Упражнение по вычислению и построению кумулятивного эмпирического распределения

Question

Я пытался закончить упражнение в книге Йона Стачурски (учебник, посвященный обучению экономистов использованию Python). Один из них - о том, как рассчитать и построить кумулятивное эмпирическое распределение. Они обеспечивают класс, называемый ecdf для вычисления эмпирической функции распределения

# Filename: ecdf.py 
# Author: John Stachurski 
# Date: December 2008 
# Corresponds to: Listing 6.3 

class ECDF: 

    def __init__(self, observations): 
     self.observations = observations 

    def __call__(self, x): 
     counter = 0.0 
     for obs in self.observations: 
      if obs <= x: 
       counter += 1 
     return counter/len(self.observations) 

И Excercise читает

【Exercise 6.1.12】 Add a method to the ECDF class that uses Matplotlib to plot the em- 
pirical distribution over a specified interval. Replicate the four graphs in figure 6.3 
(modulo randomness). 

цифра должна быть воспроизведена в

и иллюзия алгоритма

Следующая моя первая попытка

from ecdf import ECDF 
import numpy as np 
import matplotlib.pyplot as plt 
from srs import SRS 
from math import sqrt 
from random import lognormvariate 

# ========================= 
# parameters and arguments 
# ========================= 
alpha, sigma2, s, delta = 0.3, 0.2, 0.5, 0.1 
# numbers of draws 
n = 1000 
# length of each markov chain 
t = 20 
num_simu = [4,25,100,5000] 

# Define F(k, z) = s k^alpha z + (1 - delta) k 
F = lambda k, z: s * (k**alpha) * z + (1 - delta) * k 
lognorm = lambda: lognormvariate(0, sqrt(sigma2)) 


# ===================== 
# create empirical distribution 
# ===================== 

# different draw numbers 
k = np.linspace(0,25,500) 
for n in num_simu: 
    for x in range(n): 
    # list used to store capital stock (kt) in the last periods (t=20) 
    kt = [] 
    solow_srs = SRS(F=F, phi=lognorm, X=1.0) 
    px = solow_srs.sample_path(t) 
    kt.append(px[-1]) 
    # generate the empirical distribution function 
    F = ECDF(kt) 
    prob_kt_n = [F(i) for i in k] # need to determine range 
            # n refers to the n-th draw 
# ================================== 
# use for-loop to create subplots 
# ================================== 
#k = np.linspace(0,25,500) 
#num_rows,num_cols = 2,2 

трудности для меня являются 1) Как я могу хранить список/массив эмпирических результатов распределения для различных чисел вытяжке в данной графе. 2) Как создать подзаголовки, используя for-loop. Я также столкнулся с некоторыми другими крошечными ошибками. Спасибо за ваши предложения.

Answer 1

О (1), мой совет - создать словарь (т. Е. Что-то вроде d = {}, а затем d[n] = ECDF(data) для каждого номера n наблюдений).

Dunno about (2).