📌 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 %>% 
  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,
    Yaş = Age,
    Nabız = Pulse,
    Egzersiz = Exer,
    Boy = Height,
    Sigara = Smoke
  )

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,
                      "Male"="Erkek",
                      "Female"="Kadın"),
    Egzersiz = recode(Egzersiz,
                      "none"="Hiç",
                      "some"="Bazen",
                      "freq"="Sık"),
    Sigara = recode(Sigara,
                    "never"="Hiç",
                    "occas"="Ara_Sıra",
                    "reguler"="Düzenli",
                    "heavy"="Çok")
  )
head(veri_3)
##   Cinsiyet    Yaş Nabız Egzersiz    Boy Sigara
## 1    Kadın 18.250    92     Some 173.00  Never
## 2    Erkek 17.583   104     None 177.80  Regul
## 3    Erkek 16.917    87     None     NA  Occas
## 4    Erkek 20.333    NA     None 160.00  Never
## 5    Erkek 23.667    35     Some 165.00  Never
## 6    Kadın 21.000    64     Some 172.72  Never

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      Yaş    Nabız Egzersiz      Boy   Sigara 
##        1        0       45        0       28        1
veri_son <- na.omit(veri_3)

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   Freq:86   Min.   :152.0  
##  Erkek:85   1st Qu.:17.67   1st Qu.: 66.25   None:14   1st Qu.:165.0  
##             Median :18.58   Median : 72.00   Some: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   
##  Heavy:  7  
##  Never:136  
##  Occas: 13  
##  Regul: 14  
##             
##

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 Freq               71.4
## 2 None               75.9
## 3 Some               76.6

Egzersiz sıklığı arttıkça ortalama nabız azalır. #### 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.

Üniversite öğrencileri arasında “Alışveriş Bağımlılığı Eğilimi” ile yapılan harcamalar ve duygusal durumlara etkileri incelemek. #### Bu durumla ilgili

  • kimlerden veri toplayabileceğinizi,

  • veri topladığınız kişilerden hangi bilgileri almanın anlamlı olacağını,

  • toplayacağınız bilgiler kapsamında değişkenlerin türlerini

açıklayın.

  • kimlerden veri toplayabileceğinizi,

Çevremizdeki insanlar, üniversite öğrencileri, alışveriş bağımlılığı bulunan insanlar.

  • veri topladığınız kişilerden hangi bilgileri almanın anlamlı olacağını,

Alışveriş yapma sıklığı, yaptığı aylık harcamalar, alışveriş türü (online,mağaza), alışveriş yaparkenki duyguları(mutlu,huzursuz vb.)

  • toplayacağınız bilgiler kapsamında değişkenlerin türlerini

Cinsiyet ; Sayısal (Kadın-Erkek) Alışveriş Sıklığı ; Kategorik (Hiç-Nadiren-Ayda Bir) Alışveriş Yaparken Hissedilen Duygu ; Kategorik (Mutluluk-Pişmanlık-Heyecan) Harcama Miktarı ; Sayısal (TL olarak harcanan miktar)

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

-Cinsiyet -Alışveriş Yapma Sıklığı -Alışveriş Türü

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

-Aylık Harcama -Yaş -Bağımlılık Seviyesi