无安打出现的频率有多高？
现代美国职业棒球大联盟（1901-2015 年）中每次无安打之间所经历比赛的场次数，已存储在数组 nohitter_times 中。
如果假设无安打事件服从泊松过程，那么无安打之间的时间服从指数分布。正如您所见，指数分布只有一个参数，我们记为 $\tau\(，表示典型的间隔时间。使指数分布最符合数据的参数 \)\tau$ 的取值，就是无安打之间的平均间隔时间（时间单位为比赛场数）。
请根据数据计算该参数的值。然后，使用 np.random.exponential()，以您求得的 \(\tau\) 为参数，从指数分布中抽取无安打间隔时间来"重现"大联盟的历史，并将所得的直方图绘制为 PDF 的近似。
NumPy、pandas、matplotlib.pyplot 和 seaborn 已分别以 np、pd、plt 和 sns 的名称为您导入。
本练习是课程的一部分
Python 统计思维（第 2 部分）
练习说明
- 使用
42为随机数生成器设定种子。 - 计算无安打之间的平均时间（单位为比赛场数）。
- 从参数为您根据无安打间隔均值计算得到的指数分布中抽取 100,000 个样本。
- 使用
plt.hist()绘制理论 PDF。请使用关键字参数bins=50、normed=True和histtype='step'。务必为坐标轴添加标签。 - 显示图形。
交互式实操练习
通过完成这段示例代码来试试这个练习。
# Seed random number generator
____
# Compute mean no-hitter time: tau
tau = ____
# Draw out of an exponential distribution with parameter tau: inter_nohitter_time
inter_nohitter_time = ____(____, 100000)
# Plot the PDF and label axes
_ = ____(inter_nohitter_time,
____, ____, ____)
_ = plt.xlabel('Games between no-hitters')
_ = plt.ylabel('PDF')
# Show the plot
plt.show()