Bắt đầu ngayBắt đầu miễn phí

Phân phối lấy mẫu chuẩn

Bạn muốn ước tính giá đóng cửa trung bình thực tế của S&P 500 trong một phần lịch sử giao dịch của chỉ số. Đây là tình huống phù hợp để dùng khoảng tin cậy, vì bạn có một thống kê mẫu và muốn dùng nó để ước lượng thống kê quần thể. Tuy nhiên, bước đầu tiên là kiểm tra xem phân phối lấy mẫu có xấp xỉ chuẩn hay không. Trong bài này, bạn sẽ làm chính điều đó. Ở bài tiếp theo, bạn sẽ dùng kết quả này để tạo khoảng tin cậy.

Dữ liệu btc_sp_df đã được nạp sẵn cho bạn, cùng với các gói pandas là pd, NumPy là np và Matplotlib là plt.

Bài tập này là một phần của khóa học

Nền tảng Suy luận trong Python

Xem khóa học

Hướng dẫn bài tập

  • Tạo biến num_samples là số mẫu cần lấy (200), và tạo danh sách rỗng sample_means để lưu trung bình của mỗi trong 200 mẫu.
  • Viết một vòng lặp for để lặp quy trình lấy mẫu num_samples lần.
  • Chọn ngẫu nhiên 500 giá đóng cửa S&P500 từ cột Close_SP500 của btc_sp_df.
  • Tính trung bình của mỗi mẫu và lưu vào sample_means.

Bài tập tương tác thực hành trực tiếp

Hãy thử làm bài tập này bằng cách hoàn thành đoạn mã mẫu này.

# 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()
Chỉnh sửa và Chạy Mã