{ "cells": [ { "cell_type": "markdown", "source": [ "## সম্ভাবনা এবং পরিসংখ্যানের পরিচিতি \n", "## অ্যাসাইনমেন্ট \n", "\n", "এই অ্যাসাইনমেন্টে, আমরা ডায়াবেটিস রোগীদের ডেটাসেট ব্যবহার করব যা [এখান থেকে নেওয়া হয়েছে](https://www4.stat.ncsu.edu/~boos/var.select/diabetes.html)। \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": [ "এই ডেটাসেটে নিম্নলিখিত কলামগুলো রয়েছে:\n", "* বয়স এবং লিঙ্গ স্বতঃস্পষ্ট\n", "* BMI হলো শরীরের ভর সূচক\n", "* BP হলো গড় রক্তচাপ\n", "* S1 থেকে S6 হলো বিভিন্ন রক্তের পরিমাপ\n", "* Y হলো এক বছরের মধ্যে রোগের অগ্রগতির গুণগত পরিমাপ\n", "\n", "চলুন এই ডেটাসেটটি সম্ভাবনা এবং পরিসংখ্যানের পদ্ধতি ব্যবহার করে অধ্যয়ন করি।\n", "\n", "### কাজ ১: সমস্ত মানের জন্য গড় মান এবং বৈচিত্র্য গণনা করুন\n" ], "metadata": {} }, { "cell_type": "code", "execution_count": null, "source": [], "outputs": [], "metadata": {} }, { "cell_type": "markdown", "source": [ "### টাস্ক ২: লিঙ্গের উপর নির্ভর করে BMI, BP এবং Y এর জন্য বক্সপ্লট আঁকুন\n" ], "metadata": {} }, { "cell_type": "code", "execution_count": null, "source": [], "outputs": [], "metadata": {} }, { "cell_type": "markdown", "source": [ "### টাস্ক ৩: বয়স, লিঙ্গ, বিএমআই এবং ওয়াই ভেরিয়েবলের বণ্টন কী?\n" ], "metadata": {} }, { "cell_type": "code", "execution_count": null, "source": [], "outputs": [], "metadata": {} }, { "cell_type": "markdown", "source": [ "### টাস্ক ৪: বিভিন্ন ভেরিয়েবল এবং রোগের অগ্রগতি (Y) এর মধ্যে সম্পর্ক পরীক্ষা করুন\n", "\n", "> **ইঙ্গিত** সম্পর্ক ম্যাট্রিক্স আপনাকে সবচেয়ে কার্যকর তথ্য দেবে যে কোন মানগুলো পরস্পর নির্ভরশীল।\n" ], "metadata": {} }, { "cell_type": "markdown", "source": [], "metadata": {} }, { "cell_type": "markdown", "source": [ "### টাস্ক ৫: পুরুষ এবং নারীদের মধ্যে ডায়াবেটিসের অগ্রগতির মাত্রা ভিন্ন কিনা তা পরীক্ষা করুন\n" ], "metadata": {} }, { "cell_type": "markdown", "source": [], "metadata": {} }, { "cell_type": "markdown", "metadata": {}, "source": [ "\n---\n\n**অস্বীকৃতি**: \nএই নথিটি AI অনুবাদ পরিষেবা [Co-op Translator](https://github.com/Azure/co-op-translator) ব্যবহার করে অনুবাদ করা হয়েছে। আমরা যথাসাধ্য সঠিকতার জন্য চেষ্টা করি, তবে অনুগ্রহ করে মনে রাখবেন যে স্বয়ংক্রিয় অনুবাদে ত্রুটি বা অসঙ্গতি থাকতে পারে। মূল ভাষায় থাকা নথিটিকে প্রামাণিক উৎস হিসেবে বিবেচনা করা উচিত। গুরুত্বপূর্ণ তথ্যের জন্য, পেশাদার মানব অনুবাদ সুপারিশ করা হয়। এই অনুবাদ ব্যবহারের ফলে কোনো ভুল বোঝাবুঝি বা ভুল ব্যাখ্যা হলে আমরা দায়বদ্ধ থাকব না।\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": "2025-09-06T17:19:49+00:00", "source_file": "1-Introduction/04-stats-and-probability/assignment.ipynb", "language_code": "bn" } }, "nbformat": 4, "nbformat_minor": 2 }