C++ piecewise_constant_distribution分段常数分布随机数用法详解
图 1 中的分布定义了 3 个区间,每个都有自己的权重。这 3 个区间是由定义在容器 b 中的 4 个边界值定义的。每个区间都有一个由容器 w 中的元素定义的权重。它的前两个参数是指定边界序列的迭代器,第三个参数是指向权重序列的第一个元素的迭代器。每个区间内的值都是均勻分布的,特定区间内的随机值的概率是由这个区间的权重决定的。
图 1 分段常数分布
除了所有分布都实现的成员函数之外,piecewise_constant_distribution 还有成员函数 intervals() 和 densities(),它们分别返回区间的边界和区间内值的概率密度;这两个函数返回的值都是 vector 容器。通过尝试和图 1 所示的相似的分布,我们可以运用这些成员,并深入了解这个分布的效果。但区间很狭窄,因此输出需要的空间很少:
// Demonstrating the piecewise constant distribution #include <random> // For distributions and random number generator #include <vector> // For vector container #include <map> // For map container #include <utility> // For pair type #include <algorithm> // For copy(), count(), remove() #include <iostream> // For standard streams #include <iterator> // For stream iterators #include <iomanip> // For stream manipulators #include <string> // For string class using std::string; int main() { std::vector<double> b {10, 20, 35, 55}; // Intervals: 10-20, 20-35, 35-55 std::vector<double> w {4, 10, 6}; // Weights for the intervals std::piecewise_constant_distribution<> d {std::begin(b), std::end(b), std::begin(w)}; // Output the interval boundaries and the interval probabilities auto intvls = d.intervals(); std::cout << "intervals: "; std::copy(std::begin(intvls), std::end(intvls), std::ostream_iterator<double>{std::cout, " "}); std::cout << " probability densities: "; auto probs = d.densities(); std::copy(std::begin(probs), std::end(probs), std::ostream_iterator<double>{std::cout, " "}); std::cout << '\n' << std::endl; std::random_device rd; std::default_random_engine rng {rd()}; std::map<int, size_t> results; //Stores and counts random values as integers // Generate a lot of random values... for(size_t i {}; i < 20000; ++i) ++results[static_cast<int>(std::round(d(rng)))]; // Plot the integer values auto max_count = std::max_element(std::begin(results), std::end(results),[](const std::pair<int, size_t>& pr1, const std::pair<int, size_t>& pr2) { return pr1.second < pr2.second; })->second; std::for_each(std::begin(results), std::end(results),[max_count](const std::pair<int, size_t>& pr) { if(!(pr.first % 10)) // Display value if multiple of 10 std::cout << std::setw(3) << pr.first << "-|"; else std::cout << " |"; std::cout << std::string(pr.second * 80 / max_count, '*')<< '\n'; }); }这样就生成了一个我们之前看到的区间和权重的分布,并用这个分布生成了大量的值,然后在将它们转换为整数后,将这些值的出现频率绘制成直方图。值会在页的下面运行,条形图从左到右地表示相对频率。
该程序的输出如下:
intervals: 10 20 35 55 probability densities: 0.02 0.0333333 0.015
10-|***********************
|***********************************************
|****************************************
|*******************************************
|**********************************************
|********************************************
|**********************************************
|**********************************************
|***********************************************
|********************************************
20-|**********************************************************
|************************************************************************
|**************************************************************************
|***************************************************************************
|******************************************************************************
|*****************************************************************************
|********************************************************************************
|***********************************************************************
|****************************************************************************
|***************************************************************************
30-|**************************************************************************
|*******************************************************************************
|******************************************************************************
|*************************************************************************
|***************************************************************************
|*******************************************************
|**********************************
|*********************************
|******************************
|***********************************
40-|***********************************
|**********************************
|********************************
|*******************************
|******************************
|***********************************
|*********************************
|******************************
|********************************
|**********************************
50-|*************************************
|*******************************
|*********************************
|*********************************
|*********************************
|***************
原因在于它们是不同的。概率密度是区间内给定值出现的概率,而不是随机值出现在区间内的概率,一个值的概率密度与区间值出现概率除以区间的值的范围是对应的。因此,这个 3 个区间内值的概率密度分别为 0.2/10、0.5/15、0.3/20,幸运的是,这和输出是相同的。最后一个区间得到的值恰好是第一个区间的两倍,但它所跨越的范围更大,因此条形图更短。因此,条形图的长度反映了概率密度。
所有教程
- socket
- Python基础教程
- C#教程
- MySQL函数
- MySQL
- C语言入门
- C语言专题
- C语言编译器
- C语言编程实例
- GCC编译器
- 数据结构
- C语言项目案例
- C++教程
- OpenCV
- Qt教程
- Unity 3D教程
- UE4
- STL
- Redis
- Android教程
- JavaScript
- PHP
- Mybatis
- Spring Cloud
- Maven
- vi命令
- Spring Boot
- Spring MVC
- Hibernate
- Linux
- Linux命令
- Shell脚本
- Java教程
- 设计模式
- Spring
- Servlet
- Struts2
- Java Swing
- JSP教程
- CSS教程
- TensorFlow
- 区块链
- Go语言教程
- Docker
- 编程笔记
- 资源下载
- 关于我们
- 汇编语言
- 大数据
- 云计算
- VIP视频