Obliczanie przedziałów ufności
Skoro już wykazano, że rozkład próbkowania ceny zamknięcia indeksu S&P 500 jest w przybliżeniu normalny, czas obliczyć przedział ufności! Chcesz oszacować średnią cenę zamknięcia indeksu S&P 500 – właśnie do tego posłuży ci przedział ufności.
Zbiór danych btc_sp_df jest już wczytany, podobnie jak pakiety pandas jako pd, NumPy jako np oraz scipy.stats jako stats.
To ćwiczenie jest częścią kursu
Podstawy wnioskowania statystycznego w Pythonie
Instrukcje do ćwiczenia
- Wybierz losową próbkę 500 dni z kolumny
Close_SP500. - Oblicz średnią tej losowej próbki.
- Oblicz błąd standardowy tej losowej próbki jako odchylenie standardowe podzielone przez pierwiastek kwadratowy z rozmiaru próbki.
- Oblicz 95-procentowy przedział ufności, korzystając z wartości, które właśnie wyznaczono.
Interaktywne ćwiczenie praktyczne
Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.
# 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=____)