Sacar conclusiones a partir de muestras
Has visto cómo el muestreo aleatorio puede usarse para elegir una muestra de datos que sea (¡con suerte!) representativa de la población que estás estudiando. También has visto cómo el sesgo en el procedimiento de muestreo puede llevar a conclusiones dudosas en el mejor de los casos y totalmente erróneas en el peor.
En este ejercicio analizarás el precio de cierre medio del S&P 500. Si tomas dos muestras distintas de días de cotización y calculas intervalos de confianza para cada una, ¿deberías esperar ver el mismo resultado? ¡Es momento de que lo compruebes!
Este ejercicio forma parte del curso
Fundamentos de la inferencia en Python
ejercicio interactivo práctico
Prueba este ejercicio completando este código de ejemplo.
# 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)