Python 回溯测试违约概率模型

背景

金融机构将违约概率（PD）模型用于巴塞尔协议和欧洲资本要求监管指令（CRR/CRD IV）要求的客户接受、拨备和监管资本计算等目的。 PD模型用于计算客户在一年期限内违约的概率

回溯测试

为了测试模型是否按预期执行，将执行所谓的回溯测试。一个这样的回溯测试是计算实际违约数量与预期值（客户PD值之和）的实际偏差或超出预期值的可能性。如果该概率低于某个阈值，则该模型将被拒绝。 对于这个过程，需要n个伯努利实验之和的分布的CDF，每个实验都有一个单独的、可能唯一的PD

问题

Python是否有一个内置的分布，它描述了一些伯努利图的总和，每个图都有自己的概率

附录

由于许多金融机构将其投资组合划分为客户具有相同PDs的桶，因此我们可以针对这种情况优化计算吗

注：mathematica stack exchange上提出了此问题，并提供了相应的答案。我需要用python代码得到答案。以下是mathematica解决方案的链接：