Generowanie liczb pseudolosowych
Próbkowanie w Pythonie
James Chapman
Curriculum Manager, DataCamp
Co oznacza „losowy"?
{przymiotnik} wykonany, dokonany, zachodzący lub wybrany bez metody ani świadomej decyzji.
1 Oxford Languages
Prawdziwe liczby losowe
- Generowane z procesów fizycznych, np. rzutu monetą
- Hotbits wykorzystuje rozpad promieniotwórczy
- RANDOM.ORG wykorzystuje szumy atmosferyczne
- Prawdziwa losowość jest kosztowna
1 https://www.fourmilab.ch/hotbits 2 https://www.random.org
Generowanie liczb pseudolosowych
- Generowanie liczb pseudolosowych jest tanie i szybkie
- Kolejna „losowa" liczba jest obliczana na podstawie poprzedniej
- Pierwsza „losowa" liczba jest obliczana na podstawie ziarna
- To samo ziarno daje te same liczby losowe
Przykład generowania liczb pseudolosowych
seed = 1
calc_next_random(seed)
3
calc_next_random(3)
2
calc_next_random(2)
6
Funkcje generujące liczby losowe
- Poprzedź przez
numpy.random, np.numpy.random.beta()
| funkcja | rozkład | funkcja | rozkład |
|---|---|---|---|
| .beta | Beta | .hypergeometric | Hipergeometryczny |
| .binomial | Dwumianowy | .lognormal | Logarytmiczno-normalny |
| .chisquare | Chi-kwadrat | .negative_binomial | Ujemny dwumianowy |
| .exponential | Wykładniczy | .normal | Normalny |
| .f | F | .poisson | Poissona |
| .gamma | Gamma | .standard_t | t |
| .geometric | Geometryczny | .uniform | Jednostajny |
Wizualizacja liczb losowych
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()
Ziarna liczb losowych
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 ])
Użycie innego ziarna
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])
Czas na ćwiczenia!
Próbkowanie w Pythonie
