LoslegenKostenlos starten

Wiederholtes Sampling, Punktschätzungen und Inferenz

In der vorherigen Übung hast du eine einzige Stichprobe von neunzig Tagen verwendet, um zu deiner Schlussfolgerung zu kommen. Aber was wäre, wenn du andere neunzig Tage hättest? Wären deine Schlussfolgerungen anders?

Eine Möglichkeit, das zu beurteilen, ist wiederholt zu sampeln. Wenn du mehrfach aus deinen Daten ziehst und deine Punktschätzung berechnest, siehst du, wie sie sich verändert.

Die gleichen Daten btc_sp_df sind bereits für dich geladen, ebenso die Pakete Pandas als pd und NumPy als np.

Diese Übung ist Teil des Kurses

<Kurs>Grundlagen der Inferenz in Python</Kurs>
Kurs ansehen

Interaktive praktische Übung

Versuche dich an dieser Übung, indem du diesen Beispielcode vervollständigst.

# Write a for loop which repeats the sampling ten times
for i in ____:
    # Select a random starting row number
    initial_row_number = ____(____(btc_sp_df.shape[0] - 90))
    # Select the next 90 rows after the starting row
    sample_df = ____[____:____ + ____]
    # Compute the percent change in closing price of BTC and print it
    btc_pct_change = (____.iloc[0][____] - ____.iloc[-1][____]) / ____.iloc[0][____]
    print(btc_pct_change)
Code bearbeiten und ausführen