從離散均勻分配取樣
Tom 有一顆一般的六面骰，面上標示 1 到 6。這個練習中，你會使用離散均勻分配（非常適合用來以均勻機率取樣整數值），來模擬擲 Tom 的骰子 1,000 次，然後將結果視覺化！
以下模組已為你匯入：將 seaborn 命名為 sns、scipy.stats 命名為 st，以及 matplotlib.pyplot 命名為 plt。
本練習屬於課程
Python 的 Monte Carlo 模擬
練習說明
- 定義在下一步
.rvs()取樣時要用的low與high；你的分配應均勻地包含從 1（可能的最低點數）到 6（可能的最高點數）的整數值。 - 從由
st.randint表示、值為 1 到 6 的離散均勻分配中取樣 1,000 次。
動手互動練習
試著完成這個範例程式碼，體驗一下這個練習。
# Define low and high for use in rvs sampling below
low = ____
high = ____
# Sample 1,000 times from the discrete uniform distribution
samples = ____
samples_dict = {'nums':samples}
sns.histplot(x='nums', data=samples_dict, bins=6, binwidth=0.3)
plt.show()