piecewise_constant_distribution 类

项目
07/05/2024

生成包含以等概率分布在每个区间中的不等宽区间的分段常数分布。

语法

template<class RealType = double>
class piecewise_constant_distribution
   {
public:
   // types
   typedef RealType result_type;
   struct param_type;

   // constructor and reset functions
   piecewise_constant_distribution();
   template <class InputIteratorI, class InputIteratorW>
   piecewise_constant_distribution(
       InputIteratorI firstI, InputIteratorI lastI, InputIteratorW firstW);
   template <class UnaryOperation>
   piecewise_constant_distribution(
      initializer_list<result_type> intervals, UnaryOperation weightfunc);
   template <class UnaryOperation>
   piecewise_constant_distribution(
      size_t count, result_type xmin, result_type xmax, UnaryOperation weightfunc);
   explicit piecewise_constant_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
   vector<result_type> intervals() const;
   vector<result_type> densities() 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>。

备注

此示例分布包含以等概率分布在每个区间中的不等宽区间。有关其他采样分布的信息，请参阅 piecewise_linear_distribution 类和 discrete_distribution。

下表链接到有关各个成员的文章：

piecewise_constant_distribution
param_type

属性函数 intervals() 将返回 vector<result_type> 以及分布的存储区间集。

属性函数 densities() 将返回 vector<result_type> 以及每个区间集的存储密度，根据构造函数参数中提供的权重计算存储密度。

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>。

示例

// compile with: /EHsc /W4
#include <random>
#include <iostream>
#include <iomanip>
#include <string>
#include <map>

using namespace std;

void test(const int s) {

    // uncomment to use a non-deterministic generator
    // random_device rd;
    // mt19937 gen(rd());
    mt19937 gen(1701);

    // Three intervals, non-uniform: 0 to 1, 1 to 6, and 6 to 15
    vector<double> intervals{ 0, 1, 6, 15 };
    // weights determine the densities used by the distribution
    vector<double> weights{ 1, 5, 10 };

    piecewise_constant_distribution<double> distr(intervals.begin(), intervals.end(), weights.begin());

    cout << endl;
    cout << "min() == " << distr.min() << endl;
    cout << "max() == " << distr.max() << endl;
    cout << "intervals (index: interval):" << endl;
    vector<double> i = distr.intervals();
    int counter = 0;
    for (const auto& n : i) {
        cout << fixed << setw(11) << counter << ": " << setw(14) << setprecision(10) << n << endl;
        ++counter;
    }
    cout << endl;
    cout << "densities (index: density):" << endl;
    vector<double> d = distr.densities();
    counter = 0;
    for (const auto& n : d) {
        cout << fixed << setw(11) << counter << ": " << setw(14) << setprecision(10) << n << endl;
        ++counter;
    }
    cout << endl;

    // generate the distribution as a histogram
    map<int, int> histogram;
    for (int i = 0; i < s; ++i) {
        ++histogram[distr(gen)];
    }

    // print results
    cout << "Distribution for " << s << " samples:" << endl;
    for (const auto& elem : histogram) {
        cout << setw(5) << elem.first << '-' << elem.first+1 << ' ' << string(elem.second, ':') << endl;
    }
    cout << endl;
}

int main()
{
    int samples = 100;

    cout << "Use CTRL-Z to bypass data entry and run using default values." << endl;
    cout << "Enter an integer value for the sample count: ";
    cin >> samples;

    test(samples);
}

Use CTRL-Z to bypass data entry and run using default values.
Enter an integer value for the sample count: 100
min() == 0
max() == 15
intervals (index: interval):
          0:   0.0000000000
          1:   1.0000000000
          2:   6.0000000000
          3:  15.0000000000
densities (index: density):
          0:   0.0625000000
          1:   0.0625000000
          2:   0.0694444444
Distribution for 100 samples:
    0-1 :::::::
    1-2 ::::::
    2-3 :::::
    3-4 ::::::
    4-5 :::::::
    5-6 ::::::
    6-7 :::
    7-8 ::::::::::
    8-9 ::::::
    9-10 ::::::::::::
    10-11 :::::
    11-12 ::::::
    12-13 :::::::::
    13-14 ::::
    14-15 ::::::::

要求

标头：<random>

命名空间： std

piecewise_constant_distribution::piecewise_constant_distribution

构造分布。

// default constructor
piecewise_constant_distribution();

// constructs using a range of intervals, [firstI, lastI), with
// matching weights starting at firstW
template <class InputIteratorI, class InputIteratorW>
piecewise_constant_distribution(InputIteratorI firstI, InputIteratorI lastI, InputIteratorW firstW);

// constructs using an initializer list for range of intervals,
// with weights generated by function weightfunc
template <class UnaryOperation>
piecewise_constant_distribution(initializer_list<RealType>
intervals, UnaryOperation weightfunc);

// constructs using an initializer list for range of count intervals,
// distributed uniformly over [xmin,xmax] with weights generated by function weightfunc
template <class UnaryOperation>
piecewise_constant_distribution(size_t count, RealType xmin, RealType xmax, UnaryOperation weightfunc);

// constructs from an existing param_type structure
explicit piecewise_constant_distribution(const param_type& parm);

参数

firstI
分布范围中第一个元素的输入迭代器。

lastI
分布范围中最后一个元素的输入迭代器。

firstW
权重范围中第一个元素的输入迭代器。

intervals
具有分布区间的 initializer_list。

count
分布范围中的元素数。

xmin
分布范围中的最低值。

xmax
分布范围中的最高值。必须大于 xmin。

weightfunc
表示分布的概率函数的对象。参数和返回值都必须可转换为 double。

parm
用于构造分布的参数结构。

备注

默认构造函数将设置存储参数，以便存在一个概率密度为 1 的 0 到 1 的区间。

迭代器范围构造函数

template <class InputIteratorI, class InputIteratorW>
piecewise_constant_distribution(InputIteratorI firstI, InputIteratorI lastI,
    InputIteratorW firstW);

使用序列 [firstI，lastI) 上迭代器中的区间和以 firstW 开始的匹配权重序列来构造分布对象。

初始值设定项列表构造函数

template <class UnaryOperation>
piecewise_constant_distribution(initializer_list<result_type>
intervals,
    UnaryOperation weightfunc);

使用初始化表达式列表间隔中的区间和从函数 weightfunc 中生成的权重来构造分布对象。

定义为以下内容的构造函数

template <class UnaryOperation>
piecewise_constant_distribution(size_t count, result_type xmin, result_type xmax,
    UnaryOperation weightfunc);

使用在 [xmin,xmax] 上均匀分布的 count 区间来构造分布对象，从而根据函数 weightfunc 分配每个区间权重，weightfunc 必须接受一个参数并包含一个返回值，两者都可转换为 double。 前提条件：xmin < xmax

定义为以下内容的构造函数

explicit piecewise_constant_distribution(const param_type& parm);

通过将 parm 用作存储的参数结构，构造分布对象。

piecewise_constant_distribution::param_type

存储分布的所有参数。

struct param_type {
   typedef piecewise_constant_distribution<result_type> distribution_type;
   param_type();
   template <class IterI, class IterW>
   param_type(IterI firstI, IterI lastI, IterW firstW);
   template <class UnaryOperation>
   param_type(size_t count, result_type xmin, result_type xmax, UnaryOperation weightfunc);
   std::vector<result_type> densities() const;
   std::vector<result_type> intervals() const;

   bool operator==(const param_type& right) const;
   bool operator!=(const param_type& right) const;
   };

参数

请参阅 piecewise_constant_distribution 的构造函数参数。

注解

前提条件：xmin < xmax

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。

另请参阅

<random>
piecewise_linear_distribution

通过

piecewise_constant_distribution 类

语法

参数

备注

示例

要求

piecewise_constant_distribution::piecewise_constant_distribution

参数

备注

piecewise_constant_distribution::param_type

参数

注解

另请参阅

反馈

其他资源