Calcolare gli intervalli di confidenza
Ora che hai dimostrato che la distribuzione campionaria del prezzo di chiusura dell'S&P 500 è approssimativamente normale, calcolerai un intervallo di confidenza! Vuoi stimare il prezzo di chiusura medio dell'S&P 500, e il calcolo di un intervallo di confidenza ti permette di farlo.
Gli stessi dati btc_sp_df sono già stati caricati per te, così come i pacchetti pandas come pd, NumPy come np e scipy.stats come stats.
Questo esercizio fa parte del corso
Fondamenti dell'inferenza in Python
Istruzioni dell'esercizio
- Seleziona un campione casuale di 500 giorni dalla colonna
Close_SP500. - Calcola la media di questo campione casuale.
- Calcola l'errore standard di questo campione casuale come la deviazione standard divisa per la radice quadrata della dimensione del campione.
- Calcola un intervallo di confidenza al 95% usando i valori che hai appena calcolato.
esercizio interattivo pratico
Prova questo esercizio completando questo codice di esempio.
# 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=____)