test/std/numerics/rand/rand.dis/rand.dist.bern/rand.dist.bern.bernoulli/eval_param.pass.cpp

   1 //===----------------------------------------------------------------------===//
   2 //
   3 //                     The LLVM Compiler Infrastructure
   4 //
   5 // This file is dual licensed under the MIT and the University of Illinois Open
   6 // Source Licenses. See LICENSE.TXT for details.
   7 //
   8 //===----------------------------------------------------------------------===//
   9
  10 // <random>
  11
  12 // class bernoulli_distribution
  13
  14 // template<class _URNG> result_type operator()(_URNG& g, const param_type& parm);
  15
  16 #include <random>
  17 #include <numeric>
  18 #include <vector>
  19 #include <cassert>
  20 #include <cstddef>
  21
  22 template <class T>
  23 inline
  24 T
  25 sqr(T x)
  26 {
  27     return x * x;
  28 }
  29
  30 int main()
  31 {
  32     {
  33         typedef std::bernoulli_distribution D;
  34         typedef D::param_type P;
  35         typedef std::minstd_rand G;
  36         G g;
  37         D d(.75);
  38         P p(.25);
  39         const int N = 100000;
  40         std::vector<D::result_type> u;
  41         for (int i = 0; i < N; ++i)
  42             u.push_back(d(g, p));
  43         double mean = std::accumulate(u.begin(), u.end(),
  44                                               double(0)) / u.size();
  45         double var = 0;
  46         double skew = 0;
  47         double kurtosis = 0;
  48         for (std::size_t i = 0; i < u.size(); ++i)
  49         {
  50             double dbl = (u[i] - mean);
  51             double d2 = sqr(dbl);
  52             var += d2;
  53             skew += dbl * d2;
  54             kurtosis += d2 * d2;
  55         }
  56         var /= u.size();
  57         double dev = std::sqrt(var);
  58         skew /= u.size() * dev * var;
  59         kurtosis /= u.size() * var * var;
  60         kurtosis -= 3;
  61         double x_mean = p.p();
  62         double x_var = p.p()*(1-p.p());
  63         double x_skew = (1 - 2 * p.p())/std::sqrt(x_var);
  64         double x_kurtosis = (6 * sqr(p.p()) - 6 * p.p() + 1)/x_var;
  65         assert(std::abs((mean - x_mean) / x_mean) < 0.01);
  66         assert(std::abs((var - x_var) / x_var) < 0.01);
  67         assert(std::abs((skew - x_skew) / x_skew) < 0.01);
  68         assert(std::abs((kurtosis - x_kurtosis) / x_kurtosis) < 0.02);
  69     }
  70     {
  71         typedef std::bernoulli_distribution D;
  72         typedef D::param_type P;
  73         typedef std::minstd_rand G;
  74         G g;
  75         D d(.25);
  76         P p(.75);
  77         const int N = 100000;
  78         std::vector<D::result_type> u;
  79         for (int i = 0; i < N; ++i)
  80             u.push_back(d(g, p));
  81         double mean = std::accumulate(u.begin(), u.end(),
  82                                               double(0)) / u.size();
  83         double var = 0;
  84         double skew = 0;
  85         double kurtosis = 0;
  86         for (std::size_t i = 0; i < u.size(); ++i)
  87         {
  88             double dbl = (u[i] - mean);
  89             double d2 = sqr(dbl);
  90             var += d2;
  91             skew += dbl * d2;
  92             kurtosis += d2 * d2;
  93         }
  94         var /= u.size();
  95         double dev = std::sqrt(var);
  96         skew /= u.size() * dev * var;
  97         kurtosis /= u.size() * var * var;
  98         kurtosis -= 3;
  99         double x_mean = p.p();
 100         double x_var = p.p()*(1-p.p());
 101         double x_skew = (1 - 2 * p.p())/std::sqrt(x_var);
 102         double x_kurtosis = (6 * sqr(p.p()) - 6 * p.p() + 1)/x_var;
 103         assert(std::abs((mean - x_mean) / x_mean) < 0.01);
 104         assert(std::abs((var - x_var) / x_var) < 0.01);
 105         assert(std::abs((skew - x_skew) / x_skew) < 0.01);
 106         assert(std::abs((kurtosis - x_kurtosis) / x_kurtosis) < 0.02);
 107     }
 108 }