从离散均匀分布采样
Tom 有一个常规的六面骰子，上面显示 1 到 6。此练习中，您将使用离散均匀分布（非常适合对整数进行均匀采样）来模拟掷 Tom 的骰子 1,000 次。随后，您将可视化结果！
以下内容已为您导入：将 seaborn 命名为 sns，将 scipy.stats 命名为 st，以及将 matplotlib.pyplot 命名为 plt。
本练习是课程的一部分
Python 中的蒙特卡洛模拟
练习说明
- 定义用于下一步
.rvs()采样的low和high；您的分布应均匀地包含从 1（可能的最小点数）到 6（可能的最大点数）的整数值。 - 使用表示离散均匀分布的
st.randint，对 1 到 6 的整数值进行 1,000 次采样。
交互式实操练习
通过完成这段示例代码来试试这个练习。
# 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()