เริ่มต้นใช้งานเริ่มต้นใช้งานได้ฟรี

การสุ่มตัวอย่างจากการแจกแจงแบบทวินาม

คำนวณฟังก์ชันมวลความน่าจะเป็นสำหรับจำนวนการผิดนัดชำระหนี้ที่คาดว่าจะเกิดขึ้นจากสินเชื่อ 100 รายการ เช่นเดียวกับในบทที่ผ่านมา แต่แทนที่จะจำลองการทดลอง Bernoulli ทั้งหมด ให้ใช้ rng.binomial() ในการสุ่มตัวอย่างแทน วิธีนี้ให้ผลลัพธ์เหมือนกับที่คำนวณในชุดแบบฝึกหัดก่อนหน้าโดยใช้ฟังก์ชัน perform_bernoulli_trials() ที่เขียนเอง แต่มีประสิทธิภาพในการคำนวณสูงกว่ามาก ด้วยความเร็วที่เพิ่มขึ้นนี้ เราจะสุ่มตัวอย่าง 10,000 ครั้งแทนที่จะเป็น 1,000 ครั้ง จากนั้นพล็อต CDF เหมือนครั้งที่แล้ว โดย CDF ที่แสดงนี้คือ CDF ของการแจกแจงแบบทวินาม

หมายเหตุ: สำหรับแบบฝึกหัดนี้และทุกแบบฝึกหัดถัดไป ตัวสร้างเลขสุ่มจะถูกสร้างและกำหนดค่า seed ไว้ให้แล้ว (ด้วย rng = np.random.default_rng(42)) เพื่อประหยัดเวลาในการพิมพ์

แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร

Statistical Thinking in Python (ตอนที่ 1)

ดูคอร์ส

คำแนะนำการฝึกหัด

  • สุ่มตัวอย่างจากการแจกแจงแบบทวินามโดยใช้ rng.binomial() โดยกำหนดพารามิเตอร์ n = 100 และ p = 0.05 และตั้งค่า keyword argument size เป็น 10000
  • คำนวณ CDF โดยใช้ฟังก์ชัน ecdf() ที่เขียนไว้ก่อนหน้านี้
  • พล็อต CDF พร้อมป้ายกำกับแกน โดยแกน x คือจำนวนการผิดนัดชำระหนี้จากสินเชื่อ 100 รายการ และแกน y คือ CDF
  • แสดงกราฟ

แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ

ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์

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


# Compute CDF: x, y


# Plot the CDF with axis labels




# Show the plot
แก้ไขและรันโค้ด