📌 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)
## Warning: package 'dplyr' was built under R version 4.5.2
## 
## 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
library(lsr)
## Warning: package 'lsr' was built under R version 4.5.2
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")
  )
head(veri_3)
##   Cinsiyet    Yas Nabiz Egzersiz    Boy   Sigara
## 1    Kadın 18.250    92    Bazen 173.00      Hic
## 2    Erkek 17.583   104      Yok 177.80  Duzenli
## 3    Erkek 16.917    87      Yok     NA Ara Sıra
## 4    Erkek 20.333    NA      Yok 160.00      Hic
## 5    Erkek 23.667    35    Bazen 165.00      Hic
## 6    Kadın 21.000    64    Bazen 172.72      Hic

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)

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  
##                
##

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

Bu tablonun yorumlanması: Sık egzersiz yapanların nabızları düşük değerdedir, Egzersiz yapmayanların nabızları bazen egzersiz yapanların nabızlarına oranla daha düşüktür, bazen egzersiz yapanların nabızları sık yapanlardan ve hiç yapmayanlardan yüksektir. #### 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.

benim açıklayacağım konu kumar bağımlılığı hakkında:kumar oynama bozukluğu, kişinin bireysel, ailevi ve mesleki işlevselliğinin bozacak sekilde kumar oynama davranışının kontrol edilmemesi ile karakterize, kalıcı ve tekrar eden istenmeyen kumar davranışı olarak tanımlanmaktadır. #### Bu durumla ilgili

  • kimlerden veri toplayabileceğinizi, kumarhaneye giden insanlar, online kumar sitelerine üye olan insanlar

  • veri topladığınız kişilerden hangi bilgileri almanın anlamlı olacağını, kumara neden bağladığı, günde ortalama kaç saat kumar oynadıkları, günde kumara kaç para harcadıkları, kumarın aile ve mesleki hayatı nasıl etkilediğini öğrenmek anlamlı olabilir.

  • toplayacağınız bilgiler kapsamında değişkenlerin türlerini Kumar oynama düzeyi(0-100) Oynanılan kumar türü (yüzyüze kumar, online kumar) Duygu durumunu tetikleyici durumlar(yalnızlık, kalabalık, reklam görme…) Bireydeki davranışın kontrolü(kontrollü, kontrolsüz) #### açıklayın.

  • Topladığınız verileri göz önünde bulundurarak frekans tablosu oluşturabileceğiniz üç değişken tanımlayın. Cinsiyet Maddi durum mutluluk durumu

  • Topladığınız verileri göz önünde bulundurarak min, max, quarters, mod, median, mean değerlerini hesaplayabileceğiniz üç değişken tanımlayın. Yaş Maddi durum ekran süresi ####