📌 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(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
data(survey)

veri_1 <- survey %>%
  dplyr::select(Sex, Age, Pulse, Exer, Height, Smoke)
head(veri_1, 10)
##       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
## 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 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,
    Sigara = Smoke
     )
head(veri_2, 10)
##    Cinsiyet    Yas Nabiz Egzersiz Height 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 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.

library(dplyr)
library(forcats)

veri_3 <- veri_2 %>%
  mutate(
    Cinsiyet = recode(Cinsiyet,
                          "Kadin" = "Female" ,
                          "Erkek" = "Male") ,
    Egzersiz = recode(Egzersiz,
                          "Hic" = "None" ,
                          "Bazen" = "Some" ,
                          "Sik" = "Freq") ,
    Sigara = recode(Sigara,
                        "Hic" = "Never" ,
                        "Düzenli" = "Regul" ,
                        "Ara_sira" = "Occas") 
  )
    
    
head(veri_3, 10)  
##    Cinsiyet    Yas Nabiz Egzersiz Height 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 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.

colSums(is.na(veri_3))
## Cinsiyet      Yas    Nabiz Egzersiz   Height   Sigara 
##        1        0       45        0       28        1
library(dplyr)
veri_son <- na.omit(veri_3)
head(veri_son, 10)
##    Cinsiyet    Yas Nabiz Egzersiz Height Sigara
## 1    Female 18.250    92     Some 173.00  Never
## 2      Male 17.583   104     None 177.80  Regul
## 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
## 11   Female 28.500    80     Freq 156.20  Never
## 14   Female 17.500    66     Some 155.00  Never

Soru 4: veri_son için yas, nabiz ve boy değişkenlerinin

  • min

  • max

  • 1st quarter

  • 3rd quarter

  • mean

  • median

değerlerini açıklayın.

summary(veri_son[, c("Yas", "Nabiz" , "Height")])
##       Yas            Nabiz            Height     
##  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

Yaş, nabız ve boy değişkliklerinin temel değerleri hesaplandı. Yaş ortalama 20.46, medyan 18.58, en küçük 16.92, en büyük 70.42’dir. #### Soru 4.1: Egzersiz sıklığına göre ortalama nabzı hesapladığınız bir tablo oluşturun. Bu tablodaki değerlerin açıklamasını yazın.

library(dplyr)
ortalama_nabiz <- veri_son %>%
  group_by(Egzersiz) %>%
  summarise(Ortalama_Nabiz = mean(Nabiz))

print(ortalama_nabiz)
## # A tibble: 3 × 2
##   Egzersiz Ortalama_Nabiz
##   <fct>             <dbl>
## 1 Freq               71.4
## 2 None               75.9
## 3 Some               76.6

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

median(veri_son$Yas)
## [1] 18.583
mean(veri_son$Yas)
## [1] 20.46377
get_mode <- function(v) {
  uniqv <- unique(v)
  uniqv[which.max(tabulate(match(v, uniqv)))]
}
get_mode(veri_son$Yas)
## [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.

Günlük yaşamda veri toplayabileceğim bir durum olarak, öğrencilerin sosyal medyada ne kadar vakit geçirdiği, kahve içme miktarı ve sınav kaygısı arasındaki ilişkiyi merak ederim. Mesela sosyal medya kullanm süresi, kahve tüketimi, uyku gibi şeyleri toparlayıp bunların kaygıyla bağlantısı var mı diye bakılabilir. #### Bu durumla ilgili

  • kimlerden veri toplayabileceğinizi,

  • veri topladığınız kişilerden hangi bilgileri almanın anlamlı olacağını,

  • toplayacağınız bilgiler kapsamında değişkenlerin türlerini

açıklayın.

Bu durumla ilgili veri toplamak için lise veya üniversite öğrencilerinden veri alabilirim. Anlamlı olabilecek bilgiler: günlük sosyal medya kullanım süresi, kahve tüketim miktarı, uyku süresi,sınav kaygısı seviyesi ve ders çalışma süresi.

  • 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.

Topladığım verilerle frekans tablosu oluşturabileceğim değişkenler:

sınav kaygısı(düşük,orta,yüksek) kahve tüketim sıklığı(hiç,bazen,sık) sosyal medya kullanım kategorisi(az,orta,çok)