找到答案，看到讲解发生的那一刻，再顺着概念继续探索。
正在理解你的问题，下面的搜索结果可先查看。
视频通过计算有多少个模拟总时间超过 9 小时，然后将该计数除以总试验次数来估计概率。这实现了超出概率的经验频率估计器。
适用条件：该事件在每次试验中都有明确的定义。；分母是模拟试验的总数。
视频通过计算有多少个模拟总时间超过 9 小时，然后将该计数除以总试验次数来估计概率。这实现了超出概率的经验频率估计器。
适用条件：该事件在每次试验中都有明确的定义。；分母是模拟试验的总数。
在 `plt.hist` 中设置 `density=True` 会对柱状图的高度进行归一化，使得绘制的直方图表示模拟总时长的经验概率密度估计，而不是原始计数。
适用条件：当目标是将样本分布与概率密度尺度进行比较时使用。；绘制的柱子按组距和样本量进行归一化。
在 `plt.hist` 中设置 `density=True` 会对柱状图的高度进行归一化，使得绘制的直方图表示模拟总时长的经验概率密度估计，而不是原始计数。
适用条件：当目标是将样本分布与概率密度尺度进行比较时使用。；绘制的柱子按组距和样本量进行归一化。
两个报告完成时间数组是使用 `np.random.uniform` 函数生成的。报告 A 通过从 1 到 5 小时的均匀分布中抽取 `sims` 个独立值来建模，报告 B 通过从 2 到 6 小时的均匀分布中抽取 `sims` 个独立值来建模。
适用条件：使用前面介绍的均匀模型。；`sims` 必须已经定义。
两个报告完成时间数组是使用 `np.random.uniform` 函数生成的。报告 A 通过从 1 到 5 小时的均匀分布中抽取 `sims` 个独立值来建模，报告 B 通过从 2 到 6 小时的均匀分布中抽取 `sims` 个独立值来建模。
适用条件：使用前面介绍的均匀模型。；`sims` 必须已经定义。
在直方图的 9 处放置一条红色垂直线是为了标记 9 小时的烧烤截止日期阈值。这使得更容易直观地识别出对应于完成两份报告的总时间超过截止日期的事件的区域。
适用条件：烧烤在 9 小时后。；这条线在横轴上标记了阈值。
在直方图的 9 处放置一条红色垂直线是为了标记 9 小时的烧烤截止日期阈值。这使得更容易直观地识别出对应于完成两份报告的总时间超过截止日期的事件的区域。
适用条件：烧烤在 9 小时后。；这条线在横轴上标记了阈值。
视频通过对两个模拟完成时间数组进行逐元素相加来计算完成两份报告的总时间。总时间就是它们的求和，在代码中表示为 `duration = `。
适用条件：A 和 B 必须是长度相同的数组。；加法是在匹配的模拟运行中逐条目执行的。
视频通过对两个模拟完成时间数组进行逐元素相加来计算完成两份报告的总时间。总时间就是它们的求和，在代码中表示为 `duration = `。
适用条件：A 和 B 必须是长度相同的数组。；加法是在匹配的模拟运行中逐条目执行的。