test/std/numerics/rand/rand.dis/rand.dist.pois/rand.dist.pois.exp/eval.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 RealType = double>
  15 // class exponential_distribution
  16
  17 // template<class _URNG> result_type operator()(_URNG& g);
  18
  19 #include <random>
  20 #include <cassert>
  21 #include <vector>
  22 #include <numeric>
  23 #include <cstddef>
  24
  25 template <class T>
  26 inline
  27 T
  28 sqr(T x)
  29 {
  30     return x * x;
  31 }
  32
  33 int main()
  34 {
  35     {
  36         typedef std::exponential_distribution<> D;
  37         typedef D::param_type P;
  38         typedef std::mt19937 G;
  39         G g;
  40         D d(.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);
  46             assert(d.min() < v);
  47             u.push_back(v);
  48         }
  49         double mean = std::accumulate(u.begin(), u.end(), 0.0) / u.size();
  50         double var = 0;
  51         double skew = 0;
  52         double kurtosis = 0;
  53         for (std::size_t i = 0; i < u.size(); ++i)
  54         {
  55             double dbl = (u[i] - mean);
  56             double d2 = sqr(dbl);
  57             var += d2;
  58             skew += dbl * d2;
  59             kurtosis += d2 * d2;
  60         }
  61         var /= u.size();
  62         double dev = std::sqrt(var);
  63         skew /= u.size() * dev * var;
  64         kurtosis /= u.size() * var * var;
  65         kurtosis -= 3;
  66         double x_mean = 1/d.lambda();
  67         double x_var = 1/sqr(d.lambda());
  68         double x_skew = 2;
  69         double x_kurtosis = 6;
  70         assert(std::abs((mean - x_mean) / x_mean) < 0.01);
  71         assert(std::abs((var - x_var) / x_var) < 0.01);
  72         assert(std::abs((skew - x_skew) / x_skew) < 0.01);
  73         assert(std::abs((kurtosis - x_kurtosis) / x_kurtosis) < 0.01);
  74     }
  75     {
  76         typedef std::exponential_distribution<> D;
  77         typedef D::param_type P;
  78         typedef std::mt19937 G;
  79         G g;
  80         D d(1);
  81         const int N = 1000000;
  82         std::vector<D::result_type> u;
  83         for (int i = 0; i < N; ++i)
  84         {
  85             D::result_type v = d(g);
  86             assert(d.min() < v);
  87             u.push_back(v);
  88         }
  89         double mean = std::accumulate(u.begin(), u.end(), 0.0) / u.size();
  90         double var = 0;
  91         double skew = 0;
  92         double kurtosis = 0;
  93         for (std::size_t i = 0; i < u.size(); ++i)
  94         {
  95             double dbl = (u[i] - mean);
  96             double d2 = sqr(dbl);
  97             var += d2;
  98             skew += dbl * d2;
  99             kurtosis += d2 * d2;
 100         }
 101         var /= u.size();
 102         double dev = std::sqrt(var);
 103         skew /= u.size() * dev * var;
 104         kurtosis /= u.size() * var * var;
 105         kurtosis -= 3;
 106         double x_mean = 1/d.lambda();
 107         double x_var = 1/sqr(d.lambda());
 108         double x_skew = 2;
 109         double x_kurtosis = 6;
 110         assert(std::abs((mean - x_mean) / x_mean) < 0.01);
 111         assert(std::abs((var - x_var) / x_var) < 0.01);
 112         assert(std::abs((skew - x_skew) / x_skew) < 0.01);
 113         assert(std::abs((kurtosis - x_kurtosis) / x_kurtosis) < 0.01);
 114     }
 115     {
 116         typedef std::exponential_distribution<> D;
 117         typedef D::param_type P;
 118         typedef std::mt19937 G;
 119         G g;
 120         D d(10);
 121         const int N = 1000000;
 122         std::vector<D::result_type> u;
 123         for (int i = 0; i < N; ++i)
 124         {
 125             D::result_type v = d(g);
 126             assert(d.min() < v);
 127             u.push_back(v);
 128         }
 129         double mean = std::accumulate(u.begin(), u.end(), 0.0) / u.size();
 130         double var = 0;
 131         double skew = 0;
 132         double kurtosis = 0;
 133         for (std::size_t i = 0; i < u.size(); ++i)
 134         {
 135             double dbl = (u[i] - mean);
 136             double d2 = sqr(dbl);
 137             var += d2;
 138             skew += dbl * d2;
 139             kurtosis += d2 * d2;
 140         }
 141         var /= u.size();
 142         double dev = std::sqrt(var);
 143         skew /= u.size() * dev * var;
 144         kurtosis /= u.size() * var * var;
 145         kurtosis -= 3;
 146         double x_mean = 1/d.lambda();
 147         double x_var = 1/sqr(d.lambda());
 148         double x_skew = 2;
 149         double x_kurtosis = 6;
 150         assert(std::abs((mean - x_mean) / x_mean) < 0.01);
 151         assert(std::abs((var - x_var) / x_var) < 0.01);
 152         assert(std::abs((skew - x_skew) / x_skew) < 0.01);
 153         assert(std::abs((kurtosis - x_kurtosis) / x_kurtosis) < 0.01);
 154     }
 155 }