test/std/numerics/rand/rand.dis/rand.dist.bern/rand.dist.bern.bin/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 // REQUIRES: long_tests
  11
  12 // <random>
  13
  14 // template<class IntType = int>
  15 // class binomial_distribution
  16
  17 // template<class _URNG> result_type operator()(_URNG& g, const param_type& parm);
  18
  19 #include <random>
  20 #include <numeric>
  21 #include <vector>
  22 #include <cassert>
  23
  24 template <class T>
  25 inline
  26 T
  27 sqr(T x)
  28 {
  29     return x * x;
  30 }
  31
  32 int main()
  33 {
  34     {
  35         typedef std::binomial_distribution<> D;
  36         typedef D::param_type P;
  37         typedef std::mt19937_64 G;
  38         G g;
  39         D d(16, .75);
  40         P p(5, .75);
  41         const int N = 1000000;
  42         std::vector<D::result_type> u;
  43         for (int i = 0; i < N; ++i)
  44         {
  45             D::result_type v = d(g, p);
  46             assert(0 <= v && v <= p.t());
  47             u.push_back(v);
  48         }
  49         double mean = std::accumulate(u.begin(), u.end(),
  50                                               double(0)) / u.size();
  51         double var = 0;
  52         double skew = 0;
  53         double kurtosis = 0;
  54         for (unsigned i = 0; i < u.size(); ++i)
  55         {
  56             double dbl = (u[i] - mean);
  57             double d2 = sqr(dbl);
  58             var += d2;
  59             skew += dbl * d2;
  60             kurtosis += d2 * d2;
  61         }
  62         var /= u.size();
  63         double dev = std::sqrt(var);
  64         skew /= u.size() * dev * var;
  65         kurtosis /= u.size() * var * var;
  66         kurtosis -= 3;
  67         double x_mean = p.t() * p.p();
  68         double x_var = x_mean*(1-p.p());
  69         double x_skew = (1-2*p.p()) / std::sqrt(x_var);
  70         double x_kurtosis = (1-6*p.p()*(1-p.p())) / x_var;
  71         assert(std::abs((mean - x_mean) / x_mean) < 0.01);
  72         assert(std::abs((var - x_var) / x_var) < 0.01);
  73         assert(std::abs((skew - x_skew) / x_skew) < 0.01);
  74         assert(std::abs((kurtosis - x_kurtosis) / x_kurtosis) < 0.04);
  75     }
  76     {
  77         typedef std::binomial_distribution<> D;
  78         typedef D::param_type P;
  79         typedef std::mt19937 G;
  80         G g;
  81         D d(16, .75);
  82         P p(30, .03125);
  83         const int N = 100000;
  84         std::vector<D::result_type> u;
  85         for (int i = 0; i < N; ++i)
  86         {
  87             D::result_type v = d(g, p);
  88             assert(0 <= v && v <= p.t());
  89             u.push_back(v);
  90         }
  91         double mean = std::accumulate(u.begin(), u.end(),
  92                                               double(0)) / u.size();
  93         double var = 0;
  94         double skew = 0;
  95         double kurtosis = 0;
  96         for (unsigned i = 0; i < u.size(); ++i)
  97         {
  98             double dbl = (u[i] - mean);
  99             double d2 = sqr(dbl);
 100             var += d2;
 101             skew += dbl * d2;
 102             kurtosis += d2 * d2;
 103         }
 104         var /= u.size();
 105         double dev = std::sqrt(var);
 106         skew /= u.size() * dev * var;
 107         kurtosis /= u.size() * var * var;
 108         kurtosis -= 3;
 109         double x_mean = p.t() * p.p();
 110         double x_var = x_mean*(1-p.p());
 111         double x_skew = (1-2*p.p()) / std::sqrt(x_var);
 112         double x_kurtosis = (1-6*p.p()*(1-p.p())) / x_var;
 113         assert(std::abs((mean - x_mean) / x_mean) < 0.01);
 114         assert(std::abs((var - x_var) / x_var) < 0.01);
 115         assert(std::abs((skew - x_skew) / x_skew) < 0.01);
 116         assert(std::abs((kurtosis - x_kurtosis) / x_kurtosis) < 0.01);
 117     }
 118     {
 119         typedef std::binomial_distribution<> D;
 120         typedef D::param_type P;
 121         typedef std::mt19937 G;
 122         G g;
 123         D d(16, .75);
 124         P p(40, .25);
 125         const int N = 1000000;
 126         std::vector<D::result_type> u;
 127         for (int i = 0; i < N; ++i)
 128         {
 129             D::result_type v = d(g, p);
 130             assert(0 <= v && v <= p.t());
 131             u.push_back(v);
 132         }
 133         double mean = std::accumulate(u.begin(), u.end(),
 134                                               double(0)) / u.size();
 135         double var = 0;
 136         double skew = 0;
 137         double kurtosis = 0;
 138         for (unsigned i = 0; i < u.size(); ++i)
 139         {
 140             double dbl = (u[i] - mean);
 141             double d2 = sqr(dbl);
 142             var += d2;
 143             skew += dbl * d2;
 144             kurtosis += d2 * d2;
 145         }
 146         var /= u.size();
 147         double dev = std::sqrt(var);
 148         skew /= u.size() * dev * var;
 149         kurtosis /= u.size() * var * var;
 150         kurtosis -= 3;
 151         double x_mean = p.t() * p.p();
 152         double x_var = x_mean*(1-p.p());
 153         double x_skew = (1-2*p.p()) / std::sqrt(x_var);
 154         double x_kurtosis = (1-6*p.p()*(1-p.p())) / x_var;
 155         assert(std::abs((mean - x_mean) / x_mean) < 0.01);
 156         assert(std::abs((var - x_var) / x_var) < 0.01);
 157         assert(std::abs((skew - x_skew) / x_skew) < 0.04);
 158         assert(std::abs((kurtosis - x_kurtosis) / x_kurtosis) < 0.3);
 159     }
 160 }