Come hai fatto in precedenza, puoi istanziare e fissare il seed del generatore di numeri casuali usando np.random.default_rng(42).
Puoi inizializzare un array vuoto con np.empty(), specificando tra parentesi il numero di elementi.
Prima, hai iterato su un intervallo di 100.000 valori e poi su n valori usando rispettivamente for i in range(100000) e for i in range(n). Qui, dobbiamo iterare sul numero di elementi che abbiamo specificato. Anche se abbiamo 1000 elementi, o simulazioni, eseguiremo solo 100 prove di Bernoulli, ciascuna con probabilità di successo p = 0.05; questi sono gli argomenti da passare alla funzione perform_bernoulli_trials() definita nell'esercizio precedente. Per ogni prova, assegna il risultato all'indice appropriato di n_defaults.
Puoi tracciare un istogramma con plt.hist(), ma ricorda di specificare density=True oltre a n_defaults.
Usa plt.show() per visualizzare il grafico.

Qual è l'obiettivo dell'inferenza statistica?

Pensare in modo statistico con Python (Parte 1)