library(tidyverse)      
library(haven)          
library(knitr)          
library(kableExtra)
theme_set(theme_minimal(base_size = 12))

1 Veri Seti

Bu notları tutarken geçen hafta yaptığım regresyon ödevinde kullandığım TIMSS 2023 veri setinden faydalanıyorum. O ödevde olduğu gibi yine özetlediğim verileri kullanacağım. Veriyi yükleyip kısaca tanıtmak istiyorum.

timss_kisa <- readRDS("data/timss_kisa.rds")

1.1 Veri Seti Hakkında Bilgiler

Değişken	Açıklama	Kodlar (1-2-3)
Başarı Puanları	Matematik Başarısı (Plausible Values)	`mat_basari1` - `mat_basari5` (Sürekli Puan)
Cinsiyet	Öğrenci Cinsiyeti	1: Kız, 2: Erkek
Ev Kaynakları	Evdeki imkanların durumu	1: Çok, 2: Orta, 3: Az
Özgüven	Matematik Özgüveni	1: Yüksek, 2: Orta, 3: Düşük
Sevme	Matematiği Sevme Durumu	1: Çok Seviyor, 2: Biraz, 3: Sevmiyor
Aidiyet	Okula Aidiyet Hissi	1: Yüksek, 2: Orta, 3: Düşük

Önemli Not: Duyuşsal değişkenlerde “1” değeri en olumlu durumu temsil ederken, sayısal değer arttıkça durum olumsuzlaşmaktadır.

2 Fonksiyonlar

2.1 Temel Çalışma Mantığı

Fonksiyonlar, belirli bir işlemi tekrar tekrar yapmak yerine tek seferde tanımlayıp daha sonra farklı değerlerle istediğimiz kadar kullanmamızı sağlayan kod bloklarıdır. Bu yüzden işlerimizi hızlandırmak için kullanılabilir. Aşağıda öğrencilerin punalrına göre hangi başarı seviyesinde olduğunu belirleyen basari_seviyesi isimli bir fonksiyon oluşturdum. Buradaki örnekte mat_basari1puanına göre seviyeleri belirledim.

basari_seviyesi <- function(puanlar) {
  library(knitr)
  library(kableExtra)
  
  sonuclar <- sapply(puanlar, function(p) {
    if(p >= 625) return("İleri")
    else if(p >= 550) return("Yüksek")
    else if(p >= 475) return("Orta")
    else if(p >= 400) return("Düşük")
    else return("Çok Düşük")
  })
  
  df <- data.frame(
    Puan = puanlar,
    Seviye = sonuclar
  )
  
  kable(df, align = "c") %>%
    kable_styling(full_width = FALSE, bootstrap_options = c("striped", "hover")) %>%
    row_spec(which(df$Seviye == "İleri"), background = "#d4edda", color = "#155724") %>%
    row_spec(which(df$Seviye == "Yüksek"), background = "#d1ecf1", color = "#0c5460") %>%
    row_spec(which(df$Seviye == "Orta"), background = "#fff3cd", color = "#856404") %>%
    row_spec(which(df$Seviye == "Düşük"), background = "#ffe5cc", color = "#8b4000") %>%
    row_spec(which(df$Seviye == "Çok Düşük"), background = "#f8d7da", color = "#721c24")
}

Fonksiyonun doğru çalışıp çalışmadığını bir kaç örnekle test ettim.

basari_seviyesi(325)

Puan	Seviye
325	Çok Düşük

basari_seviyesi(502)

Puan	Seviye
502	Orta

basari_seviyesi(680)

Puan	Seviye
680	İleri

basari_seviyesi(574)

Puan	Seviye
574	Yüksek

Daha sonra betimsel istatistikleri hesaplayan betimsel_istatistik isimli bir fonksiyon yazdım ve test ettim.

betimsel_istatistik <- function(veri, degisken) {
  library(kableExtra)
  
  istatistikler <- data.frame(
    "Değişken" = degisken,
    "N" = length(veri[[degisken]]),
    "Ortalama" = round(mean(veri[[degisken]], na.rm = TRUE), 2),
    "Std. Sapma" = round(sd(veri[[degisken]], na.rm = TRUE), 2),
    "Minimum" = round(min(veri[[degisken]], na.rm = TRUE), 2),
    "Maksimum" = round(max(veri[[degisken]], na.rm = TRUE), 2),
    "Medyan" = round(median(veri[[degisken]], na.rm = TRUE), 2)
  )
  
  tablo <- kable(istatistikler, 
                 align = "c",
                 caption = "Betimsel İstatistikler") %>%
    kable_styling(
      bootstrap_options = c("striped", "hover", "condensed"),
      full_width = FALSE,
      position = "center",
      font_size = 14
    ) %>%
    row_spec(0, bold = TRUE, color = "white", background = "#4CAF50") %>%
    column_spec(1, bold = TRUE, color = "#2c3e50") %>%
    add_header_above(c(" " = 1, "Merkezi Eğilim ve Yayılım Ölçüleri" = 6),
                     bold = TRUE, 
                     color = "white", 
                     background = "#2c3e50")
  
  return(tablo) 
}

mat_basari1 ve mat_basari2 değişkenleri kullanarak betimsel_istatistik fonksiyonunu test ettim.

betimsel_istatistik(timss_kisa, "mat_basari1")

Betimsel İstatistikler
	Merkezi Eğilim ve Yayılım Ölçüleri
Değişken	N	Ortalama	Std..Sapma	Minimum	Maksimum	Medyan
mat_basari1	4925	504,18	110,64	216,03	851,1	502,87

3 Kontrol Operatörleri

3.1 `if - else`

Bu yapı bir durumun belirlenen şartı karşılayıp karşılamadığını kontrol eden temel bir karar mekanizmasıdır. Koşul sağlanıyorsa (bir işlemi, sağlanmıyorsa diğer işlemi yapar. Aşağıda mat_basari1 puanı 500 üzeri olan öğrenci için “ortalama üstü” değilse “ortalama altı” şeklinde ayıracak bir kod yer almaktadır. Kodda 250. öğrenci için sorgulama yapılmıştır.

library(kableExtra)

ogrenci_puan <- timss_kisa$mat_basari1[250]  

if(ogrenci_puan >= 500) {
  sonuc <- data.frame(
    Durum = "Bu öğrenci ortalama üstü",
    Puan = ogrenci_puan
  )
  
  kable(sonuc, align = "c") %>%
    kable_styling(full_width = FALSE, 
                  bootstrap_options = "bordered") %>%
    row_spec(0, bold = TRUE, color = "white", background = "#28a745") %>%
    row_spec(1, background = "#d4edda", color = "#155724", font_size = 16)
  
} else {
  sonuc <- data.frame(
    Durum = "Bu öğrenci ortalama altı",
    Puan = ogrenci_puan
  )
  
  kable(sonuc, align = "c") %>%
    kable_styling(full_width = FALSE, 
                  bootstrap_options = "bordered") %>%
    row_spec(0, bold = TRUE, color = "white", background = "#dc3545") %>%
    row_spec(1, background = "#f8d7da", color = "#721c24", font_size = 16)
}

Durum	Puan
Bu öğrenci ortalama altı	425,5405

3.2 `ifelse`

Veri setindeki tüm değerlerin belirlenen şartı karşılayıp karşılamadığını tek seferde kontrol eden temel bir karar mekanizmasıdır. Koşul sağlanıyorsa belirlenen ilk işlemi, sağlanmıyorsa diğer işlemi tüm veri setine uygular. Aşağıda mat_basari1 değeri 500 üstü olanlar “Üst Grup” altında olanlar “Alt Grup” olarak gruplanmıştır. İlk 60-75 sıradaki öğrenciler kontrol edilmiştir.

timss_kisa$basari_durumu <- ifelse(timss_kisa$mat_basari1 >= 500, 
                                    "Üst Grup", 
                                    "Alt Grup")

orneklem <- timss_kisa[60:75, c("mat_basari1", "basari_durumu")]

colnames(orneklem) <- c("Matematik Başarısı", "Başarı Durumu")

kable(orneklem, 
      align = "c",
      row.names = FALSE,
      caption = "İlk 10 Öğrencinin Başarı Durumu") %>%
  kable_styling(
    bootstrap_options = c("striped", "hover", "condensed"),
    full_width = FALSE,
    position = "center"
  ) %>%
  row_spec(0, bold = TRUE, color = "white", background = "#3498db") %>%
  row_spec(which(orneklem$`Başarı Durumu` == "Üst Grup"), 
           background = "#d4edda", color = "#155724") %>%
  row_spec(which(orneklem$`Başarı Durumu` == "Alt Grup"), 
           background = "#f8d7da", color = "#721c24") %>%
  column_spec(1, bold = TRUE, width = "10em") %>%
  column_spec(2, bold = TRUE, width = "10em")

İlk 10 Öğrencinin Başarı Durumu
Matematik Başarısı	Başarı Durumu
771,8119	Üst Grup
630,9607	Üst Grup
775,2622	Üst Grup
359,2683	Alt Grup
306,3927	Alt Grup
439,1558	Alt Grup
457,4357	Alt Grup
325,0238	Alt Grup
282,5262	Alt Grup
332,8487	Alt Grup
455,6493	Alt Grup
454,2457	Alt Grup
467,0325	Alt Grup
555,7074	Üst Grup
508,7265	Üst Grup
522,4856	Üst Grup

3.3 `all & any`

all tüm öğrenciler için bir koşulun sağlanıp sağlanmadığını kontrol eder. Aşağıda tüm öğrencilerin puanlarının 200’den veya 600’den büyük olduğu kontrol edilmiştir.

all(timss_kisa$mat_basari1 > 200, na.rm = TRUE)

## [1] TRUE

all(timss_kisa$mat_basari1 > 600, na.rm = TRUE)

## [1] FALSE

any en az bir öğrenci için koşulun sağlanıp sağlanmadığını kontrol eder. Aşağıda 700’den büyük veya 200’den küçük öğrenci puanı olup olmadığı kontrol edilmiştir.

any(timss_kisa$mat_basari1 > 700, na.rm = TRUE)

## [1] TRUE

any(timss_kisa$mat_basari1 <200, na.rm = TRUE)

## [1] FALSE

4 `for` Döngüsü

Aynı işi birden fazla kez tekrarlamak için kullanılır. Mesela 5 matematik sınav sonucunun hepsinin ortalamasını hesaplamak istiyorsak, aynı hesabı 5 kere elle yazmak yerine bilgisayara “1’den 5’e kadar say, her sayıda bu hesabı yap” deriz. aşağıda olası matematik puanlarının hepsini tek kod ile hesaplamak için bir örnek verilmiştir.

for(i in 1:5) {
  degisken <- paste0("mat_basari", i)
  ortalama <- mean(timss_kisa[[degisken]])
  print(paste(degisken, "ortalaması:", round(ortalama, 2)))
}

## [1] "mat_basari1 ortalaması: 504,18"
## [1] "mat_basari2 ortalaması: 505,84"
## [1] "mat_basari3 ortalaması: 505,45"
## [1] "mat_basari4 ortalaması: 505,08"
## [1] "mat_basari5 ortalaması: 505,46"

5 `while` Döngüsü

Belirli bir koşul sağlandığı sürece tekrar eden bir döngüdür. For döngüsünde “5 kere tekrarla” derken, while’da “ortalama 500’ün üstüne çıkana kadar tekrarla” deriz- yani kaç kere döneceğini önceden bilmezsiniz. Koşul doğru olduğu sürece döner, koşul yanlış olunca durur. Aşağıda puanları 300’den az olan ve 700’den fazla olan öğrencilerin sayısı ve puan ortalmaları while ile yazdırılmıştır.

yuksek_puanli <- c()
dusuk_puanli <- c()
satir <- 1

while(satir <= nrow(timss_kisa)) {
  puan <- timss_kisa$mat_basari1[satir]
  
  if(puan > 700) {
    yuksek_puanli <- c(yuksek_puanli, puan)
  }
  
  if(puan < 300) {
    dusuk_puanli <- c(dusuk_puanli, puan)
  }
  
  satir <- satir + 1
}

sonuc_tablo <- data.frame(
  Kategori = c("Çok Yüksek (700+)", "Çok Düşük (300-)"),
  Ogrenci_Sayisi = c(length(yuksek_puanli), length(dusuk_puanli)),
  Ortalama_Puan = c(
    ifelse(length(yuksek_puanli) > 0, round(mean(yuksek_puanli), 2), NA),
    ifelse(length(dusuk_puanli) > 0, round(mean(dusuk_puanli), 2), NA)
  ),
  Min_Puan = c(
    ifelse(length(yuksek_puanli) > 0, min(yuksek_puanli), NA),
    ifelse(length(dusuk_puanli) > 0, min(dusuk_puanli), NA)
  ),
  Max_Puan = c(
    ifelse(length(yuksek_puanli) > 0, max(yuksek_puanli), NA),
    ifelse(length(dusuk_puanli) > 0, max(dusuk_puanli), NA)
  ),
  Yuzde = c(
    round(length(yuksek_puanli) / nrow(timss_kisa) * 100, 1),
    round(length(dusuk_puanli) / nrow(timss_kisa) * 100, 1)
  )
)

colnames(sonuc_tablo) <- c("Kategori", "Öğrenci Sayısı", "Ortalama", "Minimum", "Maksimum", "Yüzde (%)")

# Güzel tablo oluştur
kable(sonuc_tablo, 
      align = "c",
      caption = "Uç Değer Analizi: Çok Yüksek ve Çok Düşük Puanlı Öğrenciler") %>%
  kable_styling(
    bootstrap_options = c("striped", "hover", "condensed"),
    full_width = FALSE,
    position = "center",
    font_size = 14
  ) %>%
  row_spec(0, bold = TRUE, color = "white", background = "#3498db") %>%
  row_spec(1, background = "#d4edda", color = "#155724", bold = TRUE) %>%
  row_spec(2, background = "#f8d7da", color = "#721c24", bold = TRUE) %>%
  column_spec(1, bold = TRUE, width = "12em") %>%
  add_header_above(c(" " = 1, "Betimsel İstatistikler" = 4, " " = 1),
                   bold = TRUE, 
                   color = "white", 
                   background = "#2c3e50")

Uç Değer Analizi: Çok Yüksek ve Çok Düşük Puanlı Öğrenciler
	Betimsel İstatistikler
Kategori	Öğrenci Sayısı	Ortalama	Minimum	Maksimum	Yüzde (%)
Çok Yüksek (700+)	163	734,03	700,0615	851,0999	3,3
Çok Düşük (300-)	117	276,04	216,0320	299,5806	2,4

6 `apply` Grubu

6.1 `apply()`

Matris veya data frame’in satırlarına veya sütunlarına aynı fonksiyonu uygular. Her öğrencinin PV (satır) ve her bir PV’nin (sütun) ortalmaları hesplanmıştır. İlk 10 öğrencinin sonuçları ve tüm PV’lerin istatistikleri gösterilmiştir.

Satırlar üzerinde uygulama:

mat_ort <- apply(timss_kisa[, 4:8], 1, mean)

ogrenci_tablosu <- data.frame(
  Ogrenci_No = 60:75,
  PV1 = timss_kisa$mat_basari1[60:75],
  PV2 = timss_kisa$mat_basari2[60:75],
  PV3 = timss_kisa$mat_basari3[60:75],
  PV4 = timss_kisa$mat_basari4[60:75],
  PV5 = timss_kisa$mat_basari5[60:75],
  Ortalama = round(mat_ort[60:75], 2)
)

colnames(ogrenci_tablosu) <- c("Öğrenci No", "PV-1", "PV-2", "PV-3", "PV-4", "PV-5", "Ortalama")

kable(ogrenci_tablosu, 
      align = "c",
      caption = "Öğrencilerin(60-75) 5 Plausible Value Ortalaması") %>%
  kable_styling(
    bootstrap_options = c("striped", "hover", "condensed"),
    full_width = FALSE,
    position = "center",
    font_size = 13
  ) %>%
  row_spec(0, bold = TRUE, color = "white", background = "#3498db") %>%
  column_spec(1, bold = TRUE, background = "#ecf0f1", width = "8em") %>%
  column_spec(7, bold = TRUE, color = "white", background = "#e74c3c", width = "8em") %>%
  add_header_above(c(" " = 1, "Plausible Values" = 5, " " = 1),
                   bold = TRUE, 
                   color = "white", 
                   background = "#2c3e50") %>%
  add_footnote("PV = Plausible Value (Olası Değer)", 
               notation = "none")

Öğrencilerin(60-75) 5 Plausible Value Ortalaması
	Plausible Values
Öğrenci No	PV-1	PV-2	PV-3	PV-4	PV-5	Ortalama
60	771,8119	746,0206	706,9220	778,5674	703,4882	741,36
61	630,9607	672,2058	619,1211	656,7280	657,6517	647,33
62	775,2622	759,6980	777,2164	790,8458	793,7985	779,36
63	359,2683	350,1783	356,1444	341,2752	341,9066	349,75
64	306,3927	384,8287	375,9053	388,2260	368,2095	364,71
65	439,1558	387,4789	450,5636	390,6736	411,8018	415,93
66	457,4357	489,4100	435,7737	490,4268	494,0229	473,41
67	325,0238	407,7418	321,2674	331,8170	359,7358	349,12
68	282,5262	413,0886	287,5822	272,8727	340,2687	319,27
69	332,8487	307,7007	335,0669	269,3545	367,8482	322,56
70	455,6493	489,6976	419,2530	415,8496	446,9941	445,49
71	454,2457	476,7451	505,7791	413,1066	488,9072	467,76
72	467,0325	410,9109	471,2360	451,4779	441,5116	448,43
73	555,7074	458,5578	486,7002	509,0737	502,1806	502,44
74	508,7265	486,1329	497,5825	508,1327	499,4473	500,00
75	522,4856	475,4186	534,0928	532,7842	509,4524	514,85
PV = Plausible Value (Olası Değer)

Sütunlar üzerinde uygulama:

pv_ort <- apply(timss_kisa[, 4:8], 2, mean)
pv_ss <- apply(timss_kisa[, 4:8], 2, sd)
pv_min <- apply(timss_kisa[, 4:8], 2, min)
pv_max <- apply(timss_kisa[, 4:8], 2, max)


pv_tablosu <- data.frame(
  PV = c("PV-1", "PV-2", "PV-3", "PV-4", "PV-5"),
  Ortalama = round(pv_ort, 2),
  Std_Sapma = round(pv_ss, 2),
  Minimum = round(pv_min, 2),
  Maksimum = round(pv_max, 2),
  Aralik = round(pv_max - pv_min, 2)
)

kable(pv_tablosu, 
      align = "c",
      row.names = FALSE,
      caption = "5 Plausible Value Istatistikleri") %>%
  kable_styling(
    bootstrap_options = c("striped", "hover", "condensed"),
    full_width = FALSE,
    position = "center",
    font_size = 14
  ) %>%
  row_spec(0, bold = TRUE, color = "white", background = "#3498db") %>%
  column_spec(1, bold = TRUE, background = "#ecf0f1") %>%
  column_spec(2:3, background = "#fff3cd") %>%
  column_spec(4:5, background = "#d1ecf1") %>%
  column_spec(6, bold = TRUE, background = "#d4edda")

5 Plausible Value Istatistikleri
PV	Ortalama	Std_Sapma	Minimum	Maksimum	Aralik
PV-1	504,18	110,64	216,03	851,10	635,07
PV-2	505,84	112,19	187,94	877,67	689,74
PV-3	505,45	112,95	139,24	843,08	703,84
PV-4	505,08	113,71	129,53	854,14	724,61
PV-5	505,46	112,45	148,90	855,26	706,35

6.2 `sapply()`

Liste veya vektörün her elemanına fonksiyon uygular, mümkünse vektör döner. Olası matmatik punalrının (PV) hepsine aynı işlemlerin uygulandığı bir örnek aşağıda sunulmuştur.

library(kableExtra)

pv_ort <- sapply(timss_kisa[, 4:8], mean)
pv_ss <- sapply(timss_kisa[, 4:8], sd)
pv_min <- sapply(timss_kisa[, 4:8], min)
pv_max <- sapply(timss_kisa[, 4:8], max)

pv_istatistik <- data.frame(
  Degisken = c("PV-1", "PV-2", "PV-3", "PV-4", "PV-5"),
  Ortalama = round(pv_ort, 2),
  Std_Sapma = round(pv_ss, 2),
  Min = round(pv_min, 2),
  Max = round(pv_max, 2)
)

colnames(pv_istatistik) <- c("Degisken", "Ortalama", "Std. Sapma", "Minimum", "Maksimum")

kable(pv_istatistik, 
      align = "c",
      row.names = FALSE,
      caption = "5 Plausible Value Istatistikleri (sapply)") %>%
  kable_styling(
    bootstrap_options = c("striped", "hover", "condensed"),
    full_width = FALSE,
    position = "center",
    font_size = 14
  ) %>%
  row_spec(0, bold = TRUE, color = "white", background = "#9b59b6") %>%
  column_spec(1, bold = TRUE, background = "#ecf0f1", width = "10em") %>%
  column_spec(2:3, background = "#fff3cd") %>%
  column_spec(4:5, background = "#d1ecf1")

5 Plausible Value Istatistikleri (sapply)
Degisken	Ortalama	Std. Sapma	Minimum	Maksimum
PV-1	504,18	110,64	216,03	851,10
PV-2	505,84	112,19	187,94	877,67
PV-3	505,45	112,95	139,24	843,08
PV-4	505,08	113,71	129,53	854,14
PV-5	505,46	112,45	148,90	855,26

6.3 `lapply()`

liste veya vektörün her elemanına aynı fonksiyonu uygular ve sonucu liste olarak döner. sapply vektör dönerken lapply her zaman liste döner. Aşağıda olası matematik puanlarının ortalaması bu fonksiyon ile gösterilmiştir.

pv_ortalamalari <- lapply(timss_kisa[, 4:8], mean)

lapply_tablo <- data.frame(
  Plausible_Value = c("PV-1", "PV-2", "PV-3", "PV-4", "PV-5"),
  Ortalama = round(unlist(pv_ortalamalari), 2)
)

colnames(lapply_tablo) <- c("Olası Puan", "Ortalama")

# Güzel tablo oluştur
kable(lapply_tablo, 
      align = "c",
      row.names = FALSE,
      caption = "Olası Değer Ortalamaları") %>%
  kable_styling(
    bootstrap_options = c("striped", "hover", "condensed"),
    full_width = FALSE,
    position = "center",
    font_size = 16
  ) %>%
  row_spec(0, bold = TRUE, color = "white", background = "#e74c3c") %>%
  column_spec(1, bold = TRUE, background = "#ecf0f1", width = "12em") %>%
  column_spec(2, bold = TRUE, color = "white", background = "#f39c12", width = "10em")

Olası Değer Ortalamaları
Olası Puan	Ortalama
PV-1	504,18
PV-2	505,84
PV-3	505,45
PV-4	505,08
PV-5	505,46

6.4 `tapply()`

Bir değişkeni gruplara böler ve her gruba aynı fonksiyonu uygular. “Cinsiyete göre ortalama”, “ev kaynaklarına göre ortalama” gibi grup karşılaştırmaları için kullanılır.

cinsiyet_ortalama <- tapply(timss_kisa$mat_basari1, timss_kisa$cinsiyet, mean)

tapply_tablo <- data.frame(
  Cinsiyet = names(cinsiyet_ortalama),
  Ortalama_Puan = round(cinsiyet_ortalama, 2),
  Ogrenci_Sayisi = as.numeric(table(timss_kisa$cinsiyet))
)


colnames(tapply_tablo) <- c("Cinsiyet", "Ortalama Puan", "Ögrenci Sayısı")

kable(tapply_tablo, 
      align = "c",
      row.names = FALSE,
      caption = "Cinsiyete Gore Matematik Basarisi (tapply)") %>%
  kable_styling(
    bootstrap_options = c("striped", "hover", "condensed"),
    full_width = FALSE,
    position = "center",
    font_size = 15
  ) %>%
  row_spec(0, bold = TRUE, color = "white", background = "#16a085") %>%
  column_spec(1, bold = TRUE, background = "#ecf0f1", width = "10em") %>%
  column_spec(2, bold = TRUE, color = "white", background = "#3498db", width = "12em") %>%
  column_spec(3, background = "#d5f4e6", width = "12em")

Cinsiyete Gore Matematik Basarisi (tapply)
Cinsiyet	Ortalama Puan	Ögrenci Sayısı
1	504,54	2437
2	503,83	2488

6.5 `mapply()`

Birden fazla vektörü paralel olarak işler, her vektörden aynı sıradaki elemanları birlikte kullanır. “Vize %40 + Final %60” gibi çoklu vektör hesaplamalarında kullanılır.

yeni_mat_notu <- mapply(
  function(pv1, pv2) pv1 * 0.30 + pv2 * 0.70,
  timss_kisa$mat_basari1,
  timss_kisa$mat_basari2
)

ogrenci_tablo <- data.frame(
  Ogrenci_No = 1:10,
  Mat_Basari1 = round(timss_kisa$mat_basari1[1:10], 2),
  Mat_Basari2 = round(timss_kisa$mat_basari2[1:10], 2),
  Yeni_Matematik = round(yeni_mat_notu[1:10], 2)
)

colnames(ogrenci_tablo) <- c("Ögrenci No", "PV-1 (30%)", "PV-2 (70%)", "Ağırlıklı Ortalama")

kable(ogrenci_tablo, 
      align = "c",
      row.names = FALSE,
      caption = "Ağırlıklı Ortalama Hesaplama") %>%
  kable_styling(
    bootstrap_options = c("striped", "hover", "condensed"),
    full_width = FALSE,
    position = "center",
    font_size = 14
  ) %>%
  row_spec(0, bold = TRUE, color = "white", background = "#8e44ad") %>%
  column_spec(1, bold = TRUE, background = "#ecf0f1", width = "9em") %>%
  column_spec(2, background = "#ffeaa7", width = "10em") %>%
  column_spec(3, background = "#74b9ff", width = "10em") %>%
  column_spec(4, bold = TRUE, color = "white", background = "#00b894", width = "12em") %>%
  add_header_above(c(" " = 1, "Plausible Values" = 2, "Sonuc" = 1),
                   bold = TRUE, 
                   color = "white", 
                   background = "#2c3e50")

Ağırlıklı Ortalama Hesaplama
	Plausible Values		Sonuc
Ögrenci No	PV-1 (30%)	PV-2 (70%)	Ağırlıklı Ortalama
1	310,97	325,01	320,80
2	399,64	440,00	427,90
3	517,34	504,59	508,41
4	344,48	252,83	280,32
5	479,47	410,80	431,40
6	382,51	338,74	351,87
7	429,39	407,78	414,26
8	459,13	463,96	462,51
9	536,61	550,43	546,28
10	479,04	460,53	466,08

7 Simülasyon Denemesi

Buraya bu haftaki konularla ilgili bir infografik ve simülasyon ekledim. Ancak gömülü dosya ile birlikte RPubs yayınlamama izin vermiyor. Dosaynın tam halini mailinize ilettim.

Fonksiyonlar ve Döngüler İçin Günlük

Emrah GÖREN

2025-12-14

1 Veri Seti

1.1 Veri Seti Hakkında Bilgiler

2 Fonksiyonlar

2.1 Temel Çalışma Mantığı

3 Kontrol Operatörleri

3.1 `if - else`

3.2 `ifelse`

3.3 `all & any`

4 `for` Döngüsü

5 `while` Döngüsü

6 `apply` Grubu

6.1 `apply()`

6.2 `sapply()`

6.3 `lapply()`

6.4 `tapply()`

6.5 `mapply()`

7 Simülasyon Denemesi

Fonksiyonlar ve Döngüler İçin Günlük

Emrah GÖREN

2025-12-14

1 Veri Seti

1.1 Veri Seti Hakkında Bilgiler

2 Fonksiyonlar

2.1 Temel Çalışma Mantığı

3 Kontrol Operatörleri

3.1 if - else

3.2 ifelse

3.3 all & any

4 for Döngüsü

5 while Döngüsü

6 apply Grubu

6.1 apply()

6.2 sapply()

6.3 lapply()

6.4 tapply()

6.5 mapply()

7 Simülasyon Denemesi

3.1 `if - else`

3.2 `ifelse`

3.3 `all & any`

4 `for` Döngüsü

5 `while` Döngüsü

6 `apply` Grubu

6.1 `apply()`

6.2 `sapply()`

6.3 `lapply()`

6.4 `tapply()`

6.5 `mapply()`