def q4():
df_filtered = stars[stars.target == 0].mean_profile
false_pulsar_mean_profile_standardized = (
df_filtered - df_filtered.mean()) / df_filtered.std()
quantis = sct.norm.ppf([0.8, 0.9, 0.95])
ecdf = ECDF(false_pulsar_mean_profile_standardized)(quantis)
# Retorne aqui o resultado da questão 4.
return tuple(ecdf.round(3))
# Sua análise da parte 2 começa aqui.
stars.head()
# In[29]:
stars.describe()
# In[57]:
#q4
df_filtered = stars[stars.target == 0].mean_profile
false_pulsar_mean_profile_standardized = (
df_filtered - df_filtered.mean()) / df_filtered.std()
quantis = sct.norm.ppf([0.8, 0.9, 0.95])
ecdf = ECDF(false_pulsar_mean_profile_standardized)(quantis)
ecdf.round(3)
#q4
df_filtered = stars[stars.target == 0].mean_profile
false_pulsar_mean_profile_standardized = (
df_filtered - df_filtered.mean()) / df_filtered.std()
quantis_teoricos = sct.norm.ppf([.25, .50, 0.75])
quantis_reais = np.quantile(false_pulsar_mean_profile_standardized,
[.25, .50, 0.75])
diff_quantile = quantis_reais - quantis_teoricos
diff_quantile.round(3)
# ## Questão 4
#
# Considerando a variável `mean_profile` de `stars`:
#
# 1. Filtre apenas os valores de `mean_profile` onde `target == 0` (ou seja, onde a estrela não é um pulsar).
