重抽樣結果的視覺化

現在你要把上一個練習的模擬結果視覺化！你會繼續使用 nba_weights，其中包含一組 NBA 球員的體重（公斤）：

nba_weights = [96.7, 101.1, 97.9, 98.1, 98.1, 
               100.3, 101.0, 98.0, 97.4]

以下是你在前一個練習的模擬程式碼：

simu_weights = []
for i in range(1000):
    bootstrap_sample = random.choices(nba_weights, k=9)
    simu_weights.append(np.mean(bootstrap_sample))
mean_weight = np.mean(simu_weights)
upper = np.quantile(simu_weights, 0.975)
lower = np.quantile(simu_weights, 0.025)
print(mean_weight, lower, upper)

你在上一題產生的 simu_weights 清單已為你載入。同樣地，mean_weight、lower 和 upper 也已經定義為信賴區間的平均值、2.5% 分位數與 97.5% 分位數。

以下套件已為你載入：random、numpy 作為 np、seaborn 作為 sns，以及 matplotlib.pyplot 作為 plt。