Como você fez antes, você pode instanciar e definir a semente do gerador de números aleatórios usando np.random.default_rng(42).
Um array vazio pode ser inicializado com np.empty(), informando o número de elementos entre parênteses.
Antes, você percorreu um intervalo de 100.000 valores e depois n valores usando for i in range(100000) e for i in range(n), respectivamente. Aqui, precisamos iterar pelo número de elementos que especificamos. Embora tenhamos 1000 elementos, ou simulações, vamos realizar apenas 100 ensaios de Bernoulli, cada um com probabilidade de sucesso p = 0.05; esses são os argumentos que precisam ser passados para a função perform_bernoulli_trials() definida no exercício anterior. Em cada iteração, o resultado deve ser atribuído ao índice correspondente de n_defaults.
Você pode plotar um histograma usando plt.hist(), mas lembre-se de especificar density=True além de n_defaults.
Use plt.show() para exibir o gráfico.

Qual é o objetivo da inferência estatística?

Pensamento Estatístico em Python (Parte 1)