Aléatoiriser des valeurs
Dans cet exercice, vous allez appliquer et comparer différentes méthodes d’aléatoirisation. L’objectif est de vous familiariser avec ces méthodes et avec leur impact sur la génération de nombres aléatoires. Chacune sera utile selon la situation ; il est donc important d’en comprendre les différences.
Imaginez un processus métier qui dure environ 15 minutes. Toutefois, vous savez que la durée réelle varie d’environ cinq minutes (à la hausse comme à la baisse). Appliquez différentes méthodes du paquet random pour générer des variations de cette durée de manière contrôlée.
Cet exercice fait partie du cours
Simulation d’événements discrets en Python
Instructions
- Générez 1000 durées de processus aléatoires sous forme de nombres entiers en vous basant sur les informations fournies.
- Générez 1000 durées de processus aléatoires sous forme de nombres flottants en vous basant sur les informations fournies.
- Générez 1000 durées pseudo-aléatoires sous forme de nombres flottants basés sur une distribution gaussienne avec une moyenne et un écart type de 15 et 5, respectivement.
- Générez 1000 durées pseudo-aléatoires sous forme de nombres flottants basés sur une distribution exponentielle avec un paramètre lambda de 1,5 (positif) et un pic à 15.
Exercice interactif pratique
Essayez cet exercice en complétant cet exemple de code.
# 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)