BaşlayınÜcretsiz Başlayın

Normal örnekleme dağılımları

S&P 500'ün işlem geçmişinin bir alt kümesi için gerçekçi bir ortalama kapanış fiyatı tahmin etmek istiyorsun. Elinde bir örneklem istatistiği var ve bunu kullanarak anakütle istatistiğini tahmin etmek istiyorsun; bu da güven aralığı için doğal bir kullanım gibi görünüyor. Ancak ilk adımın, örnekleme dağılımının yaklaşık olarak normal olup olmadığını kontrol etmek olmalı. Bu egzersizde tam olarak bunu yapacaksın. Sonraki egzersizde ise bu sonucu kullanarak güven aralığını oluşturacaksın.

Aynı btc_sp_df verisi senin için yüklendi; ayrıca pandas pd olarak, NumPy np olarak ve Matplotlib plt olarak yüklendi.

Bu egzersiz

Python'da Çıkarımın Temelleri

kursunun bir parçasıdır
Kursu Görüntüle

Egzersiz talimatları

  • num_samples değişkenini istenen örnek sayısı (200) olarak tanımla ve her bir örnekten gelecek ortalamaları saklamak için boş bir liste sample_means oluştur.
  • Örnekleme işlemini num_samples kez tekrar edecek bir for döngüsü yaz.
  • btc_sp_df veri çerçevesinin Close_SP500 sütunundan rastgele 500 S&P500 kapanış fiyatı seç.
  • Bu örneklerin her birinin ortalamasını hesapla ve sample_means listesinde sakla.

Uygulamalı interaktif egzersiz

Bu örnek kodu tamamlayarak bu egzersizi bitirin.

# 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()
Kodu Düzenle ve Çalıştır