Losowanie wartości
W tym ćwiczeniu poznasz różne metody losowania wartości i sprawdzisz, jak działają w praktyce. Celem jest swobodne posługiwanie się tymi metodami oraz zrozumienie, jak wpływają na generowane liczby losowe. Każda z nich przydaje się w innych sytuacjach, dlatego warto znać ich różnice.
Wyobraź sobie, że masz proces biznesowy, który trwa około 15 minut. Wiesz jednak, że rzeczywisty czas trwania może się różnić o mniej więcej pięć minut w górę lub w dół. Użyj różnych metod losowania z pakietu random, aby w kontrolowany sposób generować warianty tego czasu trwania.
To ćwiczenie jest częścią kursu
Symulacja zdarzeń dyskretnych w Pythonie
Instrukcje do ćwiczenia
- Wygeneruj 1000 losowych czasów trwania procesu jako liczby całkowite na podstawie podanych informacji.
- Wygeneruj 1000 losowych czasów trwania procesu jako liczby zmiennoprzecinkowe na podstawie podanych informacji.
- Wygeneruj 1000 pseudolosowych czasów trwania jako liczby zmiennoprzecinkowe na podstawie rozkładu Gaussa ze średnią równą 15 i odchyleniem standardowym równym 5.
- Wygeneruj 1000 pseudolosowych czasów trwania jako liczby zmiennoprzecinkowe na podstawie rozkładu wykładniczego z parametrem lambda równym 1,5 (dodatnim) i szczytem w okolicach 15.
Interaktywne ćwiczenie praktyczne
Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.
# 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)