std::chi_squared_distribution
来自 cppreference.com
定义在头文件 <random> 中 |
||
template< class RealType = double > class chi_squared_distribution; |
(自 C++11) | |
chi_squared_distribution
生成随机数 x>0,符合 卡方分布
- f(x;n) =
x(n/2)-1
e-x/2Γ(n/2) 2n/2
Γ 是 伽马函数 (也可以参见 std::tgamma),而 n 是 自由度 (默认值为 1)。
std::chi_squared_distribution
满足 RandomNumberDistribution 的所有要求。
内容 |
[编辑] 模板参数
RealType | - | 生成器生成的結果類型。如果這不是 float、double 或 long double 之一,则效果未定义。 |
[编辑] 成员类型
成员类型 | 定义 |
result_type (C++11) |
RealType |
param_type (C++11) |
参数集的类型,参见 RandomNumberDistribution。 |
[编辑] 成员函数
(C++11) |
构造新的分布 (公有成员函数) |
(C++11) |
重置分布的内部状态 (公有成员函数) |
生成 | |
(C++11) |
在分布中生成下一个随机数 (公有成员函数) |
特性 | |
(C++11) |
返回自由度 (n) 分布参数 (公有成员函数) |
(C++11) |
获取或设置分布参数对象 (公有成员函数) |
(C++11) |
返回可能生成的最小值 (公有成员函数) |
(C++11) |
返回可能生成的最大值 (公有成员函数) |
[编辑] 非成员函数
(C++11)(C++11)(C++20 中已删除) |
比较两个分布对象 (函数) |
(C++11) |
对伪随机数分布执行流输入和输出 (函数模板) |
[编辑] 示例
运行此代码
#include <algorithm> #include <cmath> #include <iomanip> #include <iostream> #include <map> #include <random> #include <vector> template<int Height = 5, int BarWidth = 1, int Padding = 1, int Offset = 0, class Seq> void draw_vbars(Seq&& s, const bool DrawMinMax = true) { static_assert(0 < Height and 0 < BarWidth and 0 <= Padding and 0 <= Offset); auto cout_n = [](auto&& v, int n = 1) { while (n-- > 0) std::cout << v; }; const auto [min, max] = std::minmax_element(std::cbegin(s), std::cend(s)); std::vector<std::div_t> qr; for (typedef decltype(*std::cbegin(s)) V; V e : s) qr.push_back(std::div(std::lerp(V(0), 8 * Height, (e - *min) / (*max - *min)), 8)); for (auto h{Height}; h-- > 0; cout_n('\n')) { cout_n(' ', Offset); for (auto dv : qr) { const auto q{dv.quot}, r{dv.rem}; unsigned char d[]{0xe2, 0x96, 0x88, 0}; // Full Block: '█' q < h ? d[0] = ' ', d[1] = 0 : q == h ? d[2] -= (7 - r) : 0; cout_n(d, BarWidth), cout_n(' ', Padding); } if (DrawMinMax && Height > 1) Height - 1 == h ? std::cout << "┬ " << *max: h ? std::cout << "│ " : std::cout << "┴ " << *min; } } int main() { std::random_device rd{}; std::mt19937 gen{rd()}; auto χ2 = [&gen](const float dof) { std::chi_squared_distribution<float> d{dof /* n */}; const int norm = 1'00'00; const float cutoff = 0.002f; std::map<int, int> hist{}; for (int n = 0; n != norm; ++n) ++hist[std::round(d(gen))]; std::vector<float> bars; std::vector<int> indices; for (auto const& [n, p] : hist) if (float x = p * (1.0 / norm); cutoff < x) { bars.push_back(x); indices.push_back(n); } std::cout << "dof = " << dof << ":\n"; for (draw_vbars<4, 3>(bars); int n : indices) std::cout << std::setw(2) << n << " "; std::cout << "\n\n"; }; for (float dof : {1.f, 2.f, 3.f, 4.f, 6.f, 9.f}) χ2(dof); }
可能输出
dof = 1: ███ ┬ 0.5271 ███ │ ███ ███ │ ███ ███ ▇▇▇ ▃▃▃ ▂▂▂ ▁▁▁ ▁▁▁ ▁▁▁ ▁▁▁ ┴ 0.003 0 1 2 3 4 5 6 7 8 dof = 2: ███ ┬ 0.3169 ▆▆▆ ███ ▃▃▃ │ ███ ███ ███ ▄▄▄ │ ███ ███ ███ ███ ▇▇▇ ▄▄▄ ▃▃▃ ▂▂▂ ▁▁▁ ▁▁▁ ▁▁▁ ┴ 0.004 0 1 2 3 4 5 6 7 8 9 10 dof = 3: ███ ▃▃▃ ┬ 0.2439 ███ ███ ▄▄▄ │ ▃▃▃ ███ ███ ███ ▇▇▇ ▁▁▁ │ ███ ███ ███ ███ ███ ███ ▆▆▆ ▄▄▄ ▃▃▃ ▂▂▂ ▁▁▁ ▁▁▁ ▁▁▁ ┴ 0.0033 0 1 2 3 4 5 6 7 8 9 10 11 12 dof = 4: ▂▂▂ ███ ▃▃▃ ┬ 0.1864 ███ ███ ███ ███ ▂▂▂ │ ███ ███ ███ ███ ███ ▅▅▅ ▁▁▁ │ ▅▅▅ ███ ███ ███ ███ ███ ███ ███ ▆▆▆ ▄▄▄ ▃▃▃ ▂▂▂ ▂▂▂ ▁▁▁ ▁▁▁ ▁▁▁ ┴ 0.0026 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 dof = 6: ▅▅▅ ▇▇▇ ███ ▂▂▂ ┬ 0.1351 ▅▅▅ ███ ███ ███ ███ ▇▇▇ ▁▁▁ │ ▁▁▁ ███ ███ ███ ███ ███ ███ ███ ▅▅▅ ▂▂▂ │ ▁▁▁ ███ ███ ███ ███ ███ ███ ███ ███ ███ ███ ███ ▅▅▅ ▄▄▄ ▃▃▃ ▂▂▂ ▁▁▁ ▁▁▁ ▁▁▁ ┴ 0.0031 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 dof = 9: ▅▅▅ ▇▇▇ ███ ███ ▄▄▄ ▂▂▂ ┬ 0.1044 ▃▃▃ ███ ███ ███ ███ ███ ███ ▅▅▅ ▁▁▁ │ ▄▄▄ ███ ███ ███ ███ ███ ███ ███ ███ ███ ▆▆▆ ▃▃▃ │ ▄▄▄ ███ ███ ███ ███ ███ ███ ███ ███ ███ ███ ███ ███ ███ ▆▆▆ ▄▄▄ ▃▃▃ ▂▂▂ ▁▁▁ ▁▁▁ ▁▁▁ ┴ 0.0034 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22
[编辑] 外部链接
Weisstein, Eric W. "卡方分布." 来自 Wolfram Web 资源 MathWorld。 | |
卡方分布 — 来自 维基百科。 |