ПочатиПочніть безкоштовно

Нормальні розподіли вибіркових середніх

Ви хочете оцінити реалістичне середнє значення ціни закриття індексу S&P 500 за підмножину його історії торгів. Це виглядає як природне застосування довірчого інтервалу, адже у вас є вибіркова статистика, і ви хочете використати її, щоб оцінити параметр генеральної сукупності. Однак першим кроком слід перевірити, чи є вибірковий розподіл приблизно нормальним. У цій вправі ви саме це й зробите. У наступній вправі ви використаєте цей результат, щоб побудувати свій довірчий інтервал.

Ті самі дані btc_sp_df уже завантажено для вас, так само як і пакети pandas як pd, NumPy як np та Matplotlib як plt.

Ця вправа є частиною курсу

Основи інференції в Python

Переглянути курс

Інструкції до вправи

  • Створіть змінну num_samples як бажану кількість вибірок (200) і порожній список sample_means для збереження середніх кожної з 200 вибірок.
  • Напишіть цикл for, який повторить процес вибіркового відбору num_samples разів.
  • Виберіть 500 випадкових цін закриття S&P500 зі стовпця Close_SP500 датафрейму btc_sp_df.
  • Обчисліть середнє для кожної з цих вибірок і збережіть результати в sample_means.

Інтерактивна практична вправа

Спробуйте виконати цю вправу, доповнивши цей зразок коду.

# 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()
Редагувати та запускати код