你能帮我解决这些问题吗？我正在使用Python
抽样方法
采样（或蒙特卡罗）方法形成了一组通用且有用的技术，这些技术使用随机数来提取有关（多变量）分布和函数的信息。在统计机器学习的背景下，我们通常关注从分布中抽取样本以获得汇总统计数据的估计值，例如相关分布的平均值。
当我们在单位间隔（Matlab中的rand或R中的runif）上访问统一（伪）随机数生成器时，我们可以使用Bishop Sec中描述的变换抽样方法。 11.1.1从更复杂的分布中抽取样本。实现指数分布的转换方法
$$ p（y）= \ lambda \ exp（ - \ lambda y），y \ geq 0 $$
使用Bishop第526页底部给出的表达式：切片采样包括使用附加变量u扩充z，然后从关节（z，u）空间中绘制样本。
采样方法的关键点是需要多少样本才能获得可靠的感兴趣估计值。让我们说我们有兴趣估算平均值，即
$$ \ mu_y = 1 / \ lambda $$
在上面的分布中，我们然后使用样本均值
$$ b_y = \ frac1L \ sum ^ L _ {\ ell = 1} y（\ ell）$$
中的L个样本作为我们的估算器。由于我们可以生成尽可能多的L大小的样本，我们可以研究这个估计平均值如何收敛到真实均值。要做到这一点，我们需要采取绝对差异
$$ | \ mu_y - b_y | $$
在真正的平均值$μ_y$和估计值$ b_y $之间 平均超过许多，比如1000，重复几个价值$ L $，比如10,100,1000。 将预期绝对偏差绘制为$ L $的函数。 你能否绘制一些预期绝对偏差的变换值来获得或多或少的直线，这是什么意思？
我是这种统计机器学习的新手，实际上不知道如何在Python中实现它。你能救我一下吗？