fisher_f_distribution 类
生成 Fisher F 分布。
语法
template<class RealType = double>
class fisher_f_distribution
{
public:
// types
typedef RealType result_type;
struct param_type; // constructor and reset functions
explicit fisher_f_distribution(result_type m = 1.0, result_type n = 1.0);
explicit fisher_f_distribution(const param_type& parm);
void reset();
// generating functions
template <class URNG>
result_type operator()(URNG& gen);
template <class URNG>
result_type operator()(URNG& gen, const param_type& parm);
// property functions
result_type m() const;
result_type n() const;
param_type param() const;
void param(const param_type& parm);
result_type min() const;
result_type max() const;
};
参数
RealType
浮点结果类型，默认为 double。 有关可能的类型，请参阅 <random>。
URNG
均匀随机数生成器引擎。 有关可能的类型，请参阅 <random>。
备注
类模板描述了生成用户指定浮点类型或根据 Fisher 的 F-分布分配的 double 类型（如果未提供任何内容）的值的分配。 下表链接到有关各个成员的文章。
fisher_f_distribution
param_type
属性函数 m() 和 n() 将分别返回存储的分布参数 m 和 n 的值。
属性成员 param() 将设置或返回 param_type 存储的分布参数包。
min() 和 max() 成员函数将分别返回最小可能结果和最大可能结果。
reset() 成员函数将放弃所有缓存的值，使下一个对 operator() 的调用的结果不取决于在调用之前从引擎获得的任何值。
operator() 成员函数将根据 URNG 引擎，从当前参数包或指定参数包返回下一个生成的值。
有关分布类及其成员的详细信息，请参阅 <random>。
有关 F-分布的详细信息，请参阅 Wolfram MathWorld 文章 F-分布。
示例
// compile with: /EHsc /W4
#include <random>
#include <iostream>
#include <iomanip>
#include <string>
#include <map>
void test(const double m, const double n, const int s) {
// uncomment to use a non-deterministic seed
// std::random_device rd;
// std::mt19937 gen(rd());
std::mt19937 gen(1701);
std::fisher_f_distribution<> distr(m, n);
std::cout << std::endl;
std::cout << "min() == " << distr.min() << std::endl;
std::cout << "max() == " << distr.max() << std::endl;
std::cout << "m() == " << std::fixed << std::setw(11) << std::setprecision(10) << distr.m() << std::endl;
std::cout << "n() == " << std::fixed << std::setw(11) << std::setprecision(10) << distr.n() << std::endl;
// generate the distribution as a histogram
std::map<double, int> histogram;
for (int i = 0; i < s; ++i) {
++histogram[distr(gen)];
}
// print results
std::cout << "Distribution for " << s << " samples:" << std::endl;
int counter = 0;
for (const auto& elem : histogram) {
std::cout << std::fixed << std::setw(11) << ++counter << ": "
<< std::setw(14) << std::setprecision(10) << elem.first << std::endl;
}
std::cout << std::endl;
}
int main()
{
double m_dist = 1;
double n_dist = 1;
int samples = 10;
std::cout << "Use CTRL-Z to bypass data entry and run using default values." << std::endl;
std::cout << "Enter a floating point value for the \'m\' distribution parameter (must be greater than zero): ";
std::cin >> m_dist;
std::cout << "Enter a floating point value for the \'n\' distribution parameter (must be greater than zero): ";
std::cin >> n_dist;
std::cout << "Enter an integer value for the sample count: ";
std::cin >> samples;
test(m_dist, n_dist, samples);
}
输出
首次运行：
Enter a floating point value for the 'm' distribution parameter (must be greater than zero): 1
Enter a floating point value for the 'n' distribution parameter (must be greater than zero): 1
Enter an integer value for the sample count: 10
min() == 0
max() == 1.79769e+308
m() == 1.0000000000
n() == 1.0000000000
Distribution for 10 samples:
1: 0.0204569549
2: 0.0221376644
3: 0.0297234962
4: 0.1600937252
5: 0.2775342196
6: 0.3950701700
7: 0.8363200295
8: 0.9512500702
9: 2.7844815974
10: 3.4320929653
第二次运行：
Enter a floating point value for the 'm' distribution parameter (must be greater than zero): 1
Enter a floating point value for the 'n' distribution parameter (must be greater than zero): .1
Enter an integer value for the sample count: 10
min() == 0
max() == 1.79769e+308
m() == 1.0000000000
n() == 0.1000000000
Distribution for 10 samples:
1: 0.0977725649
2: 0.5304122767
3: 4.9468518084
4: 25.1012074939
5: 48.8082121613
6: 401.8075539377
7: 8199.5947873699
8: 226492.6855335717
9: 2782062.6639740225
10: 20829747131.7185860000
第三次运行：
Enter a floating point value for the 'm' distribution parameter (must be greater than zero): .1
Enter a floating point value for the 'n' distribution parameter (must be greater than zero): 1
Enter an integer value for the sample count: 10
min() == 0
max() == 1.79769e+308
m() == 0.1000000000
n() == 1.0000000000
Distribution for 10 samples:
1: 0.0000000000
2: 0.0000000000
3: 0.0000000000
4: 0.0000000000
5: 0.0000000033
6: 0.0000073975
7: 0.0000703800
8: 0.0280427735
9: 0.2660239949
10: 3.4363333954
要求
标头：<random>
命名空间： std
fisher_f_distribution::fisher_f_distribution
构造分布。
explicit fisher_f_distribution(result_type m = 1.0, result_type n = 1.0);
explicit fisher_f_distribution(const param_type& parm);
参数
m
m 分布参数。
n
n 分布参数。
parm
用于构造分布的 param_type 结构。
备注
前置条件： 0.0 < m 和 0.0 < n
第一个构造函数将构造一个其存储的 m 值保留值 m，而其存储的 n 值保留值 n 的对象。
第二个构造函数将构造一个从 parm 初始化其存储的参数的对象。 通过调用 param() 成员函数，可获取和设置当前的现有分发参数。
fisher_f_distribution::param_type
存储分布的参数。
struct param_type {
typedef fisher_f_distribution<result_type> distribution_type;
param_type(result_type m = 1.0, result_type n = 1.0);
result_type m() const;
result_type n() const;
bool operator==(const param_type& right) const;
bool operator!=(const param_type& right) const;
};
参数
m
m 分布参数。
n
n 分布参数。
right
要与它进行比较的 param_type 对象。
备注
前置条件： 0.0 < m 和 0.0 < n
在实例化时，可将此结构传递给分布的类构造函数、传递给 param() 成员函数以设置现有分布的存储参数，并传递给 operator() 以代替存储参数使用。