Comme précédemment, vous pouvez instancier et fixer la graine du générateur de nombres aléatoires avec np.random.default_rng(42).
Vous pouvez initialiser un tableau vide avec np.empty(), en indiquant le nombre d’éléments entre parenthèses.
Plus tôt, vous avez itéré sur une plage de 100 000 valeurs puis sur n valeurs avec for i in range(100000) et for i in range(n). Ici, nous devons itérer sur le nombre d’éléments spécifié. Bien que nous ayons 1000 éléments, ou simulations, nous n’effectuerons que 100 essais de Bernoulli, chacun avec une probabilité de succès p = 0.05 ; ce sont les arguments à passer à la fonction perform_bernoulli_trials() définie dans l’exercice précédent. Pour chaque essai, le résultat doit être affecté à l’indice approprié de n_defaults.
Vous pouvez tracer un histogramme avec plt.hist(), mais n’oubliez pas de préciser density=True en plus de n_defaults.
Utilisez plt.show() pour afficher le graphique.

Quel est l’objectif de l’inférence statistique ?