Amostragem na distribuição Binomial
Calcule a função massa de probabilidade para o número de inadimplências que esperaríamos em 100 empréstimos, como na última seção, mas em vez de simular todos os ensaios de Bernoulli, faça a amostragem usando rng.binomial(). Isso é idêntico ao cálculo que você fez no último conjunto de exercícios usando sua função perform_bernoulli_trials() escrita por você, mas é muito mais eficiente computacionalmente. Dada essa eficiência extra, vamos coletar 10.000 amostras em vez de 1000. Depois de obter as amostras, faça o gráfico da CDF como da última vez. Essa CDF que você está plotando é a da distribuição Binomial.
Observação: Para este exercício e todos os próximos, o gerador de números aleatórios já está instanciado e com semente definida para você (com rng = np.random.default_rng(42)), para evitar que você tenha que digitar isso toda vez.
Este exercicio faz parte do curso
Pensamento Estatístico em Python (Parte 1)
Instruções do exercicio
- Extraia amostras da distribuição Binomial usando
rng.binomial(). Você deve usar os parâmetrosn = 100ep = 0.05, e definir o argumento nomeadosizecomo10000. - Calcule a CDF usando sua função
ecdf()escrita anteriormente. - Plote a CDF com rótulos de eixo. O eixo x aqui é o número de inadimplências em 100 empréstimos, enquanto o eixo y é a CDF.
- Mostre o gráfico.
exercicio interativo prático
Tente este exercicio completando este código de exemplo.
# Take 10,000 samples out of the binomial distribution: n_defaults
# Compute CDF: x, y
# Plot the CDF with axis labels
# Show the plot