Kolik nesplacených úvěrů můžeme čekat?

Představ si, že banka poskytla 100 hypotečních úvěrů. Počet nesplacených úvěrů může být kdekoli od 0 do 100. Zajímá nás pravděpodobnost konkrétního počtu selhání, přičemž pravděpodobnost nesplacení jednoho úvěru je p = 0.05. Provedeme simulaci: použijeme funkci perform_bernoulli_trials() z předchozího cvičení a provedeme 100 Bernoulliho pokusů, přičemž zaznamenáme, kolik selhání nastane. Úspěch zde znamená nesplacení úvěru. (Připomeňme, že „úspěch" jednoduše znamená, že Bernoulliho pokus vrátí hodnotu True, tedy že dlužník úvěr nesplatil.) Celý postup zopakujeme znovu a znovu, dokud neprovedeme celkem 1 000 simulací. Nakonec vykreslíme histogram znázorňující pravděpodobnost různých počtů selhání.

Toto cvičení je součástí kurzu

Statistical Thinking in Python (Part 1)

Zobrazit kurz

Pokyny k cvičení

Nastav seed generátoru náhodných čísel na hodnotu 42.
Inicializuj n_defaults jako prázdné pole pomocí np.empty(). Pole by mělo obsahovat 1 000 prvků, protože provádíme 1 000 simulací.
Napiš smyčku for s 1000 iteracemi, která pomocí funkce perform_bernoulli_trials() vypočítá počet nesplacených úvěrů na 100 půjček. Funkce přijímá dva argumenty: počet pokusů n – v tomto případě 100 – a pravděpodobnost úspěchu p – v tomto případě pravděpodobnost nesplacení úvěru, tedy 0.05. Výsledek každé iterace ulož do příslušného prvku pole n_defaults.
Vykresli histogram pole n_defaults. Přidej argument density=True, aby výška sloupců histogramu odpovídala pravděpodobnosti.
Zobraz graf.

Interaktivní cvičení na vyzkoušení si v praxi

Vyzkoušejte si toto cvičení dokončením tohoto ukázkového kódu.

# Instantiate and seed random number generator


# Initialize the number of defaults: n_defaults


# Compute the number of defaults
for i in ____:
    n_defaults[i] = ____


# Plot the histogram with default number of bins; label your axes
_ = plt.hist(____, ____)
_ = plt.xlabel('number of defaults out of 100 loans')
_ = plt.ylabel('probability')

# Show the plot

Upravit a spustit kód