Untitled

R Markdown

data("survey")

## Warning in data("survey"): data set 'survey' not found

library(MASS)
library(lsr)
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

names("survey")

## NULL

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

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

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

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

Soru 1.2: veri_2’nin ilk 10 satırını görüntüleyin.

head(veri_2,10)

##    cinsiyet    yaş sigara    boy egzersiz nabız
## 1    Female 18.250  Never 173.00     Some    92
## 2      Male 17.583  Regul 177.80     None   104
## 3      Male 16.917  Occas     NA     None    87
## 4      Male 20.333  Never 160.00     None    NA
## 5      Male 23.667  Never 165.00     Some    35
## 6    Female 21.000  Never 172.72     Some    64
## 7      Male 18.833  Never 182.88     Freq    83
## 8    Female 35.833  Never 157.00     Freq    74
## 9      Male 19.000  Never 175.00     Some    72
## 10     Male 22.333  Never 167.00     Some    90

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"="Kadin",
                    "Male"="Erkek"),
    egsersiz=recode(egzersiz,
                    "None"="Yok",
                    "Some"="Bazen",
                    "Freq"="Sık"),
    sigara=recode(sigara,
                  "Never"="Hic",
                  "Occas"="Ara Sıra",
                  "Regul"="Düzenli",
                  "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      yaş   sigara      boy egzersiz    nabız egsersiz 
##        1        0        1       28        0       45        0

veri_son<-na.omit(veri_3)

Soru 4: veri_son için yas, nabiz ve boy değişkenlerinin değerlerini açıklayın

summary(veri_son[, c("yaş","nabız","boy")])

##       yaş            nabız             boy       
##  Min.   :16.92   Min.   : 35.00   Min.   :152.0  
##  1st Qu.:17.67   1st Qu.: 66.25   1st Qu.:165.0  
##  Median :18.58   Median : 72.00   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

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),))

## # A tibble: 3 × 2
##   egzersiz ortalama_nabız
##   <fct>             <dbl>
## 1 Freq                 71
## 2 None                 76
## 3 Some                 77

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

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.

vize haftasındayız bende çok ders çalışmayı seven bi insan değilim bu yüzden vize haftasında en ihtiyacım olan hızlı öğrenmeyi etkileyen faktörleri incelemek istedim

Hızlı öğrenmenin anahtarı Etkenler tekrar aralığı odak gerçek uygulama

Hızlı öğrenmede tekrar aralığı çok önemlidir. çünkü beyin bilgiyi tutmqz bir anda. Aralıklı tekrar yapınca bilgi daha derine gider unutma yavaşlar. öğrenci her gün üst üste çalıştığında değil aralıklı tekrar yaptığında konuyu daha hızlı kapar. beynin dinlenerek aldığı bilgi daha sağlam olur. zaten hızlı öğrenenlerin çoğu tekrar aralığını doğru ayarlar buda öğrenme hızını arttırır.

diğer etkende odak var. odak olmadan öğrenme sadece zaman kaybıdır. ders çalışıyor gibi görünür ama hiçbir şey içeride kalmaz. odaklandığında ise kısa sürede çok daha fazla bilgi alınır. dikkat dağılmadığı için beyin tek bir işi daha temiz işler. sessiz ortam, telefondan uzak durmak, küçük sürelerde yoğun çalışma odak için güzel unsurlardır. odak olan kişi konuyu daha kısa sürede toparlar ve hızlı öğrenme olur

son değişken gerçek uygulama. sadece okuyarak öğrenen kişi genelde yavaş öğrenir. beynin en sevdiği şey uygulamadır. öğrendiğin şeyi kullanınca bilgi hemen oturur. soru çözmek, pratik yapmak, denemek hepsi gerçek uygulamadır. gerçek uygulama olduğunda konu kalıcı olur ve hızlı öğrenme çok daha kolay gerçekleşir. zaten öğrenmeyi hızlandıran şey uygulamanın verdiği geri bildirimdir bu da bilgiyi netleştirir ve performansı arttırar.