{ "cells": [ { "cell_type": "markdown", "source": [ "## Introduction to Probability and Statistics\n", "## Assignment\n", "\n", "ఈ అసైన్‌మెంట్‌లో, మేము [ఇక్కడి నుండి](https://www4.stat.ncsu.edu/~boos/var.select/diabetes.html) తీసుకున్న మధుమేహ రోగుల డేటాసెట్‌ను ఉపయోగించబోతున్నాము.\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": [ "ఈ డేటాసెట్‌లో, కాలమ్స్ క్రింది విధంగా ఉన్నాయి:\n", "* వయస్సు మరియు లింగం స్వయంగా అర్థమయ్యే విషయాలు\n", "* BMI అనగా శరీర ద్రవ్య సూచిక\n", "* BP అనగా సగటు రక్తపోటు\n", "* S1 నుండి S6 వరకు వివిధ రక్త కొలతలు\n", "* Y అనగా ఒక సంవత్సర కాలంలో వ్యాధి పురోగతి యొక్క గుణాత్మక కొలత\n", "\n", "Probability మరియు statistics పద్ధతులను ఉపయోగించి ఈ డేటాసెట్‌ను అధ్యయనం చేద్దాం.\n", "\n", "### Task 1: అన్ని విలువల కోసం సగటు విలువలు మరియు వ్యత్యాసం లెక్కించండి\n" ], "metadata": {} }, { "cell_type": "code", "execution_count": null, "source": [], "outputs": [], "metadata": {} }, { "cell_type": "markdown", "source": [ "### టాస్క్ 2: లింగం ఆధారంగా BMI, BP మరియు Y కోసం బాక్స్‌ప్లాట్లు చిత్రించండి\n" ], "metadata": {} }, { "cell_type": "code", "execution_count": null, "source": [], "outputs": [], "metadata": {} }, { "cell_type": "markdown", "source": [ "### టాస్క్ 3: వయస్సు, లింగం, బిఎంఐ మరియు Y వేరియబుల్స్ యొక్క పంపిణీ ఏమిటి?\n" ], "metadata": {} }, { "cell_type": "code", "execution_count": null, "source": [], "outputs": [], "metadata": {} }, { "cell_type": "markdown", "source": [ "### Task 4: వివిధ వేరియబుల్స్ మరియు వ్యాధి పురోగతికి (Y) మధ్య సంబంధాన్ని పరీక్షించండి\n", "\n", "> **సూచన** సంబంధ మ్యాట్రిక్స్ మీకు ఏ విలువలు ఆధారపడి ఉన్నాయో అత్యంత ఉపయోగకరమైన సమాచారం ఇస్తుంది.\n" ], "metadata": {} }, { "cell_type": "markdown", "source": [], "metadata": {} }, { "cell_type": "markdown", "source": [ "### టాస్క్ 5: మగ మరియు ఆడల మధ్య మధుమేహ పురోగతి స్థాయి భిన్నమని హైపోథిసిస్‌ను పరీక్షించండి\n" ], "metadata": {} }, { "cell_type": "markdown", "source": [], "metadata": {} }, { "cell_type": "markdown", "metadata": {}, "source": [ "---\n\n\n**అస్పష్టత**: \nఈ పత్రాన్ని AI అనువాద సేవ [Co-op Translator](https://github.com/Azure/co-op-translator) ఉపయోగించి అనువదించబడింది. మేము ఖచ్చితత్వానికి ప్రయత్నించినప్పటికీ, ఆటోమేటెడ్ అనువాదాల్లో పొరపాట్లు లేదా తప్పిదాలు ఉండవచ్చు. మూల పత్రం దాని స్వదేశీ భాషలో అధికారిక మూలంగా పరిగణించాలి. ముఖ్యమైన సమాచారానికి, ప్రొఫెషనల్ మానవ అనువాదం సిఫార్సు చేయబడుతుంది. ఈ అనువాదం వలన కలిగే ఏవైనా అపార్థాలు లేదా తప్పుదారితీసే అర్థాలు కోసం మేము బాధ్యత వహించము.\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": "2025-12-19T17:05:41+00:00", "source_file": "1-Introduction/04-stats-and-probability/assignment.ipynb", "language_code": "te" } }, "nbformat": 4, "nbformat_minor": 2 }