Générer des valeurs aléatoires
Dans cet exercice, vous allez appliquer et comparer différentes méthodes de génération aléatoire. L'objectif est de vous familiariser avec ces méthodes et de voir comment elles influencent la façon dont les nombres aléatoires sont produits. Chaque méthode est utile dans des contextes différents; il est donc important d'en comprendre les différences.
Imaginez un processus d'affaires qui prend environ 15 minutes à réaliser. Cependant, vous savez que la durée réelle varie d'environ cinq minutes (à la hausse ou à la baisse). Utilisez différentes méthodes de la bibliothèque random pour générer, de manière contrôlée, des variantes de cette durée.
Cette activité fait partie du cours
Simulation d'événements discrets en Python
Instructions de l’exercice
- Générez 1000 durées de processus aléatoires sous forme de nombres entiers selon l'information fournie.
- Générez 1000 durées de processus aléatoires sous forme de nombres à virgule flottante selon l'information fournie.
- Générez 1000 durées pseudoaléatoires sous forme de nombres à virgule flottante selon une loi normale (gaussienne) avec une moyenne et un écart-type de 15 et 5, respectivement.
- Générez 1000 durées pseudoaléatoires sous forme de nombres à virgule flottante selon une loi exponentielle avec un paramètre lambda de 1,5 (positif) et un sommet à 15.
Exercice interactif pratique
Essayez cet exercice en complétant ce code d’exemple.
# 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)