Steekproeven uit de Binomiale verdeling

Bereken de kansmassafunctie voor het aantal wanbetalingen dat je zou verwachten bij 100 leningen zoals in de vorige sectie, maar in plaats van alle Bernoulli-proeven te simuleren, trek je de steekproeven met rng.binomial(). Dit is identiek aan de berekening die je in de vorige reeks oefeningen deed met je zelfgeschreven functie perform_bernoulli_trials(), maar veel efficiënter qua rekenwerk. Dankzij die extra efficiëntie nemen we nu 10.000 steekproeven in plaats van 1000. Maak na het trekken van de steekproeven, net als vorige keer, de CDF-plot. De CDF die je hier plot is die van de Binomiale verdeling.

Opmerking: Voor deze oefening en alle volgende is de willekeurigegetallengenerator al voor je geïnstantieerd en gezaaid (met rng = np.random.default_rng(42)), zodat je dat niet elke keer hoeft te typen.

Deze oefening maakt deel uit van de cursus

Statistisch denken in Python (deel 1)

Cursus bekijken

Oefeninstructies

Trek steekproeven uit de Binomiale verdeling met rng.binomial(). Gebruik de parameters n = 100 en p = 0.05, en zet het keyword-argument size op 10000.
Bereken de CDF met je eerder geschreven functie ecdf().
Plot de CDF met aslabels. De x-as is hier het aantal wanbetalingen van 100 leningen, en de y-as is de CDF.
Toon de plot.

Praktische interactieve oefening

Probeer deze oefening eens door deze voorbeeldcode in te vullen.

# Take 10,000 samples out of the binomial distribution: n_defaults


# Compute CDF: x, y


# Plot the CDF with axis labels




# Show the plot

Code bewerken en uitvoeren