lake_model_intro, time_series_with_matrices, long_run_growth: four small fixes

Ouverte Adaptée aux débutants
  • Quelque chose ne va pas ?
#862 1 commentaire 0 réactions 0 personnes assignées Voir sur GitHub

@nishantmishraa y travaille déjà.

Depuis le 6/11/2026.

  • #863 par @nishantmishraa — ouverte

Évaluation

Difficulté
2/5
Temps estimé
1-3 heures
Accessibilité débutants
78/100
Type d'issue
Bug
Clarté
Clairement spécifiée
Activité
Active
Stack technique
jupyter-notebook, matplotlib, numpy, python
Domaine
data-visualization, documentation

Piste de recherche

Lisez les trois fichiers de cours mentionnés aux cellules et lignes référencées : lake_model_intro.md, time_series_with_matrices.md et long_run_growth.md. Vérifiez le paramètre indiqué, la boucle de tracé, la construction de l’échantillon et l’association des couleurs aux pays, puis apportez les corrections listées. Le travail est terminé lorsque T influe sur les trajectoires simulées, que la moyenne du graphique et les couleurs sont calculées comme décrit, que la garde morte est traitée et que la notation est e_0 ; laissez l’équation confirmée r(A) inchangée.

Rédigé par le modèle d'indexation à partir du texte de l'issue.

Description

Four small things found while these lectures were reviewed on their way into the shared lecture pool (QuantEcon/lectures#42). None is urgent. Line numbers are at 530ede2.

  • lectures/lake_model_intro.md, line 96: $(u_0, e_o)$ should read $(u_0, e_0)$.
  • lectures/lake_model_intro.md, plot_time_paths (line 291): the T parameter is never used, because the loop calls lm.simulate_path(x0=x) without it (line 338), so plot_time_paths(lm, T=...) changes nothing. The closing if ax is None: plt.show() (lines 359–360) never runs either, because ax was already replaced by new axes when it was None (lines 314–315). The figure still appears in a notebook, so only the guard is dead.
  • lectures/time_series_with_matrices.md, the # Plot mean cell (line 467): each pass of for i in range(N) draws a fresh sample of N paths with series_process.sample_y(N, rng=rng) (line 472) and plots only its i-th row, so plotting 100 paths simulates 10,000, and μ_y is replotted on every pass. Drawing one sample before the loop and plotting the mean once gives the same picture. Separately, sample_y (line 437) could build ys as (b + us) @ A_inv.T rather than stacking one product per row.
  • lectures/long_run_growth.md, the color_mapping cell (line 144): country_names = data['countrycode'] holds one entry per row of the data, not per country, so cm.tab20(np.linspace(0, 0.95, len(country_names))) (line 147) spaces the colours over every row, and the dictionary keeps the colour of each code's last row. The colours then depend on how many rows each country has. data['countrycode'].unique() gives one evenly spaced colour per country.

The same review also questioned r(A) = 1 + g at lake_model_intro.md line 272, but that is exact as written: every column of A sums to 1 + g.

When these land here, the pool picks them up through its nightly refresh.

Langage dominant
Jupyter Notebook
Étoiles
67
Forks
33
Merge moyen
6 h 22 min
PR mergées (30 j)
3

Préparer son environnement

Ce projet ne fournit ni conteneur de développement, ni Dockerfile, ni guide de contribution : l'installation est à votre charge. Commencez par son README, et consultez notre guide de la première contribution pour les étapes générales.

Par où commencer

  1. Lisez l'issue en entier, puis le guide de contribution du projet.
  2. Signalez en commentaire que vous la prenez — cela évite que deux personnes fassent le même travail.
  3. Forkez le dépôt et travaillez sur une branche.
  4. Ouvrez une pull request qui référence le numéro de l'issue.

Autres issues de QuantEcon/lecture-python-intro

Toutes les issues de QuantEcon/lecture-python-intro

Issues similaires

Plus d'issues Data Visualization

Recevez les nouvelles issues par e-mail

Un résumé court des issues GitHub adaptées aux débutants.