從幾何分配取樣
Eva 有一枚偏幣，正面朝上的機率只有 20%。Eva 一直丟這枚硬幣，並記錄得到正面所需的丟擲次數。
幾何分配非常適合用來建模「得到正面所需的丟擲次數」，其中成功率 p 定義為每次丟擲出現正面的機率。
你的任務是使用幾何分配來模擬 Eva 的丟幣，直到出現正面共 10,000 次，並在每一次記錄得到正面所需的丟擲次數。接著，你會將結果視覺化！
以下模組已為你匯入：seaborn（別名 sns）、pandas（別名 pd）、SciPy 的 stats 模組（別名 st），以及 matplotlib.pyplot（別名 plt）。
本練習屬於課程
Python 的 Monte Carlo 模擬
練習說明
- 將
p設為適當的成功機率，其中成功定義為丟出正面。 - 以
p作為成功機率，從幾何分配st.geom取樣 10,000 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。
# Set p to the appropriate probability of success
p = ____
# Sample from the geometric distribution 10,000 times
samples = ____
samples_dict = {"nums":samples}
sns.histplot(x="nums", data=samples_dict)
plt.show()