Bilangan Acak

Mengenal modul numpy.random, perbedaan API lama dan baru, serta alasan Generator menjadi cara yang disarankan.

Membuat Generator dengan default_rng dan mengenal BitGenerator PCG64 yang berada di baliknya.

Menghasilkan angka acak yang sama setiap eksekusi dengan seed pada Generator untuk pengujian dan berbagi hasil.

Membuat bilangan bulat acak dengan integers dan mengambil sampel dengan atau tanpa pengembalian.

Membangkitkan angka acak berdistribusi uniform dengan random dan mengenali karakter penyebarannya.

Membangkitkan data berdistribusi normal dengan normal dan standard_normal serta menghubungkannya dengan mean dan std.

Memodelkan jumlah keberhasilan dengan binomial dan jumlah kejadian per interval dengan Poisson.

Memilih elemen dari array secara acak dengan choice, termasuk pembobotan peluang tiap pilihan.

Mengacak urutan array dengan permutation dan shuffle serta membedakan hasil salinan dan perubahan langsung.

Mengestimasi nilai yang sulit dihitung eksak dengan simulasi Monte Carlo berbasis angka acak NumPy.

Menyimulasikan waktu tunggu dan proporsi dengan distribusi eksponensial, gamma, dan beta dari Generator.

Membangkitkan sampel multivariat normal dengan kovarians tertentu dan mengaitkannya dengan dekomposisi Cholesky.

Mengestimasi interval kepercayaan statistik dengan bootstrap resampling berbasis Generator yang dapat direproduksi.