
head(survey)
## Sex Wr.Hnd NW.Hnd W.Hnd Fold Pulse Clap Exer Smoke Height M.I
## 1 Female 18.5 18.0 Right R on L 92 Left Some Never 173.00 Metric
## 2 Male 19.5 20.5 Left R on L 104 Left None Regul 177.80 Imperial
## 3 Male 18.0 13.3 Right L on R 87 Neither None Occas NA <NA>
## 4 Male 18.8 18.9 Right R on L NA Neither None Never 160.00 Metric
## 5 Male 20.0 20.0 Right Neither 35 Right Some Never 165.00 Metric
## 6 Female 18.0 17.7 Right L on R 64 Right Some Never 172.72 Imperial
## Age
## 1 18.250
## 2 17.583
## 3 16.917
## 4 20.333
## 5 23.667
## 6 21.000
names (survey)
## [1] "Sex" "Wr.Hnd" "NW.Hnd" "W.Hnd" "Fold" "Pulse" "Clap" "Exer"
## [9] "Smoke" "Height" "M.I" "Age"
veri1 <- survey %>% dplyr::select(Sex, Age, Pulse, Exer, Height, Smoke)
veri2 <- veri1 %>%
rename(cinsiyet = Sex,
yas = Age,
boy = Height,
sigara = Smoke,
egzersiz = Exer,
nabiz = Pulse)
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
head(veri1)
## Sex Age Pulse Exer Height Smoke
## 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
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
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",
"Heavy" = "Fazla")
)
is.na(veri3)
## cinsiyet yas nabiz egzersiz boy sigara
## 1 FALSE FALSE FALSE FALSE FALSE FALSE
## 2 FALSE FALSE FALSE FALSE FALSE FALSE
## 3 FALSE FALSE FALSE FALSE TRUE FALSE
## 4 FALSE FALSE TRUE FALSE FALSE FALSE
## 5 FALSE FALSE FALSE FALSE FALSE FALSE
## 6 FALSE FALSE FALSE FALSE FALSE FALSE
## 7 FALSE FALSE FALSE FALSE FALSE FALSE
## 8 FALSE FALSE FALSE FALSE FALSE FALSE
## 9 FALSE FALSE FALSE FALSE FALSE FALSE
## 10 FALSE FALSE FALSE FALSE FALSE FALSE
## 11 FALSE FALSE FALSE FALSE FALSE FALSE
## 12 FALSE FALSE FALSE FALSE TRUE FALSE
## 13 FALSE FALSE TRUE FALSE FALSE FALSE
## 14 FALSE FALSE FALSE FALSE FALSE FALSE
## 15 FALSE FALSE FALSE FALSE TRUE FALSE
## 16 FALSE FALSE TRUE FALSE FALSE FALSE
## 17 FALSE FALSE FALSE FALSE FALSE FALSE
## 18 FALSE FALSE FALSE FALSE FALSE FALSE
## 19 FALSE FALSE TRUE FALSE FALSE FALSE
## 20 FALSE FALSE FALSE FALSE FALSE FALSE
## 21 FALSE FALSE FALSE FALSE FALSE FALSE
## 22 FALSE FALSE FALSE FALSE FALSE FALSE
## 23 FALSE FALSE FALSE FALSE FALSE FALSE
## 24 FALSE FALSE FALSE FALSE FALSE FALSE
## 25 FALSE FALSE FALSE FALSE TRUE FALSE
## 26 FALSE FALSE FALSE FALSE TRUE FALSE
## 27 FALSE FALSE FALSE FALSE FALSE FALSE
## 28 FALSE FALSE FALSE FALSE FALSE FALSE
## 29 FALSE FALSE FALSE FALSE TRUE FALSE
## 30 FALSE FALSE FALSE FALSE FALSE FALSE
## 31 FALSE FALSE FALSE FALSE TRUE FALSE
## 32 FALSE FALSE FALSE FALSE FALSE FALSE
## 33 FALSE FALSE FALSE FALSE FALSE FALSE
## 34 FALSE FALSE FALSE FALSE FALSE FALSE
## 35 FALSE FALSE FALSE FALSE TRUE FALSE
## 36 FALSE FALSE FALSE FALSE FALSE FALSE
## 37 FALSE FALSE TRUE FALSE FALSE FALSE
## 38 FALSE FALSE FALSE FALSE FALSE FALSE
## 39 FALSE FALSE FALSE FALSE FALSE FALSE
## 40 FALSE FALSE TRUE FALSE FALSE FALSE
## 41 FALSE FALSE TRUE FALSE FALSE FALSE
## 42 FALSE FALSE FALSE FALSE FALSE FALSE
## 43 FALSE FALSE FALSE FALSE FALSE FALSE
## 44 FALSE FALSE FALSE FALSE FALSE FALSE
## 45 FALSE FALSE FALSE FALSE FALSE FALSE
## 46 FALSE FALSE TRUE FALSE FALSE FALSE
## 47 FALSE FALSE FALSE FALSE FALSE FALSE
## 48 FALSE FALSE FALSE FALSE FALSE FALSE
## 49 FALSE FALSE FALSE FALSE FALSE FALSE
## 50 FALSE FALSE FALSE FALSE FALSE FALSE
## 51 FALSE FALSE FALSE FALSE FALSE FALSE
## 52 FALSE FALSE FALSE FALSE FALSE FALSE
## 53 FALSE FALSE FALSE FALSE FALSE FALSE
## 54 FALSE FALSE FALSE FALSE FALSE FALSE
## 55 FALSE FALSE FALSE FALSE FALSE FALSE
## 56 FALSE FALSE TRUE FALSE FALSE FALSE
## 57 FALSE FALSE FALSE FALSE FALSE FALSE
## 58 FALSE FALSE FALSE FALSE TRUE FALSE
## 59 FALSE FALSE FALSE FALSE FALSE FALSE
## 60 FALSE FALSE TRUE FALSE FALSE FALSE
## 61 FALSE FALSE FALSE FALSE FALSE FALSE
## 62 FALSE FALSE FALSE FALSE FALSE FALSE
## 63 FALSE FALSE FALSE FALSE FALSE FALSE
## 64 FALSE FALSE TRUE FALSE FALSE FALSE
## 65 FALSE FALSE FALSE FALSE FALSE FALSE
## 66 FALSE FALSE TRUE FALSE FALSE FALSE
## 67 FALSE FALSE TRUE FALSE FALSE FALSE
## 68 FALSE FALSE FALSE FALSE TRUE FALSE
## 69 FALSE FALSE TRUE FALSE FALSE FALSE
## 70 FALSE FALSE FALSE FALSE TRUE TRUE
## 71 FALSE FALSE FALSE FALSE FALSE FALSE
## 72 FALSE FALSE TRUE FALSE FALSE FALSE
## 73 FALSE FALSE FALSE FALSE FALSE FALSE
## 74 FALSE FALSE FALSE FALSE FALSE FALSE
## 75 FALSE FALSE FALSE FALSE FALSE FALSE
## 76 FALSE FALSE FALSE FALSE FALSE FALSE
## 77 FALSE FALSE FALSE FALSE FALSE FALSE
## 78 FALSE FALSE TRUE FALSE FALSE FALSE
## 79 FALSE FALSE FALSE FALSE FALSE FALSE
## 80 FALSE FALSE TRUE FALSE FALSE FALSE
## 81 FALSE FALSE FALSE FALSE TRUE FALSE
## 82 FALSE FALSE FALSE FALSE FALSE FALSE
## 83 FALSE FALSE FALSE FALSE TRUE FALSE
## 84 FALSE FALSE TRUE FALSE TRUE FALSE
## 85 FALSE FALSE FALSE FALSE FALSE FALSE
## 86 FALSE FALSE FALSE FALSE FALSE FALSE
## 87 FALSE FALSE FALSE FALSE FALSE FALSE
## 88 FALSE FALSE FALSE FALSE FALSE FALSE
## 89 FALSE FALSE FALSE FALSE FALSE FALSE
## 90 FALSE FALSE FALSE FALSE TRUE FALSE
## 91 FALSE FALSE FALSE FALSE FALSE FALSE
## 92 FALSE FALSE TRUE FALSE TRUE FALSE
## 93 FALSE FALSE FALSE FALSE FALSE FALSE
## 94 FALSE FALSE TRUE FALSE FALSE FALSE
## 95 FALSE FALSE FALSE FALSE FALSE FALSE
## 96 FALSE FALSE TRUE FALSE TRUE FALSE
## 97 FALSE FALSE FALSE FALSE FALSE FALSE
## 98 FALSE FALSE FALSE FALSE FALSE FALSE
## 99 FALSE FALSE TRUE FALSE FALSE FALSE
## 100 FALSE FALSE FALSE FALSE FALSE FALSE
## 101 FALSE FALSE TRUE FALSE FALSE FALSE
## 102 FALSE FALSE FALSE FALSE FALSE FALSE
## 103 FALSE FALSE TRUE FALSE FALSE FALSE
## 104 FALSE FALSE FALSE FALSE FALSE FALSE
## 105 FALSE FALSE FALSE FALSE FALSE FALSE
## 106 FALSE FALSE FALSE FALSE FALSE FALSE
## 107 FALSE FALSE TRUE FALSE FALSE FALSE
## 108 FALSE FALSE FALSE FALSE TRUE FALSE
## 109 FALSE FALSE FALSE FALSE FALSE FALSE
## 110 FALSE FALSE FALSE FALSE FALSE FALSE
## 111 FALSE FALSE FALSE FALSE FALSE FALSE
## 112 FALSE FALSE FALSE FALSE FALSE FALSE
## 113 FALSE FALSE FALSE FALSE FALSE FALSE
## 114 FALSE FALSE FALSE FALSE FALSE FALSE
## 115 FALSE FALSE FALSE FALSE FALSE FALSE
## 116 FALSE FALSE FALSE FALSE FALSE FALSE
## 117 FALSE FALSE FALSE FALSE FALSE FALSE
## 118 FALSE FALSE FALSE FALSE FALSE FALSE
## 119 FALSE FALSE FALSE FALSE FALSE FALSE
## 120 FALSE FALSE FALSE FALSE FALSE FALSE
## 121 FALSE FALSE FALSE FALSE TRUE FALSE
## 122 FALSE FALSE FALSE FALSE FALSE FALSE
## 123 FALSE FALSE FALSE FALSE FALSE FALSE
## 124 FALSE FALSE FALSE FALSE FALSE FALSE
## 125 FALSE FALSE FALSE FALSE FALSE FALSE
## 126 FALSE FALSE TRUE FALSE FALSE FALSE
## 127 FALSE FALSE FALSE FALSE FALSE FALSE
## 128 FALSE FALSE FALSE FALSE FALSE FALSE
## 129 FALSE FALSE FALSE FALSE FALSE FALSE
## 130 FALSE FALSE FALSE FALSE FALSE FALSE
## 131 FALSE FALSE FALSE FALSE FALSE FALSE
## 132 FALSE FALSE FALSE FALSE FALSE FALSE
## 133 FALSE FALSE FALSE FALSE TRUE FALSE
## 134 FALSE FALSE FALSE FALSE FALSE FALSE
## 135 FALSE FALSE FALSE FALSE FALSE FALSE
## 136 FALSE FALSE FALSE FALSE FALSE FALSE
## 137 TRUE FALSE FALSE FALSE FALSE FALSE
## 138 FALSE FALSE FALSE FALSE FALSE FALSE
## 139 FALSE FALSE TRUE FALSE FALSE FALSE
## 140 FALSE FALSE FALSE FALSE FALSE FALSE
## 141 FALSE FALSE FALSE FALSE FALSE FALSE
## 142 FALSE FALSE TRUE FALSE FALSE FALSE
## 143 FALSE FALSE FALSE FALSE FALSE FALSE
## 144 FALSE FALSE FALSE FALSE FALSE FALSE
## 145 FALSE FALSE FALSE FALSE FALSE FALSE
## 146 FALSE FALSE FALSE FALSE FALSE FALSE
## 147 FALSE FALSE FALSE FALSE FALSE FALSE
## 148 FALSE FALSE FALSE FALSE FALSE FALSE
## 149 FALSE FALSE FALSE FALSE FALSE FALSE
## 150 FALSE FALSE FALSE FALSE FALSE FALSE
## 151 FALSE FALSE FALSE FALSE FALSE FALSE
## 152 FALSE FALSE FALSE FALSE FALSE FALSE
## 153 FALSE FALSE FALSE FALSE FALSE FALSE
## 154 FALSE FALSE FALSE FALSE FALSE FALSE
## 155 FALSE FALSE FALSE FALSE FALSE FALSE
## 156 FALSE FALSE FALSE FALSE FALSE FALSE
## 157 FALSE FALSE TRUE FALSE TRUE FALSE
## 158 FALSE FALSE FALSE FALSE FALSE FALSE
## 159 FALSE FALSE TRUE FALSE FALSE FALSE
## 160 FALSE FALSE FALSE FALSE FALSE FALSE
## 161 FALSE FALSE FALSE FALSE FALSE FALSE
## 162 FALSE FALSE TRUE FALSE FALSE FALSE
## 163 FALSE FALSE FALSE FALSE FALSE FALSE
## 164 FALSE FALSE FALSE FALSE FALSE FALSE
## 165 FALSE FALSE TRUE FALSE FALSE FALSE
## 166 FALSE FALSE FALSE FALSE FALSE FALSE
## 167 FALSE FALSE FALSE FALSE FALSE FALSE
## 168 FALSE FALSE FALSE FALSE FALSE FALSE
## 169 FALSE FALSE TRUE FALSE FALSE FALSE
## 170 FALSE FALSE FALSE FALSE FALSE FALSE
## 171 FALSE FALSE TRUE FALSE FALSE FALSE
## 172 FALSE FALSE FALSE FALSE FALSE FALSE
## 173 FALSE FALSE FALSE FALSE TRUE FALSE
## 174 FALSE FALSE FALSE FALSE FALSE FALSE
## 175 FALSE FALSE FALSE FALSE FALSE FALSE
## 176 FALSE FALSE FALSE FALSE FALSE FALSE
## 177 FALSE FALSE FALSE FALSE FALSE FALSE
## 178 FALSE FALSE FALSE FALSE FALSE FALSE
## 179 FALSE FALSE TRUE FALSE TRUE FALSE
## 180 FALSE FALSE FALSE FALSE FALSE FALSE
## 181 FALSE FALSE FALSE FALSE FALSE FALSE
## 182 FALSE FALSE FALSE FALSE FALSE FALSE
## 183 FALSE FALSE FALSE FALSE FALSE FALSE
## 184 FALSE FALSE FALSE FALSE FALSE FALSE
## 185 FALSE FALSE FALSE FALSE FALSE FALSE
## 186 FALSE FALSE FALSE FALSE FALSE FALSE
## 187 FALSE FALSE FALSE FALSE FALSE FALSE
## 188 FALSE FALSE FALSE FALSE FALSE FALSE
## 189 FALSE FALSE FALSE FALSE FALSE FALSE
## 190 FALSE FALSE FALSE FALSE FALSE FALSE
## 191 FALSE FALSE FALSE FALSE FALSE FALSE
## 192 FALSE FALSE FALSE FALSE FALSE FALSE
## 193 FALSE FALSE FALSE FALSE FALSE FALSE
## 194 FALSE FALSE FALSE FALSE FALSE FALSE
## 195 FALSE FALSE TRUE FALSE FALSE FALSE
## 196 FALSE FALSE FALSE FALSE FALSE FALSE
## 197 FALSE FALSE FALSE FALSE FALSE FALSE
## 198 FALSE FALSE FALSE FALSE FALSE FALSE
## 199 FALSE FALSE FALSE FALSE FALSE FALSE
## 200 FALSE FALSE FALSE FALSE FALSE FALSE
## 201 FALSE FALSE FALSE FALSE FALSE FALSE
## 202 FALSE FALSE FALSE FALSE FALSE FALSE
## 203 FALSE FALSE FALSE FALSE TRUE FALSE
## 204 FALSE FALSE FALSE FALSE FALSE FALSE
## 205 FALSE FALSE FALSE FALSE FALSE FALSE
## 206 FALSE FALSE FALSE FALSE FALSE FALSE
## 207 FALSE FALSE FALSE FALSE FALSE FALSE
## 208 FALSE FALSE FALSE FALSE FALSE FALSE
## 209 FALSE FALSE FALSE FALSE FALSE FALSE
## 210 FALSE FALSE TRUE FALSE FALSE FALSE
## 211 FALSE FALSE FALSE FALSE FALSE FALSE
## 212 FALSE FALSE FALSE FALSE FALSE FALSE
## 213 FALSE FALSE FALSE FALSE TRUE FALSE
## 214 FALSE FALSE FALSE FALSE FALSE FALSE
## 215 FALSE FALSE FALSE FALSE FALSE FALSE
## 216 FALSE FALSE TRUE FALSE FALSE FALSE
## 217 FALSE FALSE TRUE FALSE TRUE FALSE
## 218 FALSE FALSE FALSE FALSE FALSE FALSE
## 219 FALSE FALSE TRUE FALSE FALSE FALSE
## 220 FALSE FALSE FALSE FALSE FALSE FALSE
## 221 FALSE FALSE TRUE FALSE FALSE FALSE
## 222 FALSE FALSE FALSE FALSE FALSE FALSE
## 223 FALSE FALSE FALSE FALSE FALSE FALSE
## 224 FALSE FALSE TRUE FALSE FALSE FALSE
## 225 FALSE FALSE TRUE FALSE TRUE FALSE
## 226 FALSE FALSE FALSE FALSE TRUE FALSE
## 227 FALSE FALSE FALSE FALSE FALSE FALSE
## 228 FALSE FALSE FALSE FALSE FALSE FALSE
## 229 FALSE FALSE FALSE FALSE FALSE FALSE
## 230 FALSE FALSE FALSE FALSE FALSE FALSE
## 231 FALSE FALSE FALSE FALSE FALSE FALSE
## 232 FALSE FALSE TRUE FALSE FALSE FALSE
## 233 FALSE FALSE FALSE FALSE FALSE FALSE
## 234 FALSE FALSE FALSE FALSE FALSE FALSE
## 235 FALSE FALSE TRUE FALSE FALSE FALSE
## 236 FALSE FALSE FALSE FALSE FALSE FALSE
## 237 FALSE FALSE FALSE FALSE FALSE FALSE
any(is.na(veri3))
## [1] TRUE
colSums(is.na(veri3))
## cinsiyet yas nabiz egzersiz boy sigara
## 1 0 45 0 28 1
veri_son <- na.omit(veri3)
Yukarıda gördüğünüz gibi cinsiyet değişkeninde 1 , nabızda 45, boyda 28, sigara değişkeninde ise 1 kayıp veri bulunmaktadır. Environmente bakılınca görüleceği üzere veri3 237, veri_son 170 gözlem içermektedir.
summary(veri_son)
## cinsiyet yas nabiz egzersiz boy
## Kadın:85 Min. :16.92 Min. : 35.00 Sık :86 Min. :152.0
## Erkek:85 1st Qu.:17.67 1st Qu.: 66.25 Yok :14 1st Qu.:165.0
## Median :18.58 Median : 72.00 Bazen:70 Median :171.0
## Mean :20.46 Mean : 73.92 Mean :172.5
## 3rd Qu.:20.17 3rd Qu.: 80.00 3rd Qu.:180.0
## Max. :70.42 Max. :104.00 Max. :200.0
## sigara
## Fazla : 7
## Hiç :136
## Ara Sıra: 13
## Düzenli : 14
##
##
Minimum yaş 16.92 maksimum yaş 70.42' dir.Ortalama 20.46 medyan değeri ise 18.58' dir.1. çeyrek 17.67, 3. çeyrek 20.17. yani veri setindeki çoğu kişi 17-20 yaş aralığında gençlerden oluşmaktadır. Ortalamanın medyandan yüksek olması dağılımın sağa çarpık olduğunu gösterir.
Nabız değerleri 35 ile 104 arasında değişmektedir. Ortalama (73.92) ve medyan (72.00) birbirine oldukça yakındır.Dengeli bir dağılım olduğunu gösterir. Çeyrekler aralığı 66.25 ile 80.00 arasındadır. Minimum değer 35.
En kısa boy 152 cm, en uzun boy 200 cm'dir. Ortalama boy 172.5 cm, medyan ise 171 cm'dir.Katılımcıların yarısının boyu 165 cm ile 180 cm arasında yani 1. ve 3. çeyrekler arasında toplamıştır.
veri_son %>%
count(egzersiz) %>%
mutate(yuzde = round(n / sum(n))* 100, 2)
## egzersiz n yuzde 2
## 1 Sık 86 100 2
## 2 Yok 14 0 2
## 3 Bazen 70 0 2
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 ortalama nabız değeri azalmaktadır. Egzersiz yapmayanlarda ortalama nabız 75.86, bazen egzersiz yapanlarda 76.59, sık egzersiz yapanlarda ise 71.43'tür.
mean(veri_son$yas)
## [1] 20.46377
median(veri_son$yas)
## [1] 18.583
library(lsr)
modeOf(veri_son$yas)
## [1] 17.5
Veri setindeki yaş değişkeninde ortalama değerin (20.46377) medyandan (18.583)b biraz daha büyük, modun ise (17.5) daha küçük olduğu görülmektedir.Bu durum sağa çarpık bir dağılıma işaret etmektedir.
Kahve tüketimi ve sınav kaygısı arası ilişkiyi ele almak istedim.
Amacım kahve tüketiminin miktar ve sıklık olarak sınav kaygısı üzerinde
bir etkisi olup olmadığını görmek. Verileri çeşitli bölümlerde okuyan
50-100 arasında üniversite öğrencilerinden toplayabiliriz.Öğrencilerin
bölüm, yaş, kaygı skoru ve günlük ortalama kahve tüketimi (mg)
bilgilerini almak anlamlı olurdu. Değişken olarak Kahve Tüketimi (mg)
nicel ve sürekli, sınav kaygısı skoru nicel ve sürekli, cinsiyet nitel
ve nominal şeklinde atanabilir.
Frekans tablosu oluşturmak için: Cinsiyet, kafein tüketimi, kayı
skoru değişkenleri atanabilir.
cinsiyet <- c("Erkek", "Kadın", "Erkek", "Kadın", "Kadın", "Erkek", "Kadın", "Erkek", "Kadın", "Kadın", "Erkek", "Kadın", "Erkek", "Kadın", "Erkek")
kaygi_skoru <- c(65, 70, 75, 80, 85, 90, 60, 55, 78, 82, 68, 72, 95, 50, 88)
kafein_tuketimi <- c(120, 180, 240, 60, 0, 300, 150, 90, 200, 100, 160, 220, 75, 110, 250)
Bu kısmı kategorizeleştirmek gerekiyor “Çok” “Orta” “Az”
şeklinde
Min, max, quarters, mod, median, mean değerleri içinse nicel olacak
değişkenler: sınav kaygısı skoru, günlük kafein tüketimi, öğrencinin
yaşı değişkenleri atanabilir.
ogrenci_yasi <- c(20, 21, 19, 22, 20, 21, 23, 19, 20, 20, 21, 22, 19, 21, 20)
kafein_tuketimi <- c(120, 180, 240, 60, 0, 300, 150, 90, 200, 100, 160, 220, 75, 110, 250)
kaygi_skoru <- c(65, 70, 75, 80, 85, 90, 60, 55, 78, 82, 68, 72, 95, 50, 88)