Share via

cauchy_distribution 類別

  • 發行項

產生柯西 (Cauchy) 分佈。

語法

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

   // constructor and reset functions
   explicit cauchy_distribution(result_type a = 0.0, result_type b = 1.0);
   explicit cauchy_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 a() const;
   result_type b() const;
   param_type param() const;
   void param(const param_type& parm);
   result_type min() const;
   result_type max() const;
   };

參數

RealType
浮點結果類型，預設值為 double。 如需可能的類型，請參閱 < 隨機 > 。

URNG
統一亂數產生器引擎。 如需可能的類型，請參閱 < 隨機 > 。

備註

類別範本描述產生使用者指定浮點型別值的散發，或 double 如果未提供任何值，則根據 Cauchy 散發。 下表提供各個成員的文章連結。

cauchy_distribution
param_type

屬性函式 a() 和 b() 會針對儲存的分佈參數 a 和 b 分別傳回各自的值。

屬性成員 param() 會設定或傳回 param_type 預存分佈參數套件。

min() 和 max() 成員函式會分別傳回最小可能結果和最大可能結果。

reset() 成員函式會捨棄任何快取的值，讓下個針對 operator() 呼叫的結果不是取決於呼叫之前取自引擎的任何值。

operator() 成員函式會根據 URNG 引擎傳回下一個產生的值，無論是從目前的參數封裝或是指定的參數封裝。

如需散發類別及其成員的詳細資訊，請參閱 < 隨機 > 。

如需柯西分佈的詳細資訊，請參閱 Wolfram MathWorld 文章：Cauchy Distribution (柯西分佈)。

範例

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

void test(const double a, const double b, const int s) {

    // uncomment to use a non-deterministic generator
    //    std::random_device gen;

    std::mt19937 gen(1701);

    std::cauchy_distribution<> distr(a, b);

    std::cout << std::endl;
    std::cout << "min() == " << distr.min() << std::endl;
    std::cout << "max() == " << distr.max() << std::endl;
    std::cout << "a() == " << std::fixed << std::setw(11) << std::setprecision(10) << distr.a() << std::endl;
    std::cout << "b() == " << std::fixed << std::setw(11) << std::setprecision(10) << distr.b() << 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 a_dist = 0.0;
    double b_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 'a' distribution parameter: ";
    std::cin >> a_dist;
    std::cout << "Enter a floating point value for the 'b' distribution parameter (must be greater than zero): ";
    std::cin >> b_dist;
    std::cout << "Enter an integer value for the sample count: ";
    std::cin >> samples;

    test(a_dist, b_dist, samples);
}

第一次執行：

Use CTRL-Z to bypass data entry and run using default values.
Enter a floating point value for the 'a' distribution parameter: 0
Enter a floating point value for the 'b' distribution parameter (must be greater than zero): 1
Enter an integer value for the sample count: 10

min() == -1.79769e+308
max() == 1.79769e+308
a() == 0.0000000000
b() == 1.0000000000
Distribution for 10 samples:
    1: -3.4650392984
    2: -2.6369564174
    3: -0.0786978867
    4: -0.0609632093
    5: 0.0589387400
    6: 0.0589539764
    7: 0.1004592006
    8: 1.0965724260
    9: 1.4389408122
    10: 2.5253154706

第二次執行：

Use CTRL-Z to bypass data entry and run using default values.
Enter a floating point value for the 'a' distribution parameter: 0
Enter a floating point value for the 'b' distribution parameter (must be greater than zero): 10
Enter an integer value for the sample count: 10

min() == -1.79769e+308
max() == 1.79769e+308
a() == 0.0000000000
b() == 10.0000000000
Distribution for 10 samples:
    1: -34.6503929840
    2: -26.3695641736
    3: -0.7869788674
    4: -0.6096320926
    5: 0.5893873999
    6: 0.5895397637
    7: 1.0045920062
    8: 10.9657242597
    9: 14.3894081218
    10: 25.2531547063

第三次執行：

Use CTRL-Z to bypass data entry and run using default values.
Enter a floating point value for the 'a' distribution parameter: 10
Enter a floating point value for the 'b' distribution parameter (must be greater than zero): 10
Enter an integer value for the sample count: 10

min() == -1.79769e+308
max() == 1.79769e+308
a() == 10.0000000000
b() == 10.0000000000
Distribution for 10 samples:
    1: -24.6503929840
    2: -16.3695641736
    3: 9.2130211326
    4: 9.3903679074
    5: 10.5893873999
    6: 10.5895397637
    7: 11.0045920062
    8: 20.9657242597
    9: 24.3894081218
    10: 35.2531547063

需求

標頭： < random>

命名空間：std

cauchy_distribution::cauchy_distribution

建構分佈。

explicit cauchy_distribution(result_type a = 0.0, result_type b = 1.0);
explicit cauchy_distribution(const param_type& parm);

參數

a
a 分佈參數。

b
b 分佈參數。

parm
用來建構分佈的 param_type 結構。

備註

前置條件︰0.0 < b

第一個建構函式建構的物件，其預存的 a 值具有 a 值，而其預存的 b 值具有 b 值。

第二個建構函式會建構預存參數是從 parm 初始化而來的物件。 您可以呼叫 param() 成員函式，取得及設定現有分佈的目前參數。

cauchy_distribution::param_type

儲存分佈的所有參數。

struct param_type {
   typedef cauchy_distribution<result_type> distribution_type;
   param_type(result_type a = 0.0, result_type b = 1.0);
   result_type a() const;
   result_type b() const;

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

參數

a
a 分佈參數。

b
b 分佈參數。

right
要與這個項目比較的 param_type 物件。

備註

前置條件︰0.0 < b

此結構可在具現化時傳遞至分佈的類別建構函式，傳遞至 param() 成員函式可設定現有分佈之儲存的參數，傳遞至 operator() 可用於取代儲存的參數。

另請參閱

<random>