Échantillonnage à partir de la distribution binomiale
Calculez la fonction de masse de probabilité pour le nombre de défauts de paiement que l'on s'attendrait à observer sur 100 prêts, comme dans la section précédente, mais plutôt que de simuler toutes les épreuves de Bernoulli, effectuez l'échantillonnage avec rng.binomial(). C'est identique au calcul que vous avez fait dans la dernière série d'exercices avec votre fonction personnalisée perform_bernoulli_trials(), mais c'est beaucoup plus efficace sur le plan informatique. Grâce à ce gain d'efficacité, nous prendrons 10 000 échantillons au lieu de 1 000. Après avoir prélevé les échantillons, tracez la FDC comme précédemment. La FDC que vous tracez ici est celle de la distribution binomiale.
Remarque : Pour cet exercice et tous ceux à venir, le générateur de nombres aléatoires est instancié et amorcé pour vous (avec rng = np.random.default_rng(42)) afin de vous éviter de taper cela chaque fois.
Cette activité fait partie du cours
Réflexion statistique en Python (Partie 1)
Instructions de l’exercice
- Prélevez des échantillons à partir de la distribution binomiale avec
rng.binomial(). Utilisez les paramètresn = 100etp = 0.05, et définissez l'argument nommésizeà10000. - Calculez la FDC en utilisant votre fonction
ecdf()écrite précédemment. - Tracez la FDC avec des étiquettes d'axes. L'axe des x correspond ici au nombre de défauts sur 100 prêts, et l'axe des y à la FDC.
- Affichez le graphique.
Exercice interactif pratique
Essayez cet exercice en complétant ce code d’exemple.
# Take 10,000 samples out of the binomial distribution: n_defaults
# Compute CDF: x, y
# Plot the CDF with axis labels
# Show the plot