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).