Inferenza statistica e campionamento casuale

Fondamenti dell'inferenza in Python

Paul Savala

Assistant Professor of Mathematics

Statistiche descrittive

Statistiche campionarie per riassumere i dati
Le statistiche descrittive riassumono il campione

Data	Chiusura SP500	Variazione giornaliera
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

Variazione media giornaliera: -$9.14

Inferenza

Inferire qualcosa sulla popolazione
Statistiche descrittive: descrivono i dati
Inferenza: trarre conclusioni e decisioni

Data	Chiusura SP500	Variazione giornaliera
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

Oscillazione media giornaliera per giorni qualsiasi ~$9.14

Processo di inferenza statistica

Diagramma: popolazione → campione → inferenza → popolazione.

Stime puntuali

Data da un singolo valore
"Miglior stima" di una statistica di popolazione ignota

Stima puntuale: oscillazione giornaliera BTC 1158.95

Le prime cinque righe del dataset Bitcoin

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


np.mean(btc_high - btc_low)

1158.95

Campionamento

Le stime puntuali dipendono dal campione

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

Passons à la pratique !

Fondamenti dell'inferenza in Python