Werte zufällig variieren
In dieser Übung wendest du verschiedene Methoden zur Zufallsbildung an und schaust dir ihre Wirkung an. Ziel ist, dass du dich mit den Methoden wohlfühlst und verstehst, wie sie die Erzeugung von Zufallszahlen beeinflussen. Jede Methode ist in bestimmten Situationen nützlich, deshalb ist es wichtig, ihre Unterschiede zu kennen.
Stell dir vor, ein Geschäftsprozess dauert ungefähr 15 Minuten. Allerdings weißt du, dass die tatsächliche Dauer um etwa fünf Minuten schwankt (nach oben oder unten). Wende die verschiedenen Methoden aus dem Paket random an, um diese Dauer kontrolliert zu variieren.
Diese Übung ist Teil des Kurses
Diskrete-Ereignis-Simulation mit Python
Anleitung zur Übung
- Erzeuge 1000 zufällige Prozessdauern als Ganzzahlen basierend auf den gegebenen Informationen.
- Erzeuge 1000 zufällige Prozessdauern als Fließkommazahlen basierend auf den gegebenen Informationen.
- Erzeuge 1000 pseudozufällige Dauern als Fließkommazahlen auf Basis einer Gaußschen Verteilung mit einem Mittelwert und einer Standardabweichung von 15 bzw. 5.
- Erzeuge 1000 pseudozufällige Dauern als Fließkommazahlen auf Basis einer Exponentialverteilung mit einem Lambda-Parameter von 1,5 (positiv) und einem Peak bei 15.
Interaktive Übung
Vervollständige den Beispielcode, um diese Übung erfolgreich abzuschließen.
# Generate random integer numbers
randint_array = np.array([____ for i in range(1000)])
# Generate random float numbers
uniform_array = np.array([____ for i in range(1000)])
# Generate random float numbers based on the Gaussian distribution
gauss_array = np.array([____ for i in range(1000)])
# Generate random float numbers based on the Exponential distribution
expon_array = np.array([____ + 15 for i in range(1000)])
plot_all(randint_array, uniform_array, gauss_array, expon_array)