Slumpmässigisering av värden
I den här övningen ska du tillämpa och undersöka olika slumpgenereringsmetoder. Målet är att du ska bli bekväm med metoderna och förstå hur de påverkar genereringen av slumptal. Varje metod är användbar i olika situationer, så det är viktigt att förstå skillnaderna mellan dem.
Föreställ dig att du har en affärsprocess som tar ungefär 15 minuter att slutföra. Du vet dock att den faktiska varaktigheten varierar med ungefär fem minuter åt endera hållet. Använd de olika slumpgenereringsmetoderna från paketet random för att generera variationer av denna varaktighet på ett kontrollerat sätt.
Den här övningen är en del av kursen
Diskret händelsesimulering i Python
Övningsinstruktioner
- Generera 1 000 slumpmässiga processvaraktigheter som heltal baserat på den angivna informationen.
- Generera 1 000 slumpmässiga processvaraktigheter som flyttal baserat på den angivna informationen.
- Generera 1 000 pseudoslumpmässiga varaktigheter som flyttal baserade på en gaussisk fördelning med medelvärde 15 och standardavvikelse 5.
- Generera 1 000 pseudoslumpmässiga varaktigheter som flyttal baserade på en exponentialfördelning med lambdaparametern 1,5 (positiv) och en topp vid 15.
Interaktiv övning med praktiskt arbete
Testa den här övningen genom att slutföra den här exempelkoden.
# 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)