Pseudoslumpmässig talgenerering
Sampling i Python
James Chapman
Curriculum Manager, DataCamp
Vad betyder slumpmässig?
{adjective} gjord, utförd, inträffad eller vald utan metod eller medvetet beslut.
1 Oxford Languages
Äkta slumptal
- Genereras från fysiska processer, som myntkastning
- Hotbits använder radioaktivt sönderfall
- RANDOM.ORG använder atmosfäriskt brus
- Äkta slumpmässighet är kostsamt
1 https://www.fourmilab.ch/hotbits 2 https://www.random.org
Pseudoslumpmässig talgenerering
- Pseudoslumpmässig talgenerering är billig och snabb
- Nästa "slumptal" beräknas från föregående "slumptal"
- Det första "slumptalet" beräknas från ett frö
- Samma frövärde ger alltid samma slumptal
Exempel på pseudoslumpmässig talgenerering
seed = 1
calc_next_random(seed)
3
calc_next_random(3)
2
calc_next_random(2)
6
Funktioner för slumptalgenerering
- Inled med
numpy.random, t.ex.numpy.random.beta()
| funktion | fördelning | funktion | fördelning |
|---|---|---|---|
| .beta | Beta | .hypergeometric | Hypergeometrisk |
| .binomial | Binomial | .lognormal | Lognormal |
| .chisquare | Kji-kvadrat | .negative_binomial | Negativ binomial |
| .exponential | Exponential | .normal | Normal |
| .f | F | .poisson | Poisson |
| .gamma | Gamma | .standard_t | t |
| .geometric | Geometrisk | .uniform | Likformig |
Visualisering av slumptal
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()
Frön för slumptal
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 ])
Använda ett annat frö
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])
Nu kör vi en övning!
Sampling i Python
