正規な標本分布
S&P 500 の一部の取引期間における現実的な終値の平均を推定したいとします。標本統計量から母集団の統計量を推定したいので、これは信頼区間の自然な適用先のように見えます。ただし、最初のステップは、標本分布がおおよそ正規分布かどうかを確認することです。この演習では、まさにそれを行います。次の演習では、この結果を使って信頼区間を作成します。
同じデータ btc_sp_df が読み込まれており、pandas は pd、NumPy は np、Matplotlib は plt としてインポート済みです。
この演習はコースの一部です
Pythonで学ぶ推測の基礎
演習の手順
- 変数
num_samplesに取得したいサンプル数（200）を設定し、200 個のサンプルそれぞれの平均を格納する空のリストsample_meansを用意します。 - サンプリング処理を
num_samples回繰り返すforループを書きます。 btc_sp_dfのClose_SP500列から S&P500 の終値をランダムに500件選びます。- 各サンプルの平均を計算し、
sample_meansに格納します。
実践的なインタラクティブ演習
このサンプルコードを完成させて、この演習に挑戦してみましょう。
# 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()