Wyciąganie wniosków z próbek
Wiesz już, jak losowe próbkowanie pozwala wybrać próbkę danych, która jest (miejmy nadzieję!) reprezentatywna dla badanej populacji. Wiesz też, że obciążenie procedury pobierania próbek może prowadzić do wniosków co najmniej wątpliwych, a w najgorszym razie – zupełnie błędnych.
W tym ćwiczeniu przeanalizujesz średnią cenę zamknięcia indeksu S&P 500. Jeśli pobierzesz dwie różne próbki dni handlowych i wyznaczysz dla każdej z nich przedziały ufności, czy należy spodziewać się takiego samego wyniku? Czas to sprawdzić!
To ćwiczenie jest częścią kursu
Podstawy wnioskowania statystycznego w Pythonie
Interaktywne ćwiczenie praktyczne
Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.
# 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)