有了情境，就能模擬！
有時候，描述機率分配的情境並沒有對應到一個已命名的分配。遇到這種情況別擔心！你一樣可以用模擬來處理。這一題與下一題就要這麼做。
在前面的練習中，我們看過美國職棒大聯盟的「無安打」這種罕見事件。打者在單場集齊四種類型安打的「完全打擊（hitting the cycle）」也是另一種罕見事件。和無安打一樣，這可以用 Poisson 程序建模，因此兩次完全打擊之間的時間服從 Exponential 分配。
我們要等多久才能先看到一次無安打，接著再看到一次完全打擊？也就是說，我們先等無安打發生，之後再等完全打擊發生。換句話說，連續發生的兩個不同 Poisson 程序，其總等候時間是多少？總等候時間就是等無安打的時間，加上等完全打擊的時間。
現在，請你撰寫一個函式，用來從這個情境描述的分配中取樣。
本練習屬於課程
Statistical Thinking in Python (Part 1)
練習說明
- 定義一個呼叫介面為
successive_poisson(tau1, tau2, size=1)的函式，用來取樣一次無安打與一次完全打擊的總等候時間。- 從以
tau1為參數的 exponential 分配中，為無安打抽取等候時間（共size個樣本），指派給t1。 - 從以
tau2為參數的 exponential 分配中，為完全打擊抽取等候時間（共size個樣本），指派給t2。 - 函式回傳這兩個事件等候時間的總和。
- 從以
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。
def successive_poisson(tau1, tau2, size=1):
"""Compute time for arrival of 2 successive Poisson processes."""
# Draw samples out of first exponential distribution: t1
t1 = ____(____, ____)
# Draw samples out of second exponential distribution: t2
t2 = ____(____, ____)
return t1 + t2