PMF der Binomialverteilung plotten
Wie im Video erwähnt, braucht man für eine hübsch aussehende PMF ein bisschen Matplotlib-Trickserei, auf die wir hier nicht eingehen. Stattdessen plotten wir die PMF der Binomialverteilung als Histogramm mit den Fähigkeiten, die du bereits gelernt hast. Der Trick besteht darin, die Kanten der Klassen so festzulegen, dass sie über das Schlüsselwortargument bins an plt.hist() übergeben werden. Wir wollen die Klassen auf den ganzen Zahlen zentrieren. Die Kanten sollten also -0.5, 0.5, 1.5, 2.5, ... bis max(n_defaults) + 1.5 sein. Ein solches Array kannst du mit np.arange() erzeugen und anschließend 0.5 davon abziehen.
Du hast in den Aufgaben zu Kreditausfällen bereits aus der Binomialverteilung gezogen; die resultierenden Stichproben liegen im NumPy-Array n_defaults.
Diese Übung ist Teil des Kurses
Statistical Thinking in Python (Teil 1)
Anleitung zur Übung
- Berechne mit
np.arange()die Klassenränder so, dass die Klassen auf den ganzen Zahlen zentriert sind. Speichere das resultierende Array in der Variablebins. - Verwende
plt.hist(), um das Histogramm vonn_defaultsmit den Schlüsselwortargumentendensity=Trueundbins=binszu plotten. - Zeige den Plot an.
Interaktive Übung
Vervollständige den Beispielcode, um diese Übung erfolgreich abzuschließen.
# Compute bin edges: bins
bins = np.arange(____, ____ + ____) - 0.5
# Generate histogram
# Label axes
# Show the plot