یک اسکریپت پایتون بنویسید که با استفاده از scipy یک مجموعه داده نویزی (نقاط اعداد واقعی) را شبیه‌سازی کرده و یک توزیع گاوسی (Normal) را برازش دهد و مقادیر میانگین (mu) و انحراف معیار (sigma) برازش‌شده را چاپ کند.

برای حل این مسئله می‌توانید با numpy داده‌های نمونه را از یک توزیع گاوسی با پارامترهای معلوم تولید کنید و به آن نویز اضافه کنید، سپس از scipy.stats.norm.fit یا scipy.optimize.curve_fit برای برازش توزیع نرمال به داده‌ها استفاده کنید. مراحل کلی: (1) تولید داده با numpy.random.normal، (2) استفاده از scipy.stats.norm.fit برای برگرداندن mu و sigma یا تعریف تابع چگالی و استفاده از curve_fit، و (3) چاپ نتایج (اختیاری: نمایش نمودار با matplotlib برای ارزیابی برازش). نکات: از حدس‌های اولیه معقول برای پارامترها استفاده کنید، تعداد نمونه کافی برای برازش درست داشته باشید، و خروجی‌ها را به صورت عددی و در صورت نیاز بصری بررسی کنید.