เริ่มต้นใช้งานเริ่มต้นใช้งานได้ฟรี

การแจกแจงตัวอย่างแบบปกติ

สมมติว่าต้องการประมาณค่าเฉลี่ยราคาปิดที่สมเหตุสมผลของ S&P 500 จากช่วงประวัติการซื้อขายบางส่วน ดูเหมือนว่านี่จะเป็นการนำ confidence interval มาใช้ได้อย่างเหมาะสม เนื่องจากมีค่าสถิติจากตัวอย่างและต้องการใช้มันประมาณค่าสถิติของประชากร อย่างไรก็ตาม ขั้นตอนแรกควรตรวจสอบก่อนว่าการแจกแจงของตัวอย่างมีลักษณะใกล้เคียงกับการแจกแจงแบบปกติหรือไม่ ในแบบฝึกหัดนี้จะทำสิ่งนั้น แล้วในแบบฝึกหัดถัดไปจึงนำผลลัพธ์ที่ได้ไปสร้าง confidence interval

ชุดข้อมูล btc_sp_df ถูกโหลดไว้ให้แล้ว พร้อมกับแพ็กเกจ pandas ในชื่อ pd, NumPy ในชื่อ np และ Matplotlib ในชื่อ plt

แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร

พื้นฐานการอนุมานทางสถิติด้วย Python

ดูคอร์ส

คำแนะนำการฝึกหัด

  • กำหนดตัวแปร num_samples เป็นจำนวนตัวอย่างที่ต้องการ (200) และกำหนดลิสต์ว่าง sample_means สำหรับเก็บค่าเฉลี่ยจากแต่ละตัวอย่างทั้ง 200 ชุด
  • เขียนลูป for เพื่อวนซ้ำกระบวนการสุ่มตัวอย่างจำนวน num_samples รอบ
  • สุ่มราคาปิดของ S&P 500 จากคอลัมน์ Close_SP500 ใน btc_sp_df จำนวน 500 ค่า
  • คำนวณค่าเฉลี่ยของแต่ละตัวอย่าง แล้วเก็บผลไว้ใน sample_means

แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ

ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์

# 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()
แก้ไขและรันโค้ด