正态抽样分布
您希望基于交易历史的一个子集来估计标普 500 的一个合理收盘价均值。这似乎非常适合使用置信区间，因为您手头有样本统计量，并希望用它来估计总体统计量。不过，第一步应该先检查抽样分布是否近似正态。在本练习中，您将完成这一步。在下一个练习中，您会据此构建置信区间。
相同的数据 btc_sp_df 已为您加载，同时还加载了 pandas（命名为 pd）、NumPy（命名为 np）和 Matplotlib（命名为 plt）。
本练习是课程的一部分
Python 推断基础
练习说明
- 将变量
num_samples定义为所需的样本次数（200），并定义一个空列表sample_means，用于存储这 200 个样本各自的均值。 - 编写一个
for循环，将抽样过程重复num_samples次。 - 从
btc_sp_df的Close_SP500列中随机选择 500 个标普 500 收盘价。 - 计算每个样本的均值，并将结果存入
sample_means。
交互式实操练习
通过完成这段示例代码来试试这个练习。
# 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()