Génération de nombres pseudo-aléatoires
L’échantillonnage en Python
James Chapman
Curriculum Manager, DataCamp
Que signifie « aléatoire » ?
adjectif fait, effectué, survenant ou choisi sans méthode ni décision consciente.
1 Oxford Languages
Vrais nombres aléatoires
- Générés par des processus physiques, comme lancer une pièce
- Hotbits utilise la désintégration radioactive
- RANDOM.ORG utilise le bruit atmosphérique
- Le vrai hasard est coûteux
1 https://www.fourmilab.ch/hotbits 2 https://www.random.org
Génération pseudo-aléatoire
- La génération pseudo-aléatoire est économique et rapide
- Le prochain « nombre aléatoire » est calculé à partir du précédent
- Le premier « nombre aléatoire » est calculé depuis une graine
- La même graine produit les mêmes nombres
Exemple de génération pseudo-aléatoire
seed = 1
calc_next_random(seed)
3
calc_next_random(3)
2
calc_next_random(2)
6
Fonctions de génération aléatoire
- Préfixer par
numpy.random, par ex.numpy.random.beta()
| function | distribution | function | distribution |
|---|---|---|---|
| .beta | Bêta | .hypergeometric | Hypergéométrique |
| .binomial | Binomiale | .lognormal | Log-normale |
| .chisquare | Khi-deux | .negative_binomial | Binomiale négative |
| .exponential | Exponentielle | .normal | Normale |
| .f | F | .poisson | Poisson |
| .gamma | Gamma | .standard_t | t |
| .geometric | Géométrique | .uniform | Uniforme |
Visualiser des nombres aléatoires
randoms = np.random.beta(a=2, b=2, size=5000)
randoms
array([0.6208281 , 0.73216171, 0.44298403, ...,
0.13411873, 0.52198411, 0.72355098])
plt.hist(randoms, bins=np.arange(0, 1, 0.05))
plt.show()
Graine (seed) des nombres aléatoires
np.random.seed(20000229)
np.random.normal(loc=2, scale=1.5, size=2)
array([-0.59030264, 1.87821258])
np.random.normal(loc=2, scale=1.5, size=2)
array([2.52619561, 4.9684949 ])
np.random.seed(20000229)
np.random.normal(loc=2, scale=1.5, size=2)
array([-0.59030264, 1.87821258])
np.random.normal(loc=2, scale=1.5, size=2)
array([2.52619561, 4.9684949 ])
Utiliser une autre graine
np.random.seed(20000229)
np.random.normal(loc=2, scale=1.5, size=2)
array([-0.59030264, 1.87821258])
np.random.normal(loc=2, scale=1.5, size=2)
array([2.52619561, 4.9684949 ])
np.random.seed(20041004)
np.random.normal(loc=2, scale=1.5, size=2)
array([1.09364337, 4.55285159])
np.random.normal(loc=2, scale=1.5, size=2)
array([2.67038916, 2.36677492])
Passons à la pratique !
L’échantillonnage en Python
