Generasi bilangan semu-acak
Sampling di Python
James Chapman
Curriculum Manager, DataCamp
Apa arti acak?
{adjective} dibuat, dilakukan, terjadi, atau dipilih tanpa metode atau keputusan sadar.
1 Oxford Languages
Bilangan acak sejati
- Dihasilkan dari proses fisik, seperti melempar koin
- Hotbits menggunakan peluruhan radioaktif
- RANDOM.ORG menggunakan derau atmosfer
- Keacakan sejati mahal
1 https://www.fourmilab.ch/hotbits 2 https://www.random.org
Generasi bilangan semu-acak
- Pembuatan bilangan semu-acak itu murah dan cepat
- Bilangan "acak" berikutnya dihitung dari bilangan "acak" sebelumnya
- Bilangan "acak" pertama dihitung dari sebuah seed
- Seed yang sama menghasilkan bilangan acak yang sama
Contoh generasi semu-acak
seed = 1
calc_next_random(seed)
3
calc_next_random(3)
2
calc_next_random(2)
6
Fungsi pembangkit bilangan acak
- Tambahkan awalan
numpy.random, mis.numpy.random.beta()
| function | distribution | function | distribution |
|---|---|---|---|
| .beta | Beta | .hypergeometric | Hipergeometrik |
| .binomial | Binomial | .lognormal | Lognormal |
| .chisquare | Kai-kuadrat | .negative_binomial | Binomial negatif |
| .exponential | Eksponensial | .normal | Normal |
| .f | F | .poisson | Poisson |
| .gamma | Gamma | .standard_t | t baku |
| .geometric | Geometrik | .uniform | Uniform |
Memvisualisasikan bilangan acak
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()
Seed bilangan acak
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 ])
Menggunakan seed lain
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])
Ayo berlatih!
Sampling di Python
