Conclusies trekken uit steekproeven
Je hebt gezien hoe je met aselecte steekproeven een gegevenssteekproef kunt kiezen die (hopelijk!) representatief is voor de populatie die je bestudeert. Je hebt ook gezien hoe bias in de steekproefprocedure kan leiden tot conclusies die op z’n best twijfelachtig zijn en op z’n slechtst compleet fout.
In deze oefening analyseer je de gemiddelde slotkoers van de S&P 500. Als je twee verschillende steekproeven van handelsdagen neemt en voor beide betrouwbaarheidsintervallen berekent, moet je dan verwachten dat je hetzelfde resultaat ziet? Tijd om erin te duiken en het zelf te ontdekken!
Deze oefening maakt deel uit van de cursus
Basis van inferentie in Python
Praktische interactieve oefening
Probeer deze oefening eens door deze voorbeeldcode in te vullen.
# Sample 1: Select a random sample of 500 rows
sample_df = ____.sample(n=____)
# Compute a 95% confidence interval for the closing price of SP500
sample_ci = stats.____.____(alpha=____,
loc=____.mean(),
scale=____.std()/np.sqrt(____))
print(sample_ci)