# ============================================================
# R ile Korelasyon Analizi (Pearson ve Spearman)
# Senaryo: 40 sporcunun haftalik antrenman saati ile 3000 m
#          kosu suresi arasindaki iliski inceleniyor.
# Kullanim: Bu dosyayi ve r-korelasyon-analizi-veri.csv
#           dosyasini ayni klasore koyun, RStudio'da calistirin.
# Kaynak: veriakademi.com
# ============================================================

# --- 1. Veriyi oku ------------------------------------------
veri <- read.csv("r-korelasyon-analizi-veri.csv", fileEncoding = "UTF-8")
head(veri)

# --- 2. Normallik kontrolu (katsayi secimi icin) ------------
shapiro.test(veri$antrenman_saat)
shapiro.test(veri$kosu_suresi_dk)
# Iki degisken de normalse Pearson; degilse Spearman tercih edilir

# --- 3. Pearson korelasyonu ---------------------------------
cor.test(veri$antrenman_saat, veri$kosu_suresi_dk, method = "pearson")

# --- 4. Spearman (siralama) korelasyonu ---------------------
cor.test(veri$antrenman_saat, veri$kosu_suresi_dk, method = "spearman")

# --- 5. Yorumlama rehberi -----------------------------------
# |r| < 0.30 zayif, 0.30-0.70 orta, > 0.70 guclu iliski
# r'nin isareti YONU gosterir: eksi = biri artarken oteki azalir
# DIKKAT: korelasyon neden-sonuc KANITLAMAZ.

# --- 6. Sacilim grafigi (teze eklenebilir) ------------------
library(ggplot2)
grafik <- ggplot(veri, aes(x = antrenman_saat, y = kosu_suresi_dk)) +
  geom_point(color = "#2c7fb8", size = 2.5) +
  geom_smooth(method = "lm", se = TRUE, color = "red", linewidth = 0.8) +
  labs(x = "Haftalik Antrenman (saat)", y = "3000 m Suresi (dk)",
       title = "Antrenman Suresi ile Kosu Performansi Iliskisi") +
  theme_minimal(base_size = 13)
grafik
ggsave("r-korelasyon-analizi-grafik.png", grafik, width = 9, height = 4.5, dpi = 100)