शुरू करेंमुफ़्त में शुरू करें

Normal sampling distributions

आप S&P 500 के ट्रेडिंग इतिहास के एक हिस्से पर उसके यथार्थवादी औसत क्लोजिंग प्राइस का अनुमान लगाना चाहते हैं. यह कॉन्फिडेंस इंटरवल का स्वाभाविक उपयोग लगता है, क्योंकि आपके पास एक सैंपल स्टैटिस्टिक है और आप उसे पॉप्युलेशन स्टैटिस्टिक का अनुमान लगाने के लिए प्रयोग करना चाहते हैं. लेकिन पहला कदम यह जाँचना होना चाहिए कि सैंपलिंग डिस्ट्रीब्यूशन लगभग नॉर्मल है या नहीं. इस अभ्यास में, आप यही करेंगे. अगले अभ्यास में, आप इसी परिणाम से अपना कॉन्फिडेंस इंटरवल बनाएँगे.

वही डेटा btc_sp_df आपके लिए लोड किया गया है, और पैकेज भी: pandas को pd के रूप में, NumPy को np के रूप में, और Matplotlib को plt के रूप में.

यह अभ्यास पाठ्यक्रम का हिस्सा है

Python में अनुमान का आधार

पाठ्यक्रम देखें

अभ्यास निर्देश

  • वैरिएबल num_samples को इच्छित सैंपल संख्या (200) के रूप में परिभाषित करें, और एक खाली लिस्ट sample_means बनाएँ जिसमें 200 में से प्रत्येक सैंपल का mean स्टोर होगा.
  • एक for लूप लिखें जो सैंपलिंग प्रक्रिया को num_samples बार दोहराए.
  • btc_sp_df के Close_SP500 कॉलम से 500 रैंडम S&P500 क्लोजिंग प्राइस चुनें.
  • इन प्रत्येक सैंपल का mean निकालें और उन्हें sample_means में स्टोर करें.

इंटरैक्टिव व्यावहारिक अभ्यास

इस अभ्यास को इस नमूना कोड को पूरा करके आज़माएँ।

# Define the number of samples to take and store the sample means
num_samples = ____
sample_means = ____

# Write a for loop which repeats the sampling num_samples times
for i in ____:
  # Select 500 random Close_SP500 prices 
  sp500_sample = np.___(____, size=____)
  # Compute mean closing price and save it to sample_means
  ____.append(____.mean())
    
plt.hist(sample_means)
plt.show()
कोड संपादित करें और चलाएँ