Statistische inferentie en aselecte steekproeven

Basis van inferentie in Python

Paul Savala

Assistant Professor of Mathematics

Beschrijvende statistiek

Steekproefstatistieken vatten de data samen
Beschrijvende statistiek vat onze steekproef samen

Datum	SP500-slot	Dagelijkse verandering
2017-08-07	2480.91	6.14
2017-08-08	2474.92	-5.99
2017-08-09	2474.02	-0.90
2017-08-10	2438.21	-35.81

Gem. dagelijkse verandering: -$9.14

Inferentie

Trek iets af over de populatie
Beschrijvende statistiek: beschrijf data
Inferentie: trek conclusies en neem beslissingen

Datum	SP500-slot	Dagelijkse verandering
2017-08-07	2480.91	6.14
2017-08-08	2474.92	-5.99
2017-08-09	2474.02	-0.90
2017-08-10	2438.21	-35.81

Gem. dagelijkse schommeling voor willekeurige dagen ≈ $9.14

Proces van statistische inferentie

Een diagram met populatie → steekproef → inferentie → terug naar populatie.

Puntschattingen

Gegeven door één waarde
Beste schatting van een onbekende populatiestatistiek

Puntschatting: 1158.95 BTC dagelijkse schommeling

De eerste vijf rijen van de Bitcoin-dataset

btc_high = btc_sp_df['High_BTC']
btc_low = btc_sp_df['Low_BTC']


np.mean(btc_high - btc_low)

1158.95

Steekproeven

Puntschattingen hangen af van de steekproef

btc_sp_first100 = btc_sp_df.iloc[:100]

np.mean(btc_sp_first100['High_BTC'] - btc_sp_first100['Low_BTC'])

659.60

initial_row = np.random.choice(btc_sp_df.shape[0]-100)

btc_sp_random_100 = btc_sp_df.iloc[initial_row:initial_row+100]

np.mean(btc_sp_first100['High_BTC'] - btc_sp_first100['Low_BTC'])

943.83

Laten we oefenen!

Basis van inferentie in Python