Dra slutsatser från urval
Du har sett hur slumpmässigt urval kan användas för att välja ut data som (förhoppningsvis!) är representativt för den population du studerar. Du har också sett hur bias i urvalsprocessen kan leda till slutsatser som i bästa fall är tveksamma och i värsta fall helt felaktiga.
I den här övningen analyserar du det genomsnittliga stängningspriset för S&P 500. Om du tar två olika urval av handelsdagar och beräknar konfidensintervall för vardera – bör du förvänta dig samma resultat? Dags att dyka in och ta reda på det!
Den här övningen är en del av kursen
Grunderna i inferens med Python
Interaktiv övning med praktiskt arbete
Testa den här övningen genom att slutföra den här exempelkoden.
# 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)