Quantos inadimplentes podemos esperar?

Suponha que um banco concedeu 100 empréstimos imobiliários. É possível que entre 0 e 100 desses empréstimos entrem em inadimplência. Você quer saber a probabilidade de obter um determinado número de inadimplências, dado que a probabilidade de inadimplência é p = 0.05. Para investigar isso, você fará uma simulação. Você realizará 100 ensaios de Bernoulli usando a função perform_bernoulli_trials() que você escreveu no exercício anterior e registrará quantas inadimplências obtemos. Aqui, um sucesso é uma inadimplência. (Lembre-se de que a palavra "sucesso" apenas significa que o ensaio de Bernoulli resulta em True, isto é, a pessoa que recebeu o empréstimo ficou inadimplente?) Você fará isso para mais 100 ensaios de Bernoulli. E novamente, até tentarmos 1000 vezes. Em seguida, você fará um histograma descrevendo a probabilidade do número de inadimplências.

Este exercicio faz parte do curso

Pensamento Estatístico em Python (Parte 1)

Ver curso

Instruções do exercicio

Defina a semente do gerador de números aleatórios como 42.
Inicialize n_defaults, um array vazio, usando np.empty(). Ele deve conter 1000 elementos, já que faremos 1000 simulações.
Escreva um laço for com 1000 iterações para calcular o número de inadimplências por 100 empréstimos usando a função perform_bernoulli_trials(). Ela aceita dois argumentos: o número de ensaios n — neste caso, 100 — e a probabilidade de sucesso p — neste caso, a probabilidade de inadimplência, que é 0.05. Em cada iteração do laço, armazene o resultado em um elemento de n_defaults.
Faça um histograma de n_defaults. Inclua o argumento density=True para que a altura das barras do histograma indique a probabilidade.
Mostre o gráfico.

exercicio interativo prático

Tente este exercicio completando este código de exemplo.

# Instantiate and seed random number generator


# Initialize the number of defaults: n_defaults


# Compute the number of defaults
for i in ____:
    n_defaults[i] = ____


# Plot the histogram with default number of bins; label your axes
_ = plt.hist(____, ____)
_ = plt.xlabel('number of defaults out of 100 loans')
_ = plt.ylabel('probability')

# Show the plot

Editar e Executar Código