可视化适合度检验

卡方适合度检验用于将分类变量各水平的样本比例与假设值进行比较。在运行检验前，先把样本中的分布与假设分布进行可视化对比，会更直观。

回忆 late_shipments 数据集中的供应商贸易术语（incoterms）。您假设在所有发货中，这四个取值的频率如下。

• CIP: 0.05
• DDP: 0.1
• EXW: 0.75
• FCA: 0.1

这些频率已存储在 hypothesized 数据框中。

incoterm_counts 数据框存放了 vendor_inco_term 列的 .value_counts() 结果。

已提供 late_shipments，并已按常用别名加载 pandas 和 matplotlib.pyplot。