1. Learn
    2. /
  2. Courses
    3. /
  3. Podstawy wnioskowania statystycznego w Pythonie
Connected

Exercise

Bootstrapowe przedziały ufności

Wcześniej zaobserwowałeś/-aś pewien stopień korelacji między indeksem S&P 500 a Bitcoinem. Jednym ze sposobów jej zmierzenia jest obliczenie współczynnika korelacji Pearsona R dla tych dwóch aktywów. Wynikiem jest jednak tylko pojedyncze oszacowanie punktowe. Można założyć, że w niektórych okresach korelacja między nimi jest dość silna, a w innych zachowują się zupełnie niezależnie. Jak scharakteryzować tę zmienność? Jednym z podejść jest wyznaczenie bootstrapowego przedziału ufności dla współczynnika korelacji. Dokładnie to zrobisz teraz!

Dane dotyczące cen S&P 500 i Bitcoina (btc_sp_df) zostały już wczytane, podobnie jak biblioteki: pandas jako pd, NumPy jako np oraz stats z SciPy.

Instructions 1/2

undefined XP
    1
    2
  • Oblicz dzienną zmianę procentową dla BTC i SP500; skorzystaj z konsoli, aby sprawdzić nazwy potrzebnych kolumn.
  • Napisz funkcję, która oblicza współczynnik korelacji Pearsona R i zwraca wyłącznie R (bez p-wartości).
  • Wyznacz bootstrapowy przedział ufności, korzystając z tej funkcji.