Seaborn是一个基于matplotlib的Python数据可视化库，提供了绘制有吸引力和信息丰富的统计图形的高级界面。在Seaborn中，直方图通过分箱和计数观察来近似生成数据的潜在概率密度函数，而核密度估计则使用高斯核平滑观察，产生连续的密度估计。假设我们有一组正态分布的数据，使用Seaborn绘制带核密度估计的直方图时，以下哪些说法是正确的？
A. sns.displot(data, bins=[30,40,50,60,70,80,90,100,110,120,130], kde=True) 中的 kde=True 参数用于显示核密度估计曲线。
B. 核密度估计图通过离散箱来近似生成数据的潜在概率密度函数。
C. 直方图和核密度估计图都可以用于近似生成数据的潜在概率密度函数，但它们的实现方式不同。
D. sns.displot(data, bins=[30,40,50,60,70,80,90,100,110,120,130], kde=True) 中的 bins 参数用于指定直方图的分箱范围。
