重抽样结果的可视化

现在，您将把上一练习中的模拟结果可视化！您将继续使用 nba_weights，其中包含一组 NBA 球员的体重（单位：千克）：

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

以下是您在上一练习中使用的模拟代码：

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)

上一练习中生成的 simu_weights 列表已为您加载。同样，mean_weight、lower 和 upper 也已定义，分别对应均值以及 2.5% 和 97.5% 分位数，构成您的置信区间。

以下包已为您加载：random、将 numpy 导入为 np、将 seaborn 导入为 sns，以及将 matplotlib.pyplot 导入为 plt。