शुरू करेंमुफ़्त में शुरू करें

बूटस्ट्रैप confidence intervals

आपने पहले देखा था कि S&P 500 और Bitcoin के बीच कुछ हद तक सहसंबंध है। इसे मापने का एक तरीका दोनों के बीच सहसंबंध गुणांक Pearson's R देखना होगा। हालाँकि, ऐसा करने से केवल एक point estimate मिलता है। संभवतः, कुछ समयावधियों में दोनों के बीच सहसंबंध काफ़ी अधिक होता है, जबकि अन्य समय वे एक-दूसरे से बहुत अलग व्यवहार करते हैं। आप इस परिवर्तनशीलता को कैसे व्यक्त करेंगे? एक तरीका है दोनों के बीच सहसंबंध गुणांक के लिए बूटस्ट्रैप confidence interval बनाना। अब आप ठीक वही करेंगे!

S&P 500 और Bitcoin की कीमतों का एक DataFrame (btc_sp_df) आपके लिए लोड किया गया है, साथ ही पैकेज pandas pd के रूप में, NumPy np के रूप में, और SciPy से stats भी लोड हैं.

यह अभ्यास पाठ्यक्रम का हिस्सा है

Python में अनुमान का आधार

पाठ्यक्रम देखें

इंटरैक्टिव व्यावहारिक अभ्यास

इस अभ्यास को इस नमूना कोड को पूरा करके आज़माएँ।

# Compute the daily percent change of each asset
btc_sp_df['Pct_Daily_Change_BTC'] = (____['Open_BTC'] - ____['Close_BTC']) / ____['Open_BTC']
btc_sp_df['Pct_Daily_Change_SP500'] = ____

# Write a function which returns the correlation coefficient
def pearson_r(x, y):
    return stats.____[0]
  
# Compute a bootstrap confidence interval
ci = stats.bootstrap((____, ____), 
                     statistic=____, 
                     vectorized=False, paired=True, n_resamples=1000, random_state=1)

print(ci.confidence_interval)
कोड संपादित करें और चलाएँ