Statistisk inferens och slumpmässigt urval

Grunderna i inferens med Python

Paul Savala

Assistant Professor of Mathematics

Deskriptiv statistik

Urvalsstatistik sammanfattar data
Deskriptiv statistik sammanfattar vårt urval

Datum	SP500 Stängning	Daglig förändring
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

Genomsnittlig daglig förändring: -$9,14

Inferens

Dra slutsatser om vår population
Deskriptiv statistik: Beskriver data
Inferens: Dra slutsatser och fatta beslut

Datum	SP500 Stängning	Daglig förändring
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

Genomsnittlig daglig svängning för valfria dagar ~$9,14

Den statistiska inferensprocessen

Ett diagram som visar hur en population leder till ett urval, som leder till inferens, som leder tillbaka till populationen.

Punktskattningar

Ges av ett enskilt värde
"Bästa gissningen" på en okänd populationsstatistik

Punktskatning: 1 158,95 BTC daglig svängning

De fem första raderna i Bitcoin-datamängden

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


np.mean(btc_high - btc_low)

1158.95

Urval

Punktskattningar beror på urvalet

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

Nu kör vi en övning!

Grunderna i inferens med Python