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.

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

min
max
1st quarter
3rd quarter
mean
median

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

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.

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)

1.SORU

data(survey)

veri1<-survey %>% dplyr::select(Age,Smoke,Sex,Exer,Height,Pulse)

SORU 1.1

veri2<-veri1 %>% rename(yas=Age,
                        sigara=Smoke,
                        cinsiyet=Sex,
                        egzersiz=Exer,
                        boy=Height,
                        nabiz=Pulse)

SORU 1.2

head(survey,10)

##       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
## 7    Male   17.7   17.7 Right  L on R    83   Right Freq Never 182.88 Imperial
## 8  Female   17.0   17.3 Right  R on L    74   Right Freq Never 157.00   Metric
## 9    Male   20.0   19.5 Right  R on L    72   Right Some Never 175.00   Metric
## 10   Male   18.5   18.5 Right  R on L    90   Right Some Never 167.00   Metric
##       Age
## 1  18.250
## 2  17.583
## 3  16.917
## 4  20.333
## 5  23.667
## 6  21.000
## 7  18.833
## 8  35.833
## 9  19.000
## 10 22.333

2.SORU

veri3 <- veri2 %>%
  mutate(
    cinsiyet = recode(cinsiyet,
                      "Female" = "Kadın",
                      "Male"   = "Erkek"),
    
    sigara = recode(sigara,
                    "Never" = "Hic",
                    "Occas" = "Ara Sıra",
                    "Regul" = "Düzenli",
                    "Heavy" = "Fazla"),
    
    egzersiz = recode(egzersiz,
                      "None" = "Yok",
                      "Some" = "Bazen",
                      "Freq" = "Sık")
  )

3.SORU

is.na(veri3)

##       yas sigara cinsiyet egzersiz   boy nabiz
## 1   FALSE  FALSE    FALSE    FALSE FALSE FALSE
## 2   FALSE  FALSE    FALSE    FALSE FALSE FALSE
## 3   FALSE  FALSE    FALSE    FALSE  TRUE FALSE
## 4   FALSE  FALSE    FALSE    FALSE FALSE  TRUE
## 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    FALSE    FALSE FALSE  TRUE
## 14  FALSE  FALSE    FALSE    FALSE FALSE FALSE
## 15  FALSE  FALSE    FALSE    FALSE  TRUE FALSE
## 16  FALSE  FALSE    FALSE    FALSE FALSE  TRUE
## 17  FALSE  FALSE    FALSE    FALSE FALSE FALSE
## 18  FALSE  FALSE    FALSE    FALSE FALSE FALSE
## 19  FALSE  FALSE    FALSE    FALSE FALSE  TRUE
## 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    FALSE    FALSE FALSE  TRUE
## 38  FALSE  FALSE    FALSE    FALSE FALSE FALSE
## 39  FALSE  FALSE    FALSE    FALSE FALSE FALSE
## 40  FALSE  FALSE    FALSE    FALSE FALSE  TRUE
## 41  FALSE  FALSE    FALSE    FALSE FALSE  TRUE
## 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    FALSE    FALSE FALSE  TRUE
## 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    FALSE    FALSE FALSE  TRUE
## 57  FALSE  FALSE    FALSE    FALSE FALSE FALSE
## 58  FALSE  FALSE    FALSE    FALSE  TRUE FALSE
## 59  FALSE  FALSE    FALSE    FALSE FALSE FALSE
## 60  FALSE  FALSE    FALSE    FALSE FALSE  TRUE
## 61  FALSE  FALSE    FALSE    FALSE FALSE FALSE
## 62  FALSE  FALSE    FALSE    FALSE FALSE FALSE
## 63  FALSE  FALSE    FALSE    FALSE FALSE FALSE
## 64  FALSE  FALSE    FALSE    FALSE FALSE  TRUE
## 65  FALSE  FALSE    FALSE    FALSE FALSE FALSE
## 66  FALSE  FALSE    FALSE    FALSE FALSE  TRUE
## 67  FALSE  FALSE    FALSE    FALSE FALSE  TRUE
## 68  FALSE  FALSE    FALSE    FALSE  TRUE FALSE
## 69  FALSE  FALSE    FALSE    FALSE FALSE  TRUE
## 70  FALSE   TRUE    FALSE    FALSE  TRUE FALSE
## 71  FALSE  FALSE    FALSE    FALSE FALSE FALSE
## 72  FALSE  FALSE    FALSE    FALSE FALSE  TRUE
## 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    FALSE    FALSE FALSE  TRUE
## 79  FALSE  FALSE    FALSE    FALSE FALSE FALSE
## 80  FALSE  FALSE    FALSE    FALSE FALSE  TRUE
## 81  FALSE  FALSE    FALSE    FALSE  TRUE FALSE
## 82  FALSE  FALSE    FALSE    FALSE FALSE FALSE
## 83  FALSE  FALSE    FALSE    FALSE  TRUE FALSE
## 84  FALSE  FALSE    FALSE    FALSE  TRUE  TRUE
## 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    FALSE    FALSE  TRUE  TRUE
## 93  FALSE  FALSE    FALSE    FALSE FALSE FALSE
## 94  FALSE  FALSE    FALSE    FALSE FALSE  TRUE
## 95  FALSE  FALSE    FALSE    FALSE FALSE FALSE
## 96  FALSE  FALSE    FALSE    FALSE  TRUE  TRUE
## 97  FALSE  FALSE    FALSE    FALSE FALSE FALSE
## 98  FALSE  FALSE    FALSE    FALSE FALSE FALSE
## 99  FALSE  FALSE    FALSE    FALSE FALSE  TRUE
## 100 FALSE  FALSE    FALSE    FALSE FALSE FALSE
## 101 FALSE  FALSE    FALSE    FALSE FALSE  TRUE
## 102 FALSE  FALSE    FALSE    FALSE FALSE FALSE
## 103 FALSE  FALSE    FALSE    FALSE FALSE  TRUE
## 104 FALSE  FALSE    FALSE    FALSE FALSE FALSE
## 105 FALSE  FALSE    FALSE    FALSE FALSE FALSE
## 106 FALSE  FALSE    FALSE    FALSE FALSE FALSE
## 107 FALSE  FALSE    FALSE    FALSE FALSE  TRUE
## 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    FALSE    FALSE FALSE  TRUE
## 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 FALSE  FALSE     TRUE    FALSE FALSE FALSE
## 138 FALSE  FALSE    FALSE    FALSE FALSE FALSE
## 139 FALSE  FALSE    FALSE    FALSE FALSE  TRUE
## 140 FALSE  FALSE    FALSE    FALSE FALSE FALSE
## 141 FALSE  FALSE    FALSE    FALSE FALSE FALSE
## 142 FALSE  FALSE    FALSE    FALSE FALSE  TRUE
## 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    FALSE    FALSE  TRUE  TRUE
## 158 FALSE  FALSE    FALSE    FALSE FALSE FALSE
## 159 FALSE  FALSE    FALSE    FALSE FALSE  TRUE
## 160 FALSE  FALSE    FALSE    FALSE FALSE FALSE
## 161 FALSE  FALSE    FALSE    FALSE FALSE FALSE
## 162 FALSE  FALSE    FALSE    FALSE FALSE  TRUE
## 163 FALSE  FALSE    FALSE    FALSE FALSE FALSE
## 164 FALSE  FALSE    FALSE    FALSE FALSE FALSE
## 165 FALSE  FALSE    FALSE    FALSE FALSE  TRUE
## 166 FALSE  FALSE    FALSE    FALSE FALSE FALSE
## 167 FALSE  FALSE    FALSE    FALSE FALSE FALSE
## 168 FALSE  FALSE    FALSE    FALSE FALSE FALSE
## 169 FALSE  FALSE    FALSE    FALSE FALSE  TRUE
## 170 FALSE  FALSE    FALSE    FALSE FALSE FALSE
## 171 FALSE  FALSE    FALSE    FALSE FALSE  TRUE
## 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    FALSE    FALSE  TRUE  TRUE
## 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    FALSE    FALSE FALSE  TRUE
## 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    FALSE    FALSE FALSE  TRUE
## 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    FALSE    FALSE FALSE  TRUE
## 217 FALSE  FALSE    FALSE    FALSE  TRUE  TRUE
## 218 FALSE  FALSE    FALSE    FALSE FALSE FALSE
## 219 FALSE  FALSE    FALSE    FALSE FALSE  TRUE
## 220 FALSE  FALSE    FALSE    FALSE FALSE FALSE
## 221 FALSE  FALSE    FALSE    FALSE FALSE  TRUE
## 222 FALSE  FALSE    FALSE    FALSE FALSE FALSE
## 223 FALSE  FALSE    FALSE    FALSE FALSE FALSE
## 224 FALSE  FALSE    FALSE    FALSE FALSE  TRUE
## 225 FALSE  FALSE    FALSE    FALSE  TRUE  TRUE
## 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    FALSE    FALSE FALSE  TRUE
## 233 FALSE  FALSE    FALSE    FALSE FALSE FALSE
## 234 FALSE  FALSE    FALSE    FALSE FALSE FALSE
## 235 FALSE  FALSE    FALSE    FALSE FALSE  TRUE
## 236 FALSE  FALSE    FALSE    FALSE FALSE FALSE
## 237 FALSE  FALSE    FALSE    FALSE FALSE FALSE

any(is.na(veri3))

## [1] TRUE

colSums(is.na(veri3))

##      yas   sigara cinsiyet egzersiz      boy    nabiz 
##        0        1        1        0       28       45

veri_son<-na.omit(veri3)

#Bu fonksiyonda egzersiz değişkeninde 0 kayıp veri,boy değişkeninde 28 kayıp veri,nabız değişkeninde 45 kayıp veri,yaş değişkeninde 0 kayıp veri,sigara değişkeninde 1 kayıp veri,cinsiyet değişkeninde 1 kayıp veri mevcuttur.

SORU

summary(veri_son)

##       yas             sigara     cinsiyet   egzersiz       boy       
##  Min.   :16.92   Fazla   :  7   Kadın:85   Sık  :86   Min.   :152.0  
##  1st Qu.:17.67   Hic     :136   Erkek:85   Yok  :14   1st Qu.:165.0  
##  Median :18.58   Ara Sıra: 13              Bazen:70   Median :171.0  
##  Mean   :20.46   Düzenli : 14                         Mean   :172.5  
##  3rd Qu.:20.17                                        3rd Qu.:180.0  
##  Max.   :70.42                                        Max.   :200.0  
##      nabiz       
##  Min.   : 35.00  
##  1st Qu.: 66.25  
##  Median : 72.00  
##  Mean   : 73.92  
##  3rd Qu.: 80.00  
##  Max.   :104.00

SORU 4.1

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

#not2:Sık egzersiz yapanlarda ortalama nabız 71.43,hiç egzersiz yapmayanların ortalama nabzı 75.86,bazen egzersiz yapanların ortalama nabzı ise 76.59’dur.

SORU 4.2

modeOf(veri_son$yas)

## [1] 17.5

median(veri_son$yas)

## [1] 18.583

mean(veri_son$yas)

## [1] 20.46377

5.SORU ÇAY TÜKETİMİNİN GÜNLÜK SU İÇME MİKTARINA ETKİSİ 1.kimlerden veri toplarım? -ev hanımları -öğrenciler -işçiler 2.hangi bilgileri alırım? -günlük içilen çay -günlük içilen su -kişi sayısı 3.değişkenler (nicel değişken) -su içme miktarı -çay bardağı sayısı (nitel değişken) -çalışma ortamı 4.frekans tablosu oluşturabilmem için 3 değişken -çay bardağı sayısı -su bardağı sayısı -kişi sayısı 5.min,max,quarters,mod,median,mean,değerlerini hesaplayabileceğim 3 değişken -günlük ortalama içilen çay ve su miktarı -günlük toplam sıvı tüketim miktarı -günlük ortalamada çay içen kişi sayısı

SSB201-28.11.2025

ESMA ASLAN

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

ESMA ASLAN

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.