یک برنامه پایتون بنویسید که یک آرایه بزرگ از داده‌های عددی را تولید کند و با استفاده از NumPy به‌طور کارآمد میانگین، واریانس نمونه (با ddof=1) و انحراف معیار را محاسبه کند و زمان اجرای روش برداری را با روش حلقه‌ای ساده مقایسه کند.

برای حل این مسئله از کتابخانه NumPy استفاده کنید: ابتدا یک آرایه‌ی بزرگ با np.random.randn یا توزیع دلخواه بسازید، سپس با توابع np.mean، np.var (با پارامتر ddof=1 برای واریانس نمونه) و np.sqrt نتیجه‌ی var را به‌دست آورید. برای مقایسه کارایی، یک پیاده‌سازی ساده با حلقه‌ی پایتون بنویسید و زمان‌ها را با time یا timeit اندازه‌گیری کنید. نکات: از dtype مناسب مثل float64 استفاده کنید، از حلقه‌های پایتون پرهیز کنید چون کند هستند، و برای داده‌های بسیار بزرگ می‌توانید از تکنیک‌هایی مثل memmap، numexpr یا پردازش موازی بهره ببرید تا مصرف حافظه و سرعت را بهبود بخشید.