#SORU:1

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")

head(survey)
##      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
##      Age
## 1 18.250
## 2 17.583
## 3 16.917
## 4 20.333
## 5 23.667
## 6 21.000
names(survey)
##  [1] "Sex"    "Wr.Hnd" "NW.Hnd" "W.Hnd"  "Fold"   "Pulse"  "Clap"   "Exer"  
##  [9] "Smoke"  "Height" "M.I"    "Age"
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

#SORU 1.1:

veri_2 <- veri_1 %>% 
  rename(cinsiyet = Sex,yaş = Age,nabız = Pulse,egzersiz = Exer,boy = Height,
         sigara = Smoke)
head(veri_2)
##   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
names(veri_2)
## [1] "cinsiyet" "yaş"      "nabız"    "egzersiz" "boy"      "sigara"

#SORU 1.2:

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_3 <- veri_2 %>% 
   mutate(
     cinsiyet=recode(cinsiyet,
                     "Female"="Kadın",
                     "Male"="Erkek"),
     egersiz=recode(egzersiz,
                    "Some"="Bazen",
                    "None"="Yok",
                    "Freq"="Sık"),
     sigara=recode(sigara,
                   "Never"="Hic",
                   "Regul"="Düzenli",
                   "Occas"="Ara sıra")
   )

#SORU 3:

head(veri_3)
##   cinsiyet    yaş nabız egzersiz    boy   sigara egersiz
## 1    Kadın 18.250    92     Some 173.00      Hic   Bazen
## 2    Erkek 17.583   104     None 177.80  Düzenli     Yok
## 3    Erkek 16.917    87     None     NA Ara sıra     Yok
## 4    Erkek 20.333    NA     None 160.00      Hic     Yok
## 5    Erkek 23.667    35     Some 165.00      Hic   Bazen
## 6    Kadın 21.000    64     Some 172.72      Hic   Bazen
any(is.na(veri_3))
## [1] TRUE
colSums(is.na(veri_3))
## cinsiyet      yaş    nabız egzersiz      boy   sigara  egersiz 
##        1        0       45        0       28        1        0
veri_son <- na.omit(veri_3)

#SORU 4:

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     egersiz  
##  Heavy   :  7   Sık  :86  
##  Hic     :136   Yok  :14  
##  Ara sıra: 13   Bazen:70  
##  Düzenli : 14             
##                           
##

#SORU 4.1:

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 yapmayanalarda ortalama nabız: 75.86

Bazen egzersiz yapamayanlarda ortalama nabız: 76.59

Sık egzersiz yapanlarda ortalama nabız: 71.43

#SORU 4.2:

mean(veri_son$yaş)
## [1] 20.46377
median(veri_son$yaş)
## [1] 18.583
library(lsr)
modeOf(veri_son$yaş)
## [1] 17.5

#SORU 5:

Spor ve Egzersizin Akademik Başarıya Etkisi Son zamanlarda düzenli spor yaptığım günlerde zihinsel olarak daha canlı olduğumu, derse daha rahat odaklandığımı fark ettim. Bazı günler aşırı yorgunluktan performans düşse de genel olarak egzersizin ders çalışmamı etkilediğini hissediyorum. Bu yüzden spor–akademik başarı ilişkisinin gerçekten ölçülebilir bir etkisi olup olmadığını veri toplayarak inceleme fikri dikkatimi çekti. Kimlerden veri toplarım? • Haftada düzenli spor yapan üniversite öğrencilerinden • Hem fitness/koşu gibi dayanıklılık sporları hem de takım sporlarıyla ilgilenenlerden • “Arada sırada” spor yapan daha düzensiz bireylerden • Hiç spor yapmayan öğrencilerden (karşılaştırma grubu olarak) Katılımcılardan hangi bilgileri toplarım? • Haftalık spor süresi (saat) – Sayısal – Sürekli • Egzersiz türü (ağırlık, kardiyo, takım sporu, esneme vb.) – Nominal • Günlük enerji düzeyi (1–10) – Ordinal • Stres seviyesi (1–10) – Ordinal • Derse odaklanma düzeyi (1–10) – Ordinal • Haftalık ders çalışma süresi (saat) – Sayısal – Sürekli • Akademik başarı göstergesi (vize/final notu, dönem ortalaması) – Sayısal – Sürekli • Egzersiz sonrası yorgunluk düzeyi (1–10) – Ordinal Frekans tablosu oluşturulabilecek üç değişken: 1. Egzersiz türü Hangi tür egzersizin ne kadar yaygın olduğunu frekans tablosuyla gösterebilirim. 2. Spor yapma düzeni (düzenli – düzensiz – hiç yapmayan) Kategorik olduğu için dağılımı net şekilde görünür. 3. Derse odaklanma düzeyi Ordinal ama sık kullanılan bir ölçek olduğu için frekans tablosuna elverişli. Minimum, maksimum, çeyrekler, mod, medyan ve ortalama hesaplanabilecek üç değişken: 1. Haftalık spor süresi (saat) Spor yoğunluğunun dağılımını anlamak için idealdir. 2. Akademik başarı (not) Başarı düzeyinin genel eğilimini bu ölçülerle rahatça değerlendirebilirim. 3. Stres seviyeleri veya enerji düzeyi Bu değerler merkezi eğilim ölçümleriyle sporun psikolojik etkisini anlamada yardımcı olur. Bu analizler spor–başarı ilişkisinin sayısal yönünü ortaya çıkarır.

•   Spor süresi ile akademik başarı arasında pozitif bir ilişki olup olmadığını korelasyonla görebilirim.
•   Düzenli spor yapan öğrencilerin stres ve enerji seviyelerinin nasıl değiştiğini inceleyebilirim.
•   Egzersiz türlerinin odaklanma üzerindeki etkilerini karşılaştırabilirim.
•   Spor yapmayan öğrenciler ile spor yapanlar arasında başarı farkı olup olmadığını istatistiksel testlerle değerlendirebilirim.