Построение функции вероятностной массы биномиального распределения

Как было отмечено в видео, для построения аккуратного графика функции вероятностной массы (PMF) требуется ряд приёмов работы с matplotlib, которые мы здесь не рассматриваем. Вместо этого мы построим PMF биномиального распределения в виде гистограммы, используя уже знакомые вам навыки. Главное — правильно задать границы столбцов, которые передаются в plt.hist() через аргумент bins. Нам нужно, чтобы столбцы были центрированы по целым числам. Значит, границы должны быть -0.5, 0.5, 1.5, 2.5, ... вплоть до max(n_defaults) + 1.5. Такой массив можно получить с помощью np.arange(), вычтя из него 0.5.

Вы уже делали выборки из биномиального распределения в упражнениях по дефолтам по кредитам, и результаты хранятся в массиве NumPy n_defaults.

Это упражнение является частью курса

Статистическое мышление на Python (часть 1)

Посмотреть курс

Инструкции к упражнению

С помощью np.arange() вычислите границы столбцов так, чтобы они были центрированы по целым числам. Сохраните полученный массив в переменную bins.
Используйте plt.hist(), чтобы построить гистограмму n_defaults, передав аргументы density=True и bins=bins.
Отобразите график.

Интерактивное практическое упражнение

Попробуйте выполнить это упражнение, дополнив этот пример кода.

# Compute bin edges: bins
bins = np.arange(____, ____ + ____) - 0.5

# Generate histogram


# Label axes



# Show the plot

Редактировать и запускать код