在整个项目中，我们将使用在inference.py中定义的DiscreteDistribution类来建模信念分布和权重分布。这个类是内置python dictionary类的扩展，其中键是分布中不同的离散元素，相应的值与该元素的信念或权重成比例。
首先，实现normalize方法，它将分布中的值归一化为1，但保持值的比例不变。使用total方法查找分布中的值之和。对于空分布或所有值都为零的分布，不执行任何操作。请注意，此方法直接修改分布，而不是返回新分布。
其次，实现抽样sample方法，该方法从分布中抽取一个样本，其中一个键被抽样的概率与其对应的值成比例。假设分布不为空，并非所有值都为零。请注意，在调用此方法之前，不必对分布进行归一化。您可能会发现python的内置random.random（）函数对于这个问题很有用。
这个问题没有autograder测试，但是可以很容易地检查实现的正确性。我们提供了python doctest作为起点，您可以添加更多测试并实现自己的其他测试。您可以使用以下命令运行doctests：
python -m doctest -v inference.py注意，根据sample方法的实现细节，某些正确的实现可能不会通过提供的doctest。为了彻底检查sample方法的正确性，您应该绘制许多示例，并查看每个键的频率是否收敛到与其对应值成比例。
# inference.py
# ------------
# Licensing Information: You are free to use or extend these projects for
# educationa
