CommencerCommencer 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

Fondements de l’inférence en Python

Afficher le cours

Instructions

  • 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 cet exemple de code.

# 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