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
Grundlagen der Inferenz in Python
Interaktive Übung
Vervollständige den Beispielcode, um diese Übung erfolgreich abzuschließen.
# 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)