| itle: “SSB201-Final-I” |
| uthor: “Gökcesu Kılınç 240201047” |
| ate: “2026-01-09” |
| utput: |
| html_document: |
| toc: true |
| toc_depth: 4 |
| toc_float: true |
SSB 201 – Sosyal Bilimler İçin İstatistik I
Final Sınavı
library (gapminder)## Warning: package 'gapminder' was built under R version 4.5.2library (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, unionlibrary (ggplot2)Soru 1 – Veri Setini İnceleme ve Düzenleme
1.a) gapminder veri setindeki değişken isimlerini ve veri türlerini inceleyiniz.
data(gapminder)
names(gapminder)## [1] "country" "continent" "year" "lifeExp" "pop" "gdpPercap"glimpse(gapminder)## Rows: 1,704
## Columns: 6
## $ country <fct> "Afghanistan", "Afghanistan", "Afghanistan", "Afghanistan", …
## $ continent <fct> Asia, Asia, Asia, Asia, Asia, Asia, Asia, Asia, Asia, Asia, …
## $ year <int> 1952, 1957, 1962, 1967, 1972, 1977, 1982, 1987, 1992, 1997, …
## $ lifeExp <dbl> 28.801, 30.332, 31.997, 34.020, 36.088, 38.438, 39.854, 40.8…
## $ pop <int> 8425333, 9240934, 10267083, 11537966, 13079460, 14880372, 12…
## $ gdpPercap <dbl> 779.4453, 820.8530, 853.1007, 836.1971, 739.9811, 786.1134, …1.b) Aşağıdaki değişkenleri seçerek gapminder_tr isimli yeni bir veri seti oluşturunuz:
ulke (country)
yil (year)
yasam_beklentisi (lifeExp)
kisi_basi_gelir (gdpPercap)
kita (continent)
#glimpse(gapminder_tr)1.c) Bu yeni veri setindeki değişken adlarını Türkçeleştiriniz ve gapminder_tr üzerine kaydediniz.
gapminder_tr<-gapminder %>%
rename(
ulke=country,
kita=continent,
yil=year,
yasam_beklentisi=lifeExp,
kişi_başı_gelir=gdpPercap
)
names(gapminder_tr)## [1] "ulke" "kita" "yil" "yasam_beklentisi"
## [5] "pop" "kişi_başı_gelir"Soru 2 – Betimsel İstatistikler
2.a) gapminder_tr veri seti için summary() fonksiyonunu kullanarak genel özeti elde ediniz.
summary(gapminder_tr)## ulke kita yil yasam_beklentisi
## Afghanistan: 12 Africa :624 Min. :1952 Min. :23.60
## Albania : 12 Americas:300 1st Qu.:1966 1st Qu.:48.20
## Algeria : 12 Asia :396 Median :1980 Median :60.71
## Angola : 12 Europe :360 Mean :1980 Mean :59.47
## Argentina : 12 Oceania : 24 3rd Qu.:1993 3rd Qu.:70.85
## Australia : 12 Max. :2007 Max. :82.60
## (Other) :1632
## pop kişi_başı_gelir
## Min. :6.001e+04 Min. : 241.2
## 1st Qu.:2.794e+06 1st Qu.: 1202.1
## Median :7.024e+06 Median : 3531.8
## Mean :2.960e+07 Mean : 7215.3
## 3rd Qu.:1.959e+07 3rd Qu.: 9325.5
## Max. :1.319e+09 Max. :113523.1
## 2.b) Yaşam beklentisi değişkeninin ortalama, medyan ve ranj değerlerini açıklayınız.
#yaşam beklentisinin medyani %61,ortalaması %60, ranjı da %83’dür.
Soru 3 – Frekans ve Yüzde Tablosu
Not: Aşağıdaki soruları gapminder_tr veri setini kullanarak yanıtlayın.
3.a) Kıta (continent) değişkenine ait frekans tablosunu oluşturunuz.
table(gapminder_tr$kita)##
## Africa Americas Asia Europe Oceania
## 624 300 396 360 243.b) Aynı değişken için yüzde (%) dağılımını hesaplayınız.
#prop_table(table(gapminder_tr$kita))*100Soru 4 – Saçılım Diyagramı ve Korelasyon
4.a) Yaşam beklentisi (lifeExp) ile kişi başına düşen gelir (gdpPercap) arasındaki ilişkiyi gösteren bir saçılım diyagramı oluşturunuz. Eksen adlarını ve grafiğin başlığını ekleyiniz.
ggplot(
data=gapminder,
aes(x=lifeExp,y=gdpPercap)
)+
geom_point()
4.b) Bu iki değişken arasındaki korelasyon katsayısını hesaplayınız ve korelasyon katsayısını yorumlayınız.
#cor(
# gapminder_tr$kisi_basi_gelir,
#gapminder_tr$yasam_beklentisi,
#use="pairwise.complete.obs"
#)Soru 5 – Basit Doğrusal Regresyon
5.a) Kişi başına düşen gelirin (gdpPercap), yaşam beklentisini (lifeExp) yordayıp yordamadığını test eden bir basit doğrusal regresyon modeli kurunuz.
gapminder_mod<-lm(yasam_beklentisi~kişi_başı_gelir,data=gapminder_tr)
summary(gapminder_mod)##
## Call:
## lm(formula = yasam_beklentisi ~ kişi_başı_gelir, data = gapminder_tr)
##
## Residuals:
## Min 1Q Median 3Q Max
## -82.754 -7.758 2.176 8.225 18.426
##
## Coefficients:
## Estimate Std. Error t value Pr(>|t|)
## (Intercept) 5.396e+01 3.150e-01 171.29 <2e-16 ***
## kişi_başı_gelir 7.649e-04 2.579e-05 29.66 <2e-16 ***
## ---
## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
##
## Residual standard error: 10.49 on 1702 degrees of freedom
## Multiple R-squared: 0.3407, Adjusted R-squared: 0.3403
## F-statistic: 879.6 on 1 and 1702 DF, p-value: < 2.2e-165.b) Regresyon çıktısından aşağıdaki bilgileri bulunuz ve yorumlayınız:
eğim (β₁)
kesişim (β₀)
R-kare (R²)
coef(gapminder_mod)## (Intercept) kişi_başı_gelir
## 5.395556e+01 7.648826e-045.c) Yaşam beklentisi (yasam_beklentisi) ile kişi başına düşen gelir (kisi_basi_gelir) arasındaki ilişkiyi gösteren bir saçılım diyagramı oluşturunuz. Grafiğe uygun eksen adlarını ve bir başlık ekleyiniz. Bu grafiğin üzerine basit doğrusal regresyon çizgisini ekleyiniz.
#ggplot(gapminder_tr,aes(x=kisi_bası_gelir,y=yasam_beklentisi))+
#geom_jitter(width=0.3,height=0.3,alpha=0.5,color="steelblue")
#geom_point(alpha=0.5,size=3,color="pink")+
#geom_smooth(method="lm,se=FALSE",color="red")
#+labs(x="kisi_basi_gelir",
#y="yasam_beklentisi",
#title="basit doğrusal regresyon çizgisi"
#)+
#theme_classic()+#ggplot(gapminder_tr,aes(x=kisi_bası_gelir,y=yasam_beklentisi))+
#geom_point()+
#geom_smooth(method="lm",se=FALSE,color"red")+
#labs(x="yasam_beklentisi",
#y="kisi_bası_gelir",
#title="basit doğrusal regresyon çizgisi")Soru 6 - geom_jitter fonksiyonunun kullanım amacı
nedir?
#geom_jitter fonksiyonunun kullanım amacı tablodaki noktaların üst üste gelmesini önler.