Sampla från binomialfördelningen

Beräkna sannolikhetsmassafunktionen för antalet fallissemang vi förväntar oss för 100 lån, precis som i föregående avsnitt – men i stället för att simulera alla Bernoulli-försök utför du samplingen med rng.binomial(). Det här är identiskt med beräkningen du gjorde i den förra övningsserien med din egenskrivna funktion perform_bernoulli_trials(), men betydligt mer beräkningseffektivt. Tack vare den ökade effektiviteten tar vi 10 000 sampel i stället för 1 000. När du har tagit samplen ritar du den kumulativa fördelningsfunktionen (CDF) precis som tidigare. Den CDF du plottar är binomialfördelningens.

Obs: I den här övningen och alla framöver är slumptalsgeneratorn redan skapad och seedat åt dig (med rng = np.random.default_rng(42)) för att du inte ska behöva skriva det varje gång.

Den här övningen är en del av kursen

Statistiskt tänkande i Python (del 1)

Visa kurs

Övningsinstruktioner

Dra sampel från binomialfördelningen med rng.binomial(). Använd parametrarna n = 100 och p = 0.05, och sätt nyckelordsargumentet size till 10000.
Beräkna CDF med din tidigare skrivna funktion ecdf().
Plotta CDF med axeletiketter. X-axeln visar antalet fallissemang av 100 lån, och y-axeln visar CDF.
Visa diagrammet.

Interaktiv övning med praktiskt arbete

Testa den här övningen genom att slutföra den här exempelkoden.

# Take 10,000 samples out of the binomial distribution: n_defaults


# Compute CDF: x, y


# Plot the CDF with axis labels




# Show the plot

Redigera och kör kod