5.3 random ---
Génère des nombres pseudo-aléatoires
Ce module implémente des générateurs de nombres pseudo-aléatoires
pour de nombreuses distributions: sur l'axe des réels, il y a des fonctions
pour calculer des distributions normales ou gaussiennes, lognormales,
exponentielles négatives, gamma ou beta. Pour générer des distributions
d'angles, les distributions circulaire uniforme et de von Mises sont
disponibles.
Le module random supporte l'interface Générateur de Nombres
Aléatoires, décrite dans la section 5.3.1. Cette interface
du module, ainsi que les fonctions propres à chaque distribution
décrites ci-dessous, utilisent toutes le générateur pseudo-aléatoire
fourni par le module whrandom.
Les fonctions suivantes sont définies pour supporter des distributions
particulières, et retournent toutes des valeurs réelles. Les paramètres
des fonctions sont nommés d'après les variables correspondantes dans
l'équation de la distribution, tel qu'on les utilise dans la pratique
mathématique courante; la plupart de ces équations se trouvent dans tous
les manuels de statistiques. Ils devraient être intégrés à l'interface
Générateur de Nombres Aléatoires dans une version future.
betavariate(alpha, beta)
-
Distribution beta. Les conditions sur les parameters sont
alpha > -1 et beta > -1. Les valeurs
retournées sont comprises entre 0 et 1.
cunifvariate(moyen, arc)
-
Distribution circulaire uniforme. moyen est l'angle moyen,
et arc est l'étendue de la distribution, centrée autour de
l'angle moyen. Les deux valeurs doivent être exprimées en radians,
et peuvent aller de 0 à pi. Les valeurs retournées sont comprises
entre
moyen - arc/2 et moyen + arc/2.
expovariate(lambd)
-
Distribution exponentielle. lambd vaut 1.0 divisé par la moyenne
désirée. (Le paramètre s'appelerait ``lambda'', mais c'est un nom réservé
en Python.) Les valeurs retournées sont comprises entre 0 et + l'infini.
gamma(alpha, beta)
-
Distribution gamma. (pas la fonction gamma !) Les conditions sur
les paramèters sont
alpha > -1 et beta > 0.
gauss(mu, sigma)
-
Distribution gaussienne. mu est la moyenne, et sigma est
l'écart-type. Un peu plus rapide que la fonction normalvariate()
définie ci-dessous.
lognormvariate(mu, sigma)
-
Distribution lognormale. Si vous prenez le logarithme naturel de cette
distribution, vous obtiendrez une distribution normale de moyenne
mu et d'écart-type sigma. mu peut prendre n'importe
quelle valeur, et sigma doit être supérieure à zéro.
normalvariate(mu, sigma)
-
Distribution normale. mu est la moyenne, et sigma est
l'écart-type.
vonmisesvariate(mu, kappa)
-
mu est l'angle moyen, exprimé en radians entre 0 et 2*pi,
et kappa est le paramètre de concentration, qui doit
être supérieur ou égal à zéro. Si kappa est égal à zéro, cette
distribution se réduit à un angle aléatoire uniforme compris entre
0 et 2*pi.
paretovariate(alpha)
-
Distribution de Pareto. alpha est le paramètre de forme.
weibullvariate(alpha, beta)
-
Distribution de Weibull. alpha est le paramètre d'échelle et
beta est le paramètre de forme.
Voir aussi:
- Module whrandom:
- Le générateur de nombres aléatoires standard
de Python.
Sous-sections
- L'Interface de Générateur de Nombres Aléatoires
