# ============================================================
# R ile Bagimsiz Orneklem t Testi
# Senaryo: Iki farkli ogretim yontemiyle ders isleyen gruplarin
#          son-test puanlari karsilastiriliyor.
# Kullanim: Bu dosyayi ve r-t-testi-veri.csv dosyasini ayni
#           klasore koyun, RStudio'da calistirin (Ctrl+Shift+S).
# Kaynak: veriakademi.com
# ============================================================

# --- 1. Veriyi oku ------------------------------------------
veri <- read.csv("r-t-testi-veri.csv", fileEncoding = "UTF-8")
head(veri)          # ilk 6 satira goz at
table(veri$yontem)  # grup buyuklukleri

# --- 2. Tanimlayici istatistikler ---------------------------
tapply(veri$puan, veri$yontem, mean)  # grup ortalamalari
tapply(veri$puan, veri$yontem, sd)    # standart sapmalar

# --- 3. Varsayim kontrolleri --------------------------------
# Normallik: her grup icin Shapiro-Wilk (p > 0.05 ise normal)
shapiro.test(veri$puan[veri$yontem == "Geleneksel"])
shapiro.test(veri$puan[veri$yontem == "Etkilesimli"])

# Varyans homojenligi: Levene testi (car paketi)
library(car)
leveneTest(puan ~ factor(yontem), data = veri)

# --- 4. Bagimsiz orneklem t testi ---------------------------
# var.equal = TRUE: Levene p > 0.05 oldugu icin klasik Student t
sonuc <- t.test(puan ~ yontem, data = veri, var.equal = TRUE)
sonuc

# --- 5. Etki buyuklugu (Cohen d) ----------------------------
library(effectsize)
cohens_d(puan ~ yontem, data = veri)

# --- 6. Kutu grafigi (teze eklenebilir) ---------------------
library(ggplot2)
grafik <- ggplot(veri, aes(x = yontem, y = puan, fill = yontem)) +
  geom_boxplot(width = 0.5, show.legend = FALSE) +
  labs(x = "Ogretim Yontemi", y = "Son-Test Puani",
       title = "Yonteme Gore Son-Test Puanlari") +
  theme_minimal(base_size = 13)
grafik
ggsave("r-t-testi-grafik.png", grafik, width = 9, height = 4.5, dpi = 100)