НачатьНачать бесплатно

Нормальные выборочные распределения

Вам нужно оценить реалистичное среднее значение цены закрытия индекса S&P 500 за определённый период его торговой истории. Это классическая задача для доверительного интервала: у вас есть выборочная статистика, и вы хотите использовать её для оценки генеральной совокупности. Однако сначала стоит проверить, является ли выборочное распределение приблизительно нормальным. Именно это вы и сделаете в данном упражнении, а в следующем — построите доверительный интервал на основе полученного результата.

Датафрейм btc_sp_df уже загружен, как и необходимые пакеты: pandas как pd, NumPy как np и Matplotlib как plt.

Это упражнение является частью курса

Основы статистического вывода на Python

Посмотреть курс

Инструкции к упражнению

  • Определите переменную num_samples как желаемое количество выборок (200) и создайте пустой список sample_means для хранения среднего значения каждой из 200 выборок.
  • Напишите цикл for, который повторит процесс формирования выборки num_samples раз.
  • На каждой итерации выберите 500 случайных цен закрытия S&P 500 из столбца Close_SP500 датафрейма btc_sp_df.
  • Вычислите среднее значение каждой выборки и сохраните его в sample_means.

Интерактивное практическое упражнение

Попробуйте выполнить это упражнение, дополнив этот пример кода.

# 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()
Редактировать и запускать код