CommencezCommencez gratuitement

Visualiser des échantillons

Vous avez vu qu'un seul échantillon peut donner une estimation ponctuelle peu fiable. Pour creuser la question, vous décidez de prendre 100 échantillons de 90 jours consécutifs de données de transactions BTC. Pour chacun de ces 100 échantillons, vous calculez la variation en pourcentage du BTC sur cette période. Vous souhaitez ensuite tracer ces données sous forme d'histogramme pour comprendre la distribution d'échantillonnage.

Même si ces visualisations peuvent être créées avec plt.hist(), dans cet exercice, vous allez vous exercer à utiliser l'argument .plot() sur un DataFrame, avec les arguments bins et density.

Les 100 échantillons de variations en pourcentage ont déjà été chargés pour vous dans btc_pct_change_list. Il s'agit d'une liste de longueur 100, où chaque entrée est la variation en pourcentage du BTC pour l'un des 100 échantillons choisis. Matplotlib a aussi été importé sous le nom plt.

Cette activité fait partie du cours

Fondements de l'inférence en Python

Voir le cours

Instructions de l’exercice

  • Tracez un histogramme des variations en pourcentage du BTC avec 15 bins, où les valeurs en y affichent la density plutôt que le compte.
  • Définissez l'étiquette de l'axe des x sur « Variation en pourcentage sur 90 jours du BTC ».
  • Définissez l'étiquette de l'axe des y sur « Pourcentage des échantillons ».
  • Définissez le titre sur « Distribution d'échantillonnage de la variation du BTC sur 90 jours ».

Exercice interactif pratique

Essayez cet exercice en complétant ce code d’exemple.

# 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()
Modifier et exécuter le code