Kommer banken att gå under?

Plotta antalet fallissemang du fick från föregående övning – tillgänglig i ditt namnrum som n_defaults – som en CDF. Funktionen ecdf() som du skrev i det första kapitlet finns tillgänglig.

Om räntesatserna är sådana att banken förlorar pengar om 10 eller fler av dess lån hamnar i fallissemang, vad är sannolikheten att banken förlorar pengar?

Den här övningen är en del av kursen

Statistiskt tänkande i Python (del 1)

Visa kurs

Övningsinstruktioner

Beräkna x- och y-värdena för ECDF:en av n_defaults.
Plotta ECDF:en och se till att märka ut axlarna. Kom ihåg att inkludera marker = '.' och linestyle = 'none' utöver x och y i anropet till plt.plot().
Visa diagrammet.
Beräkna det totala antalet element i din array n_defaults som är större än eller lika med 10. Skapa en boolesk array som anger om ett givet element i n_defaults är >= 10, och summera sedan alla element i den arrayen med np.sum(). Till exempel beräknar np.sum(n_defaults <= 5) antalet fallissemang med 5 eller färre fallissemang.
Sannolikheten att banken förlorar pengar är andelen element i n_defaults som är större än eller lika med 10. Skriv ut resultatet genom att klicka på Skicka in svar!

Interaktiv övning med praktiskt arbete

Testa den här övningen genom att slutföra den här exempelkoden.

# Compute ECDF: x, y


# Plot the ECDF with labeled axes




# Show the plot


# Compute the number of 100-loan simulations with 10 or more defaults: n_lose_money


# Compute and print probability of losing money
print('Probability of losing money =', n_lose_money / len(n_defaults))

Redigera och kör kod