{ "cells": [ { "cell_type": "markdown", "source": [ "## ಪ್ರಾಬಬಿಲಿಟಿ ಮತ್ತು ಅಂಕಿಅಂಶಗಳ ಪರಿಚಯ\n", "## ಹಂಚಿಕೆ\n", "\n", "ಈ ಹಂಚಿಕೆಯಲ್ಲಿ, ನಾವು [ಇಲ್ಲಿ](https://www4.stat.ncsu.edu/~boos/var.select/diabetes.html) ತೆಗೆದುಕೊಂಡ ಡಯಾಬಿಟಿಸ್ ರೋಗಿಗಳ ಡೇಟಾಸೆಟ್ ಅನ್ನು ಬಳಸಲಿದ್ದೇವೆ.\n" ], "metadata": {} }, { "cell_type": "code", "execution_count": 13, "source": [ "import pandas as pd\n", "import numpy as np\n", "\n", "df = pd.read_csv(\"../../data/diabetes.tsv\",sep='\\t')\n", "df.head()" ], "outputs": [ { "output_type": "execute_result", "data": { "text/plain": [ " AGE SEX BMI BP S1 S2 S3 S4 S5 S6 Y\n", "0 59 2 32.1 101.0 157 93.2 38.0 4.0 4.8598 87 151\n", "1 48 1 21.6 87.0 183 103.2 70.0 3.0 3.8918 69 75\n", "2 72 2 30.5 93.0 156 93.6 41.0 4.0 4.6728 85 141\n", "3 24 1 25.3 84.0 198 131.4 40.0 5.0 4.8903 89 206\n", "4 50 1 23.0 101.0 192 125.4 52.0 4.0 4.2905 80 135" ], "text/html": [ "
\n", "\n", "\n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", "
AGESEXBMIBPS1S2S3S4S5S6Y
059232.1101.015793.238.04.04.859887151
148121.687.0183103.270.03.03.89186975
272230.593.015693.641.04.04.672885141
324125.384.0198131.440.05.04.890389206
450123.0101.0192125.452.04.04.290580135
\n", "
" ] }, "metadata": {}, "execution_count": 13 } ], "metadata": {} }, { "cell_type": "markdown", "source": [ "ಈ ಡೇಟಾಸೆಟ್‌ನಲ್ಲಿ, ಕಾಲಮ್‌ಗಳು ಕೆಳಗಿನಂತಿವೆ:\n", "* ವಯಸ್ಸು ಮತ್ತು ಲಿಂಗ ಸ್ವಯಂವಿವರಣೆ\n", "* BMI ಎಂದರೆ ದೇಹದ ಭಾರ ಸೂಚ್ಯಂಕ\n", "* BP ಎಂದರೆ ಸರಾಸರಿ ರಕ್ತದ ಒತ್ತಡ\n", "* S1 ರಿಂದ S6 ವರೆಗೆ ವಿಭಿನ್ನ ರಕ್ತ ಮಾಪನಗಳು\n", "* Y ಎಂದರೆ ಒಂದು ವರ್ಷದ ಅವಧಿಯಲ್ಲಿ ರೋಗ ಪ್ರಗತಿಯ ಗುಣಾತ್ಮಕ ಅಳೆಯುವಿಕೆ\n", "\n", "ನಾವು ಈ ಡೇಟಾಸೆಟ್ ಅನ್ನು ಸಾಧ್ಯತೆ ಮತ್ತು ಸಂಖ್ಯಾಶಾಸ್ತ್ರದ ವಿಧಾನಗಳನ್ನು ಬಳಸಿ ಅಧ್ಯಯನ ಮಾಡೋಣ.\n", "\n", "### Task 1: ಎಲ್ಲಾ ಮೌಲ್ಯಗಳ ಸರಾಸರಿ ಮೌಲ್ಯಗಳು ಮತ್ತು ವ್ಯತ್ಯಾಸವನ್ನು ಲೆಕ್ಕಿಸು\n" ], "metadata": {} }, { "cell_type": "code", "execution_count": null, "source": [], "outputs": [], "metadata": {} }, { "cell_type": "markdown", "source": [ "### ಕಾರ್ಯ 2: ಲಿಂಗದ ಆಧಾರದ ಮೇಲೆ BMI, BP ಮತ್ತು Y ಗಾಗಿ ಬಾಕ್ಸ್‌ಪ್ಲಾಟ್‌ಗಳನ್ನು ರಚಿಸಿ\n" ], "metadata": {} }, { "cell_type": "code", "execution_count": null, "source": [], "outputs": [], "metadata": {} }, { "cell_type": "markdown", "source": [ "### ಕಾರ್ಯ 3: ವಯಸ್ಸು, ಲಿಂಗ, ಬಿಎಂಐ ಮತ್ತು Y ಚರಗಳ ವಿತರಣೆಯು ಏನು?\n" ], "metadata": {} }, { "cell_type": "code", "execution_count": null, "source": [], "outputs": [], "metadata": {} }, { "cell_type": "markdown", "source": [ "### Task 4: ವಿಭಿನ್ನ ಚರಗಳು ಮತ್ತು ರೋಗ ಪ್ರಗತಿಯ (Y) ನಡುವಿನ ಸಂಬಂಧವನ್ನು ಪರೀಕ್ಷಿಸಿ\n", "\n", "> **ಸೂಚನೆ** ಸಂಬಂಧ ಮ್ಯಾಟ್ರಿಕ್ಸ್ ನಿಮಗೆ ಯಾವ ಮೌಲ್ಯಗಳು ಅವಲಂಬಿತವಾಗಿವೆ ಎಂಬುದರ ಬಗ್ಗೆ ಅತ್ಯಂತ ಉಪಯುಕ್ತ ಮಾಹಿತಿಯನ್ನು ನೀಡುತ್ತದೆ.\n" ], "metadata": {} }, { "cell_type": "markdown", "source": [], "metadata": {} }, { "cell_type": "markdown", "source": [ "### ಕಾರ್ಯ 5: ಪುರುಷರು ಮತ್ತು ಮಹಿಳೆಯರ ನಡುವೆ ಮಧುಮೇಹ ಪ್ರಗತಿಯ ಮಟ್ಟ ವಿಭಿನ್ನವಾಗಿದೆ ಎಂಬ ಊಹೆಯನ್ನು ಪರೀಕ್ಷಿಸಿ\n" ], "metadata": {} }, { "cell_type": "markdown", "source": [], "metadata": {} }, { "cell_type": "markdown", "metadata": {}, "source": [ "---\n\n\n**ಅಸ್ವೀಕರಣ**: \nಈ ದಸ್ತಾವೇಜು AI ಅನುವಾದ ಸೇವೆ [Co-op Translator](https://github.com/Azure/co-op-translator) ಬಳಸಿ ಅನುವಾದಿಸಲಾಗಿದೆ. ನಾವು ನಿಖರತೆಯಿಗಾಗಿ ಪ್ರಯತ್ನಿಸುತ್ತಿದ್ದರೂ, ಸ್ವಯಂಚಾಲಿತ ಅನುವಾದಗಳಲ್ಲಿ ದೋಷಗಳು ಅಥವಾ ಅಸತ್ಯತೆಗಳು ಇರಬಹುದು ಎಂದು ದಯವಿಟ್ಟು ಗಮನಿಸಿ. ಮೂಲ ಭಾಷೆಯಲ್ಲಿರುವ ಮೂಲ ದಸ್ತಾವೇಜನ್ನು ಅಧಿಕೃತ ಮೂಲವೆಂದು ಪರಿಗಣಿಸಬೇಕು. ಮಹತ್ವದ ಮಾಹಿತಿಗಾಗಿ, ವೃತ್ತಿಪರ ಮಾನವ ಅನುವಾದವನ್ನು ಶಿಫಾರಸು ಮಾಡಲಾಗುತ್ತದೆ. ಈ ಅನುವಾದ ಬಳಕೆಯಿಂದ ಉಂಟಾಗುವ ಯಾವುದೇ ತಪ್ಪು ಅರ್ಥಮಾಡಿಕೊಳ್ಳುವಿಕೆ ಅಥವಾ ತಪ್ಪು ವಿವರಣೆಗಳಿಗೆ ನಾವು ಹೊಣೆಗಾರರಾಗುವುದಿಲ್ಲ.\n\n" ] } ], "metadata": { "orig_nbformat": 4, "language_info": { "name": "python", "version": "3.8.8", "mimetype": "text/x-python", "codemirror_mode": { "name": "ipython", "version": 3 }, "pygments_lexer": "ipython3", "nbconvert_exporter": "python", "file_extension": ".py" }, "kernelspec": { "name": "python3", "display_name": "Python 3.8.8 64-bit (conda)" }, "interpreter": { "hash": "86193a1ab0ba47eac1c69c1756090baa3b420b3eea7d4aafab8b85f8b312f0c5" }, "coopTranslator": { "original_hash": "6d945fd15163f60cb473dbfe04b2d100", "translation_date": "2025-12-19T17:06:15+00:00", "source_file": "1-Introduction/04-stats-and-probability/assignment.ipynb", "language_code": "kn" } }, "nbformat": 4, "nbformat_minor": 2 }