Net als eerder kun je de willekeurigegetallengenerator aanmaken en zaaien met np.random.default_rng(42).
Je kunt een lege array initialiseren met np.empty(), met het aantal elementen tussen de haakjes.
Eerder liep je over een bereik van 100.000 waarden en daarna n waarden met respectievelijk for i in range(100000) en for i in range(n). Hier moeten we loopen over het aantal elementen dat we hebben opgegeven. We hebben 1000 elementen, ofwel simulaties, maar we voeren telkens slechts 100 Bernoulli-proeven uit met een succeskans p = 0.05; dit zijn de argumenten die je moet meegeven aan de functie perform_bernoulli_trials() die in de vorige oefening is gedefinieerd. Sla bij elke iteratie het resultaat op op de juiste index van n_defaults.
Je kunt een histogram plotten met plt.hist(), maar vergeet niet om naast n_defaults ook density=True te specificeren.
Gebruik plt.show() om de plot te tonen.

Wat is het doel van statistische inferentie?

Statistisch denken in Python (deel 1)