伪随机化的事件与方法

Python 中的离散事件模拟

Diogo Costa (PhD, MSc)

Adjunct Professor, University of Saskatchewan, Canada & CEO of ImpactBLUE-Scientific

事件（或过程）随机化

什么是随机化？

注意： 计算机从设计上无法生成真正随机数。

"真正"随机生成

伪随机生成

示例： 有手工装配任务的工厂

散点图显示重复多次的某手工装配时长。

可用的统计包：

Random 包

本章重点

给定范围内的随机整数

方法：

random.randint(start, end)

示例： 3（含）到9（不含）之间的随机整数

random.randint(3, 9)

给定范围内的随机浮点数

方法：

random.uniform(start, end)

示例： 3 到 9 之间的随机浮点数

random.uniform(3, 9)

6.4557754

从序列中随机抽样

方法：

random.sample(mylist, k=number_samples)

示例： 从列表中随机取 2 个元素

mylist = ["apple", "banana", "cherry"]

random.sample(mylist, k=2)

['cherry', 'banana']

打乱列表（重排元素）

方法：

random.shuffle(mylist)

示例： 随机重排列表元素

mylist = ["book", "pencil", "eraser"]

random.shuffle(mylist)

['eraser', 'pencil', 'book']

高斯分布

方法：

random.gauss(average, standard_dev)

示例： 均值 100、标准差 50 的伪随机浮点数

random.gauss(100, 50)

123.59383

指数分布

方法：

random.expovariate(lambda)

示例： 使用参数 1.5 的指数分布生成伪随机浮点数：random.expovariate(1.5)

0.2234355

Python 中的离散事件模拟