📌 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)
data("survey")
veri_1<-survey %>% dplyr::select(Sex,Age,Pulse,Exer,Height,Smoke)
head(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
veri_2<-veri_1 %>% rename(cinsiyet=Sex,yas=Age,nabiz=Pulse,egzersiz=Exer,boy=Height,sigara=Smoke)
head(veri_2)
##   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
names(veri_2)
## [1] "cinsiyet" "yas"      "nabiz"    "egzersiz" "boy"      "sigara"
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
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" = "Hiç",
                       "Occas" = "Ara Sıra",
                       "Regul" = "Düzenli",
                       "Heavy" = "Fazla"))
head(veri_3)
##   cinsiyet    yas nabiz egzersiz    boy   sigara
## 1    Kadın 18.250    92    Bazen 173.00      Hiç
## 2    Erkek 17.583   104      Yok 177.80  Düzenli
## 3    Erkek 16.917    87      Yok     NA Ara Sıra
## 4    Erkek 20.333    NA      Yok 160.00      Hiç
## 5    Erkek 23.667    35    Bazen 165.00      Hiç
## 6    Kadın 21.000    64    Bazen 172.72      Hiç
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)

#Bu işlem sonucunda 67 tane eksik değerin olduğu ortaya çıkmıştır.

summary(veri_son$yas)
##    Min. 1st Qu.  Median    Mean 3rd Qu.    Max. 
##   16.92   17.67   18.58   20.46   20.17   70.42

#Min: Katılımcılardan en düşük yaşa sahip olan kişinin yaşının 16.92 olduğunu gösterir. #1st Qu: Katılımcıların yaşının %25’inin 17.67’ den küçük olduğunu gösterir. #Median: Katılan katılımcıların yaşlarının ortanca değerinin 18.58 olduğunu gösterir. #Mean: Katılan katılımcıların yaşlarının ortalamasının 20.46 olduğunu gösterir. #3rd Qu: Katılımcıların yaşlarının %75’inin 20.17’den küçük olduğunu gösterir. #Max: Katılımcıların en büyük yaşa sahip olan kişinin yaşının 70.42 olduğunu gösterir.

summary(veri_son$nabiz)
##    Min. 1st Qu.  Median    Mean 3rd Qu.    Max. 
##   35.00   66.25   72.00   73.92   80.00  104.00

#Min: Katılan katılımcıların en düşük nabıza sahip oolan kişinin nabzının 35.00 olduğunu gösterir. #1st Qu: Katılımcıların nabzının %25’inin 66.25’ten küçük olduğunu gösterir. #Mediam: Katılımcıların nabızlarının ortanca değerinin 72.00 olduğunu gösterir. #Mean: Katılımcıların nabızlarının ortalamasının 73.92 olduğunu gösterir. #3rd Qu: Katılımcıların nabızlarının %75’inin 80.00’dan küçük olduğunu gösterir. #Max: Katılımcıların en yüksek nabıza sahip olan kişinin nabzının 104.00 olduğunu gösterir.

summary(veri_son$boy)
##    Min. 1st Qu.  Median    Mean 3rd Qu.    Max. 
##   152.0   165.0   171.0   172.5   180.0   200.0

#Min: Katılımcıların en kısa boylusunun boyunun 152 cm olduğunu gösterir. #1st Qu: Katılımcıların boylarının %25’inin 165 cm’den kısa olduğunu gösterir. #Median: Katılımcıların boylarının ortanca değerinin 171 cm olduğunu gösterir. #Mean: Katılımcıların boylarının ortalamasının 172.5 cm olduğunu gösterir. #3rd Qu: Katılımcıların boylarının %75’inin 180 cm’den kısa olduğunu gösterir. #Max: Katılımcıların en uzun boylusunun boyunun 200 cm olduğunu gösterir.

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

#Egzersizi sık yapanların ortalama nabzı 71.43’tür. #Egzersiz yapmayanların ortalama nabzı 75.86’dır. #Ara sıra egzersiz yapanların ortalama nabzı 76.59’dur. #Nabız ile egzersiz sıklığı arasında ters orantı vardır.

mean(veri_son$yas)
## [1] 20.46377
median(veri_son$yas)
## [1] 18.583
modeOf(veri_son$yas)
## [1] 17.5

#Üniveriste öğrencilerinin sınav kaygılarının akademik başarıları üzerindeki etkisini incelemek. #Bu araştırmanın verileri bir üniversitenin farklı bölümlerinde okuyan üniversite öğrencilerinden toplayabiliriz. #Katılan öğrencilerden cinsiyet, bölüm, sınıf düzeyi, sınav kaygı puanı, günde kaç saat ders çalıştığı gibi bilgileri almak gerekir. #Bu çalışmada cinsiyet, sınıf düzeyi,sınav kaygı puanı ve günlük çalışma süreleri değişkenlerini kullanacağım.

veri <- data.frame( cinsiyet = c("Kadın", "Erkek"),sinif_duzeyi = c(1, 2, 3, 4),sinav_kaygi_puani = 1:100, gunluk_calisma_suresi=round(runif(100,min = 0.5,max = 6),1))
table(veri$cinsiyet)
## 
## Erkek Kadın 
##    50    50
table(veri$sinif_duzeyi)
## 
##  1  2  3  4 
## 25 25 25 25
table(cut(veri$sinav_kaygi_puani,breaks = seq(0,100,by=10)))
## 
##   (0,10]  (10,20]  (20,30]  (30,40]  (40,50]  (50,60]  (60,70]  (70,80] 
##       10       10       10       10       10       10       10       10 
##  (80,90] (90,100] 
##       10       10
table(veri$gunluk_calisma_suresi)
## 
## 0.5 0.6 0.7 0.8 0.9   1 1.1 1.2 1.3 1.4 1.5 1.6 1.7 1.8 1.9   2 2.1 2.2 2.3 2.4 
##   1   1   2   3   2   2   1   2   2   1   1   3   1   3   2   2   1   4   1   2 
## 2.5 2.7 2.8 2.9   3 3.1 3.3 3.4 3.5 3.6 3.7 3.8 3.9   4 4.1 4.2 4.3 4.4 4.5 4.6 
##   4   3   1   4   1   1   1   5   3   2   1   2   3   3   2   2   1   2   1   1 
## 4.7 4.8 4.9   5 5.1 5.2 5.3 5.5 5.6 5.7 5.8 
##   2   1   2   1   1   6   1   1   1   2   2
summary(veri$sinif_duzeyi)
##    Min. 1st Qu.  Median    Mean 3rd Qu.    Max. 
##    1.00    1.75    2.50    2.50    3.25    4.00
summary(veri$sinav_kaygi_puani)
##    Min. 1st Qu.  Median    Mean 3rd Qu.    Max. 
##    1.00   25.75   50.50   50.50   75.25  100.00
summary(veri$gunluk_calisma_suresi)
##    Min. 1st Qu.  Median    Mean 3rd Qu.    Max. 
##   0.500   1.875   3.050   3.105   4.225   5.800