CommencerCommencez gratuitement

Calcul des intervalles de confiance

Maintenant que vous avez montré que la distribution d’échantillonnage du cours de clôture du S&P 500 est approximativement normale, vous allez calculer un intervalle de confiance. Vous souhaitez estimer la moyenne du cours de clôture du S&P 500, et le calcul d’un intervalle de confiance vous permet précisément cela.

Les mêmes données btc_sp_df ont été chargées pour vous, ainsi que les bibliothèques pandas sous pd, NumPy sous np et scipy.stats sous stats.

Cet exercice fait partie du cours

<cours>Fondements de l’inférence en Python</cours>
Voir le cours

Instructions de l’exercice

  • Sélectionnez un échantillon aléatoire de 500 jours à partir de la colonne Close_SP500.
  • Calculez la moyenne de cet échantillon aléatoire.
  • Calculez l’erreur standard de cet échantillon comme l’écart type divisé par la racine carrée de la taille de l’échantillon.
  • Calculez un intervalle de confiance à 95 % en utilisant les valeurs que vous venez de calculer.

Exercice interactif pratique

Essayez cet exercice en complétant ce code d’exemple.

# Select a sample of 500 random days
sample_closing = np.____(____, size=____)

# Calculate the mean of the sample
sample_mean = ____

# Calculate the standard error of the sample
sample_se = ____ / ____

# Calculate a 95% confidence interval using this data
stats.norm.interval(alpha=____,
                   loc=____,
                   scale=____)
Modifier et exécuter le code