test/std/numerics/rand/rand.dis/rand.dist.pois/rand.dist.pois.exp/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 RealType = double>
  15 // class exponential_distribution
  16
  17 // template<class _URNG> result_type operator()(_URNG& g, const param_type& parm);
  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         P p(2);
  42         const int N = 1000000;
  43         std::vector<D::result_type> u;
  44         for (int i = 0; i < N; ++i)
  45         {
  46             D::result_type v = d(g, p);
  47             assert(d.min() < v);
  48             u.push_back(v);
  49         }
  50         double mean = std::accumulate(u.begin(), u.end(), 0.0) / u.size();
  51         double var = 0;
  52         double skew = 0;
  53         double kurtosis = 0;
  54         for (std::size_t 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 = 1/p.lambda();
  68         double x_var = 1/sqr(p.lambda());
  69         double x_skew = 2;
  70         double x_kurtosis = 6;
  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) < 0.01);
  75     }
  76 }