Pseudowillekeurige getallengeneratie
Steekproeven in Python
James Chapman
Curriculum Manager, DataCamp
Wat betekent ‘random’?
{adjective} gemaakt, gedaan, voorkomend of gekozen zonder methode of bewuste beslissing.
1 Oxford Languages
Echte willekeurige getallen
- Gegenereerd uit fysieke processen, zoals muntgooien
- Hotbits gebruikt radioactief verval
- RANDOM.ORG gebruikt atmosferische ruis
- Echte willekeur is duur
1 https://www.fourmilab.ch/hotbits 2 https://www.random.org
Pseudowillekeurige getallengeneratie
- Pseudowillekeurige getallen zijn goedkoop en snel
- Volgend ‘willekeurig’ getal uit het vorige berekend
- Het eerste ‘willekeurige’ getal komt uit een seed
- Dezelfde seed geeft dezelfde getallen
Voorbeeld: pseudowillekeurige getallen
seed = 1
calc_next_random(seed)
3
calc_next_random(3)
2
calc_next_random(2)
6
Functies voor willekeurige getallen
- Zet
numpy.randomervoor, zoalsnumpy.random.beta()
| function | distribution | function | distribution |
|---|---|---|---|
| .beta | Beta | .hypergeometric | Hypergeometrisch |
| .binomial | Binomiaal | .lognormal | Lognormaal |
| .chisquare | Chi-kwadraat | .negative_binomial | Negatief binomiaal |
| .exponential | Exponentieel | .normal | Normaal |
| .f | F | .poisson | Poisson |
| .gamma | Gamma | .standard_t | t |
| .geometric | Geometrisch | .uniform | Uniform |
Willekeurige getallen visualiseren
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()
Zaden voor willekeurige getallen
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 ])
Een andere seed gebruiken
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])
Laten we oefenen!
Steekproeven in Python
