دراسة التوزيعات الإحصائية للمتغيرات الصحية والبدنية باستخدام Python

تم تنفيذ تحليل استكشافي للبيانات (EDA) بهدف فهم شكل وتوزيع المتغيرات الرقمية المهمة، مما يساعد في اتخاذ قرارات أدق قبل بناء نماذج التعلم الآلي. تفاصيل العمل: تم تحليل مجموعة من المتغيرات الحيوية باستخدام الرسوم البيانية (Histogram + Density Curve) لتوضيح شكل التوزيع، التمركز، والانتشار، وتشمل: توزيع العمر (Age Distribution) يوضح الفئات العمرية الأكثر تكرارًا واكتشاف أي انحراف في البيانات توزيع الطول (Height Distribution) يظهر توزيع شبه طبيعي حول المتوسط نسبة الدهون في الجسم (Body Fat %) تحليل انتشار القيم واكتشاف القيم الشاذة (Outliers) ضغط الدم الانقباضي (Systolic BP) يساعد في فهم الحالة الصحية العامة للبيانات قوة القبضة (Grip Force) يوضح اختلاف القوة بين الأفراد القفز العريض (Broad Jump) تحليل الأداء البدني والتوزيع العام للنتائج الهدف من التحليل: فهم طبيعة البيانات (هل هي طبيعية أم منحرفة) اكتشاف القيم الشاذة (Outliers) تحديد أفضل طرق المعالجة (Scaling / Normalization) دعم مراحل بناء النماذج التنبؤية لاحقًا الأدوات المستخدمة: Python مكتبات: Pandas – Matplotlib – Seaborn