LoslegenKostenlos loslegen

Stichproben visualisieren

Du hast gesehen, dass eine einzelne Stichprobe eine unzuverlässige Punkt-Schätzung liefern kann. Um das zu untersuchen, nimmst du 100 Stichproben von jeweils 90 aufeinanderfolgenden Tagen an BTC-Handelsdaten. Für jede dieser 100 Stichproben berechnest du die prozentuale Veränderung von BTC über diesen Zeitraum. Anschließend willst du diese Daten als Histogramm darstellen, um die Stichprobenverteilung zu verstehen.

Auch wenn sich diese Visualisierungen mit plt.hist() erstellen lassen, übst du in dieser Aufgabe die Verwendung des Arguments .plot() auf einem DataFrame, mit den Argumenten bins und density.

Die 100 Stichproben der prozentualen Veränderung wurden bereits in btc_pct_change_list geladen. Das ist eine Liste der Länge 100, wobei jeder Eintrag die prozentuale BTC-Veränderung für eine der 100 ausgewählten Stichproben ist. Matplotlib wurde außerdem als plt importiert.

Diese Übung ist Teil des Kurses

Grundlagen der Inferenz in Python

Kurs anzeigen

Anleitung zur Übung

  • Zeichne ein Histogramm der prozentualen BTC-Veränderung mit 15 bins, wobei die y-Werte die density (Dichte) statt der Anzahl anzeigen.
  • Setze die x-Achsenbeschriftung auf "BTC 90-day percent change".
  • Setze die y-Achsenbeschriftung auf "Percent of samples".
  • Setze den Titel auf "Sampling distribution of BTC 90-day change".

Interaktive Übung

Vervollständige den Beispielcode, um diese Übung erfolgreich abzuschließen.

# Plot a histogram of percent changes
plt.____(____, bins=____, density=____)
# Set the x-axis label
plt.____('BTC 90-day percent change')
# Set the y-axis label
plt.____('Percent of samples')
# Set the title
plt.____('Sampling distribution of BTC 90-day change')

plt.show()
Code bearbeiten und ausführen