CommencerCommencer gratuitement

Visualiser des échantillons

Vous avez vu qu’un seul échantillon peut fournir une estimation ponctuelle peu fiable. Pour l’examiner, vous décidez de prendre 100 échantillons de 90 jours consécutifs de données de trading BTC. Pour chacun de ces 100 échantillons, vous calculez le pourcentage de variation 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 entraîner à utiliser l’argument .plot() sur un DataFrame, avec les arguments bins et density.

Les 100 échantillons de pourcentage de variation ont déjà été chargés dans btc_pct_change_list. Il s’agit d’une liste de longueur 100, dont chaque entrée correspond au pourcentage de variation du BTC pour l’un des 100 échantillons choisis. Matplotlib a également été importé sous le nom plt.

Cet exercice fait partie du cours

Fondements de l’inférence en Python

Afficher le cours

Instructions

  • Tracez un histogramme du pourcentage de variation du BTC avec 15 bins, avec les valeurs en y affichant la density plutôt que le décompte.
  • Définissez le libellé de l’axe des x sur « BTC : variation en pourcentage sur 90 jours ».
  • Définissez le libellé de l’axe des y sur « Pourcentage d’échantillons ».
  • Définissez le titre sur « Distribution d’échantillonnage de la variation du BTC sur 90 jours ».

Exercice interactif pratique

Essayez cet exercice en complétant cet exemple de code.

# 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