Campionare dalla distribuzione Binomiale
Calcola la funzione di massa di probabilità per il numero di insolvenze che ci aspettiamo su 100 prestiti come nella sezione precedente, ma invece di simulare tutte le prove di Bernoulli, effettua il campionamento usando rng.binomial(). Questo è identico al calcolo che hai fatto nel set di esercizi precedente usando la tua funzione perform_bernoulli_trials() scritta da te, ma è molto più efficiente dal punto di vista computazionale. Data questa efficienza extra, prenderemo 10.000 campioni invece di 1000. Dopo aver prelevato i campioni, traccia la CDF come l’ultima volta. La CDF che stai tracciando è quella della distribuzione Binomiale.
Nota: Per questo esercizio e per tutti i successivi, il generatore di numeri casuali è già istanziato e inizializzato con un seme per te (con rng = np.random.default_rng(42)), così non devi digitarlo ogni volta.
Questo esercizio fa parte del corso
Pensare in modo statistico con Python (Parte 1)
Istruzioni dell'esercizio
- Estrai campioni dalla distribuzione Binomiale usando
rng.binomial(). Devi usare i parametrin = 100ep = 0.05, e impostare l’argomento keywordsizea10000. - Calcola la CDF usando la tua funzione
ecdf()scritta in precedenza. - Traccia la CDF con le etichette degli assi. L’asse x qui è il numero di insolvenze su 100 prestiti, mentre l’asse y è la CDF.
- Mostra il grafico.
Esercizio pratico interattivo
Prova a risolvere questo esercizio completando il codice di esempio.
# Take 10,000 samples out of the binomial distribution: n_defaults
# Compute CDF: x, y
# Plot the CDF with axis labels
# Show the plot