📌 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:

  • 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.

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(MASS)
## 
## Attaching package: 'MASS'
## The following object is masked from 'package:dplyr':
## 
##     select
library(lsr)

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.

data("survey")
veri_1<-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.

veri_2<-veri_1 %>%
rename(cinsiyet= Sex,
       yas= Age,
       nabiz= Pulse,
       egzersiz= Exer,
       boy= Height,
       sigara= Smoke)

Soru 1.2: veri_2’nin ilk 10 satırını görüntüleyin.

head(veri_2,10)
##    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.

veri_3<-veri_2 %>%
mutate(
  cinsiyet= recode(cinsiyet,
                   "Female" = "Kadın",
                   "Male" = "Erkek"),
  egzersiz= recode(egzersiz,
                   "None" = "Yok",
                   "Some" = "Bazen",
                   "Freq" = "Sık"),
  sigara= recode(sigara,
                 "Never" = "Hic",
                 "Occas" = "Ara Sıra",
                 "Regul" = "Duzenli",
                 "Heavy" = "Fazla" )
                    
      )

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(veri_3))
## [1] TRUE
colSums(is.na(veri_3))
## cinsiyet      yas    nabiz egzersiz      boy   sigara 
##        1        0       45        0       28        1
veri_son <- na.omit(veri_3)

#veri_3 isimli veri seti 237 gözlem içerirken, eksik değerleri çıkararak oluşturduğumuz ve veri_son olarak isimlendirdiğimiz veri seti 170 gözlem içermektedir. Bu yüzden gözlem sayısındaki fark 237-170= 67’dir

Soru 4: veri_son için yas, nabiz ve boy değişkenlerinin

  • min

  • max

  • 1st quarter

  • 3rd quarter

  • mean

  • median

değerlerini açıklayın.

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  
##  Hic     :136  
##  Ara Sıra: 13  
##  Duzenli : 14  
##                
##

#yas değişkeninin min(en düşük) değeri 16.92 ve max(en yüksek) değeri 70.42’dir. Mean(ortalama) 20,46 , median(ortanca) değeri 18.58 dir. 1.çeyreklik değeri 17.67 ve 3. çeyreklik değeri 20.17’dir. #nabiz değişkeninin min değeri 35, max değeri ise 104 ’tür. Mean değeri 73.92 ve median ise 72’dir. 1.çeyreklik 66.25 ve 3.çeyreklik değeri ise 80’dir. #boy değişkeninin min değeri 152 ve max değeri 200’dür. Mean değeri 172.5 ve median değeri 171’dir. 1.çeyreklik 165 ve 3. çeyreklik değeri 180 dir.

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

#sık egzersiz yapanların ortalama nabız değeri 71.43, bazen yapanların 76.59 ve sıklığı yok olarak tanımlanmış yani hiç yapmayanların ortalama nabız değeri 75.86’dır.

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

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

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

#Duygular, uyku düzeni ve yeme alışkanlıkları arasındaki ilişki. Yani yemek yeme davranışında yemek yemeyi tetikleyen duygu, uyku süresi(kişinin kaç saat uyuduğu şeklinde)gibi bilgilerle kişinin yeme tutumunu etkileyen faktörlerin incelenmesi.

Bu durumla ilgili

  • kimlerden veri toplayabileceğinizi,

#18 yaş üzeri kadın ve erkek yetişkinler

  • veri topladığınız kişilerden hangi bilgileri almanın anlamlı olacağını,

#cinsiyet, yaş, duygu(yemeyi tetikleyen duygu), kilo, yemek türü, uyku süresi

  • toplayacağınız bilgiler kapsamında değişkenlerin türlerini

#cinsiyet(kategorik:kadın-erkek), yaş(sayısal), duygu(kategorik:mutlu,üzgün,endişeli,stresli,öfkeli), kilo(sayısal), yemek türü(acı,tatlı,ekşi,tuzlu), uyku süresi(sayısal)

açıklayın.

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

#cinsiyet(kadın,erkek)/ duygu(mutlu,üzgün,endişeli,stresli,öfkeli)/ yemek türü(acı,tatlı,ekşi,tuzlu)

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

#yaş,kilo,uyku saati