SSB201-28.11.2025

📌 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.

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.

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)


veri_1 <- survey %>% select(Sex, Age, Pulse, Exer, Height, Smoke)

veri_1

##        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
## 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
## 11  Female 28.500    80 Freq 156.20 Never
## 12    Male 18.250    68 Freq     NA Never
## 13  Female 18.750    NA Some 155.00 Never
## 14  Female 17.500    66 Some 155.00 Never
## 15    Male 17.167    60 Some     NA Never
## 16  Female 17.167    NA Freq 156.00 Never
## 17  Female 19.333    89 Freq 157.00 Never
## 18    Male 18.333    74 Some 182.88 Never
## 19    Male 19.750    NA Some 190.50 Never
## 20    Male 17.917    78 Freq 177.00 Never
## 21    Male 17.917    72 Freq 190.50 Never
## 22    Male 18.167    72 Freq 180.34 Never
## 23    Male 17.833    64 Freq 180.34 Never
## 24    Male 18.250    62 Some 184.00 Never
## 25  Female 19.167    64 Some     NA Never
## 26    Male 17.583    90 Some     NA Never
## 27    Male 17.500    90 Some 172.72 Never
## 28    Male 18.083    62 Freq 175.26 Never
## 29    Male 21.917    76 Freq     NA Never
## 30    Male 19.250    79 Some 167.00 Never
## 31  Female 41.583    76 None     NA Occas
## 32    Male 17.500    78 Freq 180.00 Never
## 33  Female 39.750    72 Freq 166.40 Heavy
## 34    Male 17.167    70 Some 180.00 Never
## 35    Male 17.750    54 Some     NA Regul
## 36    Male 18.000    66 Freq 190.00 Occas
## 37  Female 19.000    NA Some 168.00 Never
## 38    Male 17.917    72 Freq 182.50 Never
## 39    Male 35.500    80 Some 185.00 Never
## 40    Male 19.917    NA Freq 171.00 Occas
## 41  Female 17.500    NA Some 169.00 Never
## 42  Female 17.083    72 Some 154.94 Never
## 43    Male 28.583    60 Some 172.00 Never
## 44  Female 17.500    80 Some 176.50 Never
## 45  Female 17.417    70 Freq 180.34 Never
## 46    Male 18.500    NA Freq 180.34 Never
## 47    Male 18.917    84 Freq 180.00 Regul
## 48    Male 19.417    96 None 170.00 Never
## 49  Female 18.417    60 Some 168.00 Occas
## 50  Female 30.750    50 None 165.00 Never
## 51    Male 18.500    55 Freq 200.00 Never
## 52    Male 17.500    68 Freq 190.00 Never
## 53    Male 18.333    78 Some 170.18 Never
## 54    Male 17.417    56 Freq 179.00 Never
## 55    Male 20.000    65 Freq 182.00 Regul
## 56    Male 18.333    NA Freq 171.00 Never
## 57  Female 17.167    70 None 157.48 Never
## 58    Male 17.417    72 Freq     NA Never
## 59    Male 17.667    62 Freq 177.80 Never
## 60    Male 18.417    NA Freq 175.26 Occas
## 61    Male 20.333    66 Freq 187.00 Never
## 62  Female 17.333    72 Freq 167.64 Never
## 63  Female 17.500    70 Freq 178.00 Never
## 64  Female 19.833    NA None 170.00 Never
## 65  Female 18.583    64 Freq 164.00 Never
## 66    Male 18.000    NA Freq 183.00 Never
## 67  Female 30.667    NA Freq 172.00 Never
## 68  Female 16.917    64 Freq     NA Never
## 69    Male 19.917    NA Some 180.00 Never
## 70    Male 18.333    80 None     NA  <NA>
## 71  Female 17.583    64 Freq 170.00 Never
## 72    Male 17.833    NA Freq 176.00 Heavy
## 73  Female 17.667    68 Some 171.00 Never
## 74  Female 17.417    40 Freq 167.64 Never
## 75  Female 17.750    88 Some 165.00 Never
## 76  Female 20.667    68 Freq 170.00 Heavy
## 77  Female 23.583    76 Some 165.00 Never
## 78  Female 17.167    NA Freq 165.10 Heavy
## 79  Female 17.083    68 Some 165.10 Never
## 80    Male 18.750    NA Freq 185.42 Never
## 81    Male 16.750    66 Some     NA Never
## 82    Male 20.167    76 Freq 176.50 Never
## 83  Female 17.667    98 Freq     NA Never
## 84  Female 17.167    NA Some     NA Never
## 85    Male 17.167    90 Freq 167.64 Never
## 86  Female 17.250    76 Some 167.00 Never
## 87  Female 18.000    70 Some 162.56 Never
## 88  Female 18.750    75 Freq 170.00 Never
## 89    Male 21.583    60 Freq 179.00 Never
## 90  Female 17.583    92 Some     NA Never
## 91    Male 19.667    75 Some 183.00 Never
## 92  Female 18.000    NA Some     NA Never
## 93  Female 19.667    70 Some 165.00 Never
## 94  Female 17.083    NA Some 168.00 Never
## 95    Male 22.833    65 Freq 179.00 Heavy
## 96  Female 17.083    NA Some     NA Never
## 97    Male 19.417    68 Freq 190.00 Regul
## 98  Female 23.250    60 Freq 166.50 Never
## 99    Male 18.083    NA Freq 165.00 Never
## 100 Female 19.083    68 Freq 175.26 Never
## 101   Male 18.917    NA Some 187.00 Never
## 102   Male 17.750    60 None 170.00 Never
## 103 Female 20.833    NA Some 159.00 Never
## 104 Female 20.167    72 Freq 175.00 Never
## 105 Female 17.667    80 Some 163.00 Heavy
## 106 Female 18.250    80 Some 170.00 Never
## 107 Female 17.000    NA Freq 172.00 Occas
## 108 Female 18.500    85 Freq     NA Never
## 109   Male 18.583    64 Freq 180.00 Never
## 110   Male 17.750    67 Some 180.34 Regul
## 111 Female 24.167    76 Freq 175.00 Never
## 112   Male 18.167    80 None 190.50 Never
## 113 Female 21.167    75 Freq 170.18 Never
## 114   Male 17.917    60 Freq 185.00 Never
## 115 Female 17.417    60 Freq 162.56 Never
## 116 Female 20.500    70 None 158.00 Never
## 117 Female 22.917    70 Some 159.00 Never
## 118   Male 18.917    83 Some 193.04 Heavy
## 119 Female 18.917   100 Some 171.00 Never
## 120   Male 20.083   100 Freq 184.00 Heavy
## 121   Male 17.500    80 Freq     NA Occas
## 122   Male 18.250    76 Freq 177.00 Occas
## 123 Female 17.500    92 Freq 172.00 Never
## 124   Male 17.417    59 Freq 180.00 Never
## 125   Male 21.000    66 Freq 175.26 Never
## 126   Male 19.833    NA Freq 180.34 Never
## 127 Female 17.667    68 Freq 172.72 Never
## 128   Male 18.083    66 Freq 178.50 Regul
## 129 Female 18.000    74 Freq 157.00 Never
## 130 Female 18.333    90 Some 152.00 Never
## 131   Male 20.000    86 Freq 187.96 Never
## 132   Male 18.750    60 Some 178.00 Never
## 133 Female 19.083    86 Some     NA Never
## 134 Female 18.500    80 Freq 160.02 Occas
## 135   Male 18.417    85 Some 175.26 Never
## 136   Male 19.167    90 Some 189.00 Regul
## 137   <NA> 21.500    73 Freq 172.00 Never
## 138   Male 19.333    72 Freq 182.88 Never
## 139   Male 21.417    NA Freq 170.00 Never
## 140 Female 18.667    68 None 167.00 Never
## 141 Female 17.500    84 Some 175.00 Never
## 142 Female 21.083    NA None 165.00 Never
## 143 Female 17.250    65 Freq 172.72 Never
## 144   Male 19.000    96 Some 180.00 Never
## 145 Female 19.167    68 Freq 172.00 Never
## 146   Male 19.000    75 Some 185.00 Never
## 147   Male 23.000    64 Freq 187.96 Regul
## 148   Male 32.667    60 Freq 185.42 Never
## 149 Female 20.000    92 Freq 165.00 Never
## 150 Female 20.167    64 Freq 164.00 Never
## 151   Male 25.500    76 Freq 195.00 Never
## 152 Female 18.167    80 Freq 165.00 Never
## 153 Female 23.500    92 Some 152.40 Regul
## 154   Male 70.417    69 Freq 172.72 Never
## 155   Male 43.833    68 None 180.34 Never
## 156   Male 23.583    76 Freq 173.00 Never
## 157   Male 21.083    NA Freq     NA Heavy
## 158 Female 44.250    74 Some 167.64 Never
## 159   Male 19.667    NA None 187.96 Never
## 160   Male 17.917    84 Freq 187.00 Regul
## 161 Female 18.417    80 None 167.00 Never
## 162   Male 21.167    NA Some 168.00 Never
## 163   Male 17.500    72 Some 191.80 Never
## 164 Female 29.083    60 Freq 169.20 Occas
## 165   Male 19.917    NA Some 177.00 Never
## 166 Female 18.500    81 Some 168.00 Never
## 167 Female 18.167    70 Some 170.00 Never
## 168 Female 32.750    65 Some 160.02 Regul
## 169   Male 17.417    NA Freq 189.00 Never
## 170   Male 17.333    72 Freq 180.34 Never
## 171 Female 73.000    NA Some 168.00 Never
## 172   Male 18.667    80 Some 182.88 Occas
## 173 Female 18.500    50 Some     NA Regul
## 174 Female 18.667    48 Freq 165.00 Never
## 175 Female 17.750    68 Freq 157.48 Never
## 176 Female 17.250   104 Freq 170.00 Never
## 177   Male 36.583    76 Freq 172.72 Regul
## 178 Female 23.083    84 Freq 164.00 Never
## 179 Female 19.250    NA Freq     NA Regul
## 180 Female 17.167    70 Some 162.56 Never
## 181   Male 23.417    68 Freq 172.00 Occas
## 182 Female 17.083    87 Freq 165.10 Occas
## 183 Female 17.250    79 Some 162.50 Never
## 184   Male 23.833    70 Freq 170.00 Never
## 185   Male 18.750    90 Some 175.00 Never
## 186   Male 21.167    72 Some 168.00 Never
## 187 Female 24.667    79 Some 163.00 Never
## 188   Male 18.500    65 None 165.00 Never
## 189   Male 20.333    62 Freq 173.00 Never
## 190   Male 20.083    63 Freq 196.00 Never
## 191   Male 18.917    92 Some 179.10 Never
## 192   Male 27.333    60 Some 180.00 Never
## 193   Male 18.917    68 None 176.00 Occas
## 194 Female 17.250    72 Some 160.02 Never
## 195 Female 18.167    NA None 157.48 Never
## 196 Female 26.500    76 Some 165.00 Never
## 197 Female 17.000    80 Freq 170.18 Never
## 198   Male 17.167    71 Freq 154.94 Never
## 199 Female 19.167    80 Some 170.00 Occas
## 200 Female 17.500    80 Some 164.00 Never
## 201 Female 19.250    61 Some 167.00 Occas
## 202   Male 21.333    48 Freq 174.00 Never
## 203 Female 18.583    76 Some     NA Never
## 204 Female 20.167    86 None 160.00 Never
## 205   Male 18.667    80 Some 179.10 Regul
## 206 Female 17.083    83 Freq 168.00 Occas
## 207 Female 17.417    76 Some 153.50 Never
## 208   Male 18.583    84 Some 160.00 Never
## 209   Male 19.500    97 None 165.00 Never
## 210 Female 18.500    NA Freq 171.50 Never
## 211 Female 17.167    74 Some 160.00 Never
## 212 Female 17.250    83 Some 163.00 Never
## 213   Male 17.500    78 Freq     NA Never
## 214   Male 20.417    65 Some 165.00 Never
## 215 Female 17.083    68 Some 168.90 Never
## 216   Male 21.250    NA Some 170.00 Never
## 217 Female 19.250    NA None     NA Never
## 218   Male 19.333    88 Freq 185.00 Never
## 219 Female 19.167    NA Freq 173.00 Never
## 220   Male 18.917    75 Freq 188.00 Never
## 221   Male 20.917    NA None 171.00 Heavy
## 222 Female 17.333    70 Freq 167.64 Never
## 223 Female 18.167    88 Some 162.56 Never
## 224 Female 20.750    NA Freq 150.00 Never
## 225 Female 19.917    NA Some     NA Never
## 226 Female 18.667    96 Some     NA Never
## 227 Female 18.417    80 Some 170.18 Heavy
## 228   Male 17.417    68 Freq 185.00 Never
## 229 Female 20.333    70 Freq 167.00 Regul
## 230   Male 19.333    71 Freq 185.00 Occas
## 231 Female 18.167    80 Some 169.00 Never
## 232   Male 20.750    NA Some 180.34 Never
## 233 Female 17.667    85 Some 165.10 Never
## 234 Female 16.917    88 Some 160.00 Never
## 235 Female 18.583    NA Some 170.00 Never
## 236   Male 17.167    90 Some 183.00 Never
## 237 Female 17.750    85 Freq 168.50 Never

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

veri_2 <- veri_1
names(veri_2) <- c("Cinsiyet","Yaş","Nabız","Egzersiz","Boy","Sigara")

Soru 1.2: `veri_2`’nin ilk 10 satırını görüntüleyin.

head(veri_2,10)

##    Cinsiyet    Yaş Nabız 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" = "Hiç","Some" = "Ara sıra","Freq" = "Sık"),
    
    Sigara = recode(Sigara,
                    "Never" = "Hiç","Occas" = "Ara sıra",
                    "Regul" = "Düzenli","Heavy" = "Fazla") 
  )

table(veri_3$Egzersiz)

## 
##      Sık      Hiç Ara sıra 
##      115       24       98

table(veri_3$Sigara)

## 
##    Fazla      Hiç Ara sıra  Düzenli 
##       11      189       19       17

table(veri_3$Cinsiyet)

## 
## Kadın Erkek 
##   118   118

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.

is.na(veri_3)

##     Cinsiyet   Yaş Nabız 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

colSums(is.na(veri_3))

## Cinsiyet      Yaş    Nabız Egzersiz      Boy   Sigara 
##        1        0       45        0       28        1

Cinsiyette 1, nabız verisinde 45, boy verisinde 28 ve sigara verisinde 1 tane boş değer vardır.

veri_son <- na.omit(veri_3)

nrow(veri_3)

## [1] 237

nrow(veri_son)

## [1] 170

Soru 4: `veri_son` için yas, nabiz ve boy değişkenlerinin

min
max
1st quarter
3rd quarter
mean
median

değerlerini açıklayın.

summary(veri_son)

##   Cinsiyet       Yaş            Nabız            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   Hiç     :14   1st Qu.:165.0  
##             Median :18.58   Median : 72.00   Ara sıra: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  
##                
##

Yaş ortalaması 20.46, çoğu 17.7–20.1 arasında. Nabız ortalaması 73.92, genelde 66–80 aralığında. Boy ortalaması 172.5, büyük kısmı 165–180 cm.

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

veri_son %>%
  group_by(Egzersiz) %>%
  summarise(Ortalama_Nabız = round(mean(Nabız),2))

## # A tibble: 3 × 2
##   Egzersiz Ortalama_Nabız
##   <fct>             <dbl>
## 1 Sık                71.4
## 2 Hiç                75.9
## 3 Ara sıra           76.6

Verisetinde sık egzersiz yapanların nabzı ortalama 71 ile en düşük, ; en yüksek ise ara sıra yapanlarda görülmüş olup ortalama 77 ile egzersiz yapmayanlarda nabız ortalama 76 olarak görülmüştür.(virgüllü değerler bir üste yuvarlanmıştır)

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

 library (lsr)
mean(veri_son$Yaş)

## [1] 20.46377

median(veri_son$Yaş)

## [1] 18.583

modeOf(veri_son$Yaş)

## [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.

Ben gün içinde bol bol TikTok izliyorum. Bazen fark etmeden saatler akıp gidiyor ve ders çalışmaya ayıracağım vakit azalıyor. Bu yüzden TikTok kullanım sürem ile ders verimim arasında bir ilişki var mı merak ediyorum. Bu durumu veri toplayıp analiz etmek isterdim.

Kimlerden veri toplarım?

Benim gibi üniversiteye giden arkadaşlarımdan

Özellikle sık telefon ve sosyal medya kullananlardan

- Farklı bölümlerde okuyan kişilerden de toplarsam karşılaştırma yapabilirim

Katılımcılardan hangi bilgileri toplarım?

Günlük TikTok izleme süresi (dakika) -Sayısal – Sürekli-

O günkü derse odaklanma puanı -Ordinal (sıralı)-

O gün izlediğim tiktokların % kaçını derste izlediğim -Sayısal – Sürekli-

Tiktok izlerken derste sorduğum soru sayısı -Sayısal – kesikli-

Tiktok izlemeden derste sorduğum soru sayısı -Sayısal – Kesikli-

Topladığım verileri incelediğimde frekans tablosu oluşturabileceğim üç değişken belirledim. Bunlardan ilki TikTok izlerken derste sorduğum soru sayısıdır; bu değişken 0, 1, 2 gibi tekrarlayan değerlere sahip olacağından kaç kişinin kaç soru sorduğunu frekans tablosu ile gösterebilirim. Benzer şekilde TikTok izlemediğim günlerde derste sorduğum soru sayısı da sayılabilir ve sınıflandırılabilir bir yapıda olduğu için frekans tablosu oluşturmaya elverişlidir. Ayrıca derste izlenen TikTok yüzdesi değişkeni belirli aralıklara (örneğin %0–25–50–75–100) bölündüğünde kaç kişinin hangi gruba düştüğünü görmek mümkün olur ve bu da frekans dağılımı açısından analiz yapmayı kolaylaştırır. Bunun yanında bazı değişkenlerle daha fazla istatistiksel inceleme yapılabilir. Örneğin günlük TikTok izleme süresi dakikayla ölçüldüğü için bu değişkende minimum, maksimum, çeyreklik değerler, ortalama, medyan ve mod gibi merkezi eğilim ölçüleri hesaplanabilir. Derste izlenen TikTok yüzdesi de sürekli bir değişken olduğu için benzer şekilde dağılım ölçümleri yapılabilir. Son olarak, o günkü derse odaklanma puanı sayısal ve sıralı olduğu için ortalama, medyan ve mod hesaplanarak öğrencilerin genel odak düzeyi yorumlanabilir.

SSB201-28.11.2025

Selin Nisa Yıldız

2025-11-28

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.

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

Soru 1.2: `veri_2`’nin ilk 10 satırını görüntüleyin.

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

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.

Soru 4: `veri_son` için yas, nabiz ve boy değişkenlerinin

değerlerini açıklayın.

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

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

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

açıklayın.

SSB201-28.11.2025

Selin Nisa Yıldız

2025-11-28

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.

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

Soru 1.2: veri_2’nin ilk 10 satırını görüntüleyin.

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

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.

Soru 4: veri_son için yas, nabiz ve boy değişkenlerinin

değerlerini açıklayın.

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

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

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

açıklayın.

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.

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

Soru 1.2: `veri_2`’nin ilk 10 satırını görüntüleyin.

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

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.

Soru 4: `veri_son` için yas, nabiz ve boy değişkenlerinin

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