Schlussfolgerungen aus Stichproben ziehen
Du hast gesehen, wie Zufallsstichproben verwendet werden können, um eine Stichprobe auszuwählen, die (hoffentlich!) die Population, die du untersuchst, repräsentiert. Du hast auch gesehen, wie ein Bias im Stichprobenverfahren zu Schlussfolgerungen führen kann, die bestenfalls fragwürdig und schlimmstenfalls völlig falsch sind.
In dieser Übung analysierst du den durchschnittlichen Schlusskurs des S&P 500. Wenn du zwei unterschiedliche Stichproben von Handelstagen nimmst und für jede Konfidenzintervalle berechnest, solltest du dann das gleiche Ergebnis erwarten? Zeit, selbst einzutauchen und es herauszufinden!
Diese Übung ist Teil des Kurses
<Kurs>Grundlagen der Inferenz in Python</Kurs>Interaktive praktische Übung
Versuche dich an dieser Übung, indem du diesen Beispielcode vervollständigst.
# Sample 1: Select a random sample of 500 rows
sample_df = ____.sample(n=____)
# Compute a 95% confidence interval for the closing price of SP500
sample_ci = stats.____.____(alpha=____,
loc=____.mean(),
scale=____.std()/np.sqrt(____))
print(sample_ci)