CommencerCommencer gratuitement

Échantillonnage répété, estimations ponctuelles et inférence

Dans l’exercice précédent, vous avez utilisé un seul échantillon de quatre-vingt-dix jours pour tirer votre conclusion. Mais que se passerait-il si vous aviez un autre ensemble de quatre-vingt-dix jours ? Vos conclusions seraient-elles différentes ?

Une façon d’évaluer cela est de réaliser des échantillonnages répétés. En rééchantillonnant plusieurs fois vos données et en calculant votre estimation ponctuelle, vous pouvez observer comment elle varie.

Les mêmes données btc_sp_df ont été chargées pour vous, de même que les bibliothèques Pandas sous pd et NumPy sous np.

Cet exercice fait partie du cours

Fondements de l’inférence en Python

Afficher le cours

Exercice interactif pratique

Essayez cet exercice en complétant cet exemple de code.

# 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)
Modifier et exécuter le code