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.

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)

veri_2<-veri_1 %>% rename(Cinsiyet=Sex,
                          Yas=Age,
                          Nabiz=Pulse,
                          Egzersiz=Exer,
                          Boy=Height,
                          Sigara=Smoke)

Soru 1.2: `veri_2`’nin ilk 10 satırını görüntüleyin.

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

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,
                                          "Male"="Erkek",
                                          "Female"="Kadın"),
                                          Egzersiz=recode(Egzersiz,
                                          "Freq"="Sık",
                                          "Some"="Ara sıra",
                                          "None"="Hiç"))

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.

is.na(veri_3)

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

na.omit(veri_3)

##     Cinsiyet    Yas Nabiz Egzersiz    Boy Sigara
## 1      Kadın 18.250    92 Ara sıra 173.00  Never
## 2      Erkek 17.583   104      Hiç 177.80  Regul
## 5      Erkek 23.667    35 Ara sıra 165.00  Never
## 6      Kadın 21.000    64 Ara sıra 172.72  Never
## 7      Erkek 18.833    83      Sık 182.88  Never
## 8      Kadın 35.833    74      Sık 157.00  Never
## 9      Erkek 19.000    72 Ara sıra 175.00  Never
## 10     Erkek 22.333    90 Ara sıra 167.00  Never
## 11     Kadın 28.500    80      Sık 156.20  Never
## 14     Kadın 17.500    66 Ara sıra 155.00  Never
## 17     Kadın 19.333    89      Sık 157.00  Never
## 18     Erkek 18.333    74 Ara sıra 182.88  Never
## 20     Erkek 17.917    78      Sık 177.00  Never
## 21     Erkek 17.917    72      Sık 190.50  Never
## 22     Erkek 18.167    72      Sık 180.34  Never
## 23     Erkek 17.833    64      Sık 180.34  Never
## 24     Erkek 18.250    62 Ara sıra 184.00  Never
## 27     Erkek 17.500    90 Ara sıra 172.72  Never
## 28     Erkek 18.083    62      Sık 175.26  Never
## 30     Erkek 19.250    79 Ara sıra 167.00  Never
## 32     Erkek 17.500    78      Sık 180.00  Never
## 33     Kadın 39.750    72      Sık 166.40  Heavy
## 34     Erkek 17.167    70 Ara sıra 180.00  Never
## 36     Erkek 18.000    66      Sık 190.00  Occas
## 38     Erkek 17.917    72      Sık 182.50  Never
## 39     Erkek 35.500    80 Ara sıra 185.00  Never
## 42     Kadın 17.083    72 Ara sıra 154.94  Never
## 43     Erkek 28.583    60 Ara sıra 172.00  Never
## 44     Kadın 17.500    80 Ara sıra 176.50  Never
## 45     Kadın 17.417    70      Sık 180.34  Never
## 47     Erkek 18.917    84      Sık 180.00  Regul
## 48     Erkek 19.417    96      Hiç 170.00  Never
## 49     Kadın 18.417    60 Ara sıra 168.00  Occas
## 50     Kadın 30.750    50      Hiç 165.00  Never
## 51     Erkek 18.500    55      Sık 200.00  Never
## 52     Erkek 17.500    68      Sık 190.00  Never
## 53     Erkek 18.333    78 Ara sıra 170.18  Never
## 54     Erkek 17.417    56      Sık 179.00  Never
## 55     Erkek 20.000    65      Sık 182.00  Regul
## 57     Kadın 17.167    70      Hiç 157.48  Never
## 59     Erkek 17.667    62      Sık 177.80  Never
## 61     Erkek 20.333    66      Sık 187.00  Never
## 62     Kadın 17.333    72      Sık 167.64  Never
## 63     Kadın 17.500    70      Sık 178.00  Never
## 65     Kadın 18.583    64      Sık 164.00  Never
## 71     Kadın 17.583    64      Sık 170.00  Never
## 73     Kadın 17.667    68 Ara sıra 171.00  Never
## 74     Kadın 17.417    40      Sık 167.64  Never
## 75     Kadın 17.750    88 Ara sıra 165.00  Never
## 76     Kadın 20.667    68      Sık 170.00  Heavy
## 77     Kadın 23.583    76 Ara sıra 165.00  Never
## 79     Kadın 17.083    68 Ara sıra 165.10  Never
## 82     Erkek 20.167    76      Sık 176.50  Never
## 85     Erkek 17.167    90      Sık 167.64  Never
## 86     Kadın 17.250    76 Ara sıra 167.00  Never
## 87     Kadın 18.000    70 Ara sıra 162.56  Never
## 88     Kadın 18.750    75      Sık 170.00  Never
## 89     Erkek 21.583    60      Sık 179.00  Never
## 91     Erkek 19.667    75 Ara sıra 183.00  Never
## 93     Kadın 19.667    70 Ara sıra 165.00  Never
## 95     Erkek 22.833    65      Sık 179.00  Heavy
## 97     Erkek 19.417    68      Sık 190.00  Regul
## 98     Kadın 23.250    60      Sık 166.50  Never
## 100    Kadın 19.083    68      Sık 175.26  Never
## 102    Erkek 17.750    60      Hiç 170.00  Never
## 104    Kadın 20.167    72      Sık 175.00  Never
## 105    Kadın 17.667    80 Ara sıra 163.00  Heavy
## 106    Kadın 18.250    80 Ara sıra 170.00  Never
## 109    Erkek 18.583    64      Sık 180.00  Never
## 110    Erkek 17.750    67 Ara sıra 180.34  Regul
## 111    Kadın 24.167    76      Sık 175.00  Never
## 112    Erkek 18.167    80      Hiç 190.50  Never
## 113    Kadın 21.167    75      Sık 170.18  Never
## 114    Erkek 17.917    60      Sık 185.00  Never
## 115    Kadın 17.417    60      Sık 162.56  Never
## 116    Kadın 20.500    70      Hiç 158.00  Never
## 117    Kadın 22.917    70 Ara sıra 159.00  Never
## 118    Erkek 18.917    83 Ara sıra 193.04  Heavy
## 119    Kadın 18.917   100 Ara sıra 171.00  Never
## 120    Erkek 20.083   100      Sık 184.00  Heavy
## 122    Erkek 18.250    76      Sık 177.00  Occas
## 123    Kadın 17.500    92      Sık 172.00  Never
## 124    Erkek 17.417    59      Sık 180.00  Never
## 125    Erkek 21.000    66      Sık 175.26  Never
## 127    Kadın 17.667    68      Sık 172.72  Never
## 128    Erkek 18.083    66      Sık 178.50  Regul
## 129    Kadın 18.000    74      Sık 157.00  Never
## 130    Kadın 18.333    90 Ara sıra 152.00  Never
## 131    Erkek 20.000    86      Sık 187.96  Never
## 132    Erkek 18.750    60 Ara sıra 178.00  Never
## 134    Kadın 18.500    80      Sık 160.02  Occas
## 135    Erkek 18.417    85 Ara sıra 175.26  Never
## 136    Erkek 19.167    90 Ara sıra 189.00  Regul
## 138    Erkek 19.333    72      Sık 182.88  Never
## 140    Kadın 18.667    68      Hiç 167.00  Never
## 141    Kadın 17.500    84 Ara sıra 175.00  Never
## 143    Kadın 17.250    65      Sık 172.72  Never
## 144    Erkek 19.000    96 Ara sıra 180.00  Never
## 145    Kadın 19.167    68      Sık 172.00  Never
## 146    Erkek 19.000    75 Ara sıra 185.00  Never
## 147    Erkek 23.000    64      Sık 187.96  Regul
## 148    Erkek 32.667    60      Sık 185.42  Never
## 149    Kadın 20.000    92      Sık 165.00  Never
## 150    Kadın 20.167    64      Sık 164.00  Never
## 151    Erkek 25.500    76      Sık 195.00  Never
## 152    Kadın 18.167    80      Sık 165.00  Never
## 153    Kadın 23.500    92 Ara sıra 152.40  Regul
## 154    Erkek 70.417    69      Sık 172.72  Never
## 155    Erkek 43.833    68      Hiç 180.34  Never
## 156    Erkek 23.583    76      Sık 173.00  Never
## 158    Kadın 44.250    74 Ara sıra 167.64  Never
## 160    Erkek 17.917    84      Sık 187.00  Regul
## 161    Kadın 18.417    80      Hiç 167.00  Never
## 163    Erkek 17.500    72 Ara sıra 191.80  Never
## 164    Kadın 29.083    60      Sık 169.20  Occas
## 166    Kadın 18.500    81 Ara sıra 168.00  Never
## 167    Kadın 18.167    70 Ara sıra 170.00  Never
## 168    Kadın 32.750    65 Ara sıra 160.02  Regul
## 170    Erkek 17.333    72      Sık 180.34  Never
## 172    Erkek 18.667    80 Ara sıra 182.88  Occas
## 174    Kadın 18.667    48      Sık 165.00  Never
## 175    Kadın 17.750    68      Sık 157.48  Never
## 176    Kadın 17.250   104      Sık 170.00  Never
## 177    Erkek 36.583    76      Sık 172.72  Regul
## 178    Kadın 23.083    84      Sık 164.00  Never
## 180    Kadın 17.167    70 Ara sıra 162.56  Never
## 181    Erkek 23.417    68      Sık 172.00  Occas
## 182    Kadın 17.083    87      Sık 165.10  Occas
## 183    Kadın 17.250    79 Ara sıra 162.50  Never
## 184    Erkek 23.833    70      Sık 170.00  Never
## 185    Erkek 18.750    90 Ara sıra 175.00  Never
## 186    Erkek 21.167    72 Ara sıra 168.00  Never
## 187    Kadın 24.667    79 Ara sıra 163.00  Never
## 188    Erkek 18.500    65      Hiç 165.00  Never
## 189    Erkek 20.333    62      Sık 173.00  Never
## 190    Erkek 20.083    63      Sık 196.00  Never
## 191    Erkek 18.917    92 Ara sıra 179.10  Never
## 192    Erkek 27.333    60 Ara sıra 180.00  Never
## 193    Erkek 18.917    68      Hiç 176.00  Occas
## 194    Kadın 17.250    72 Ara sıra 160.02  Never
## 196    Kadın 26.500    76 Ara sıra 165.00  Never
## 197    Kadın 17.000    80      Sık 170.18  Never
## 198    Erkek 17.167    71      Sık 154.94  Never
## 199    Kadın 19.167    80 Ara sıra 170.00  Occas
## 200    Kadın 17.500    80 Ara sıra 164.00  Never
## 201    Kadın 19.250    61 Ara sıra 167.00  Occas
## 202    Erkek 21.333    48      Sık 174.00  Never
## 204    Kadın 20.167    86      Hiç 160.00  Never
## 205    Erkek 18.667    80 Ara sıra 179.10  Regul
## 206    Kadın 17.083    83      Sık 168.00  Occas
## 207    Kadın 17.417    76 Ara sıra 153.50  Never
## 208    Erkek 18.583    84 Ara sıra 160.00  Never
## 209    Erkek 19.500    97      Hiç 165.00  Never
## 211    Kadın 17.167    74 Ara sıra 160.00  Never
## 212    Kadın 17.250    83 Ara sıra 163.00  Never
## 214    Erkek 20.417    65 Ara sıra 165.00  Never
## 215    Kadın 17.083    68 Ara sıra 168.90  Never
## 218    Erkek 19.333    88      Sık 185.00  Never
## 220    Erkek 18.917    75      Sık 188.00  Never
## 222    Kadın 17.333    70      Sık 167.64  Never
## 223    Kadın 18.167    88 Ara sıra 162.56  Never
## 227    Kadın 18.417    80 Ara sıra 170.18  Heavy
## 228    Erkek 17.417    68      Sık 185.00  Never
## 229    Kadın 20.333    70      Sık 167.00  Regul
## 230    Erkek 19.333    71      Sık 185.00  Occas
## 231    Kadın 18.167    80 Ara sıra 169.00  Never
## 233    Kadın 17.667    85 Ara sıra 165.10  Never
## 234    Kadın 16.917    88 Ara sıra 160.00  Never
## 236    Erkek 17.167    90 Ara sıra 183.00  Never
## 237    Kadın 17.750    85      Sık 168.50  Never

veri_son<-veri_3

Soru 4: `veri_son` için yas, nabiz ve boy değişkenlerinin

`min #veri setindeki minimum değer

min(veri_son$Yas)

## [1] 16.75

min(veri_son$Nabiz)

## [1] NA

min(veri_son$Boy)

## [1] NA

max #veri setindeki maksimum değer

max(veri_son$Yas)

## [1] 73

max(veri_son$Nabiz)

## [1] NA

max(veri_son$Boy)

## [1] NA

1st quarter #min ve mod arasındaki çeyrek
3rd quarter #mod ve max arasındaki çeyrek
mean #mean ortalamadır bütün değerlerin toplanıp toplam sayıya bölünmesidir

mean(veri_son$Yas)

## [1] 20.37451

mean(veri_son$Nabiz)

## [1] NA

mean(veri_son$Boy)

## [1] NA

median #sıralamadaki en ortada olan sayı medyandır

median(veri_son$Yas)

## [1] 18.583

median(veri_son$Nabiz)

## [1] NA

median(veri_son$Boy)

## [1] NA

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.

mode(veri_son$Yas)

## [1] "numeric"

median(veri_son$Yas)

## [1] 18.583

mean(veri_son$Yas)

## [1] 20.37451

Soru 5: Günlük yaşamınızda veri toplayarak analiz etmek isteyebileceğiniz bir durum düşünün (sosyal medya kullanım süresi, kahve tüketimi, sınav kaygısı…). Bu durumu kısaca açıklayın.

#hangi yaş grubunda sigara kullanımı daha fazla ve bunun belirleyicileri nelerdir bunu analiz etmek isterdim #### Bu durumla ilgili

kimlerden veri toplayabileceğinizi, #farklı yaş gruplarındaki sigara kullanan bireyler
veri topladığınız kişilerden hangi bilgileri almanın anlamlı olacağını, #mesleki durumu(öğrenci,emekli çalışan yetişkinler vb.),yaşı,cinsiyeti,yaşam şekli, gelir düzeyi gibi daha spesifik bilgilerde işime yarardı
toplayacağınız bilgiler kapsamında değişkenlerin türlerini #sayısal ve kategorik

açıklayın.

Topladığınız verileri göz önünde bulundurarak frekans tablosu oluşturabileceğiniz üç değişken tanımlayın. #yaş,sigara kullanımı,gelir düzeyi
Topladığınız verileri göz önünde bulundurarak min, max, quarters, mod, median, mean değerlerini hesaplayabileceğiniz üç değişken tanımlayın. #yaş,stres düzeyi,aylık geliri

SSB201-28.11.2025

Damla AKBEY

2025-11-29

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.

açıklayın.

SSB201-28.11.2025

Damla AKBEY

2025-11-29

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.

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.