test/std/numerics/rand/rand.dis/rand.dist.pois/rand.dist.pois.gamma/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 gamma_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
  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::gamma_distribution<> D;
  36         typedef D::param_type P;
  37         typedef std::mt19937 G;
  38         G g;
  39         D d(0.5, 2);
  40         const int N = 1000000;
  41         std::vector<D::result_type> u;
  42         for (int i = 0; i < N; ++i)
  43         {
  44             D::result_type v = d(g);
  45             assert(d.min() < v);
  46             u.push_back(v);
  47         }
  48         double mean = std::accumulate(u.begin(), u.end(), 0.0) / u.size();
  49         double var = 0;
  50         double skew = 0;
  51         double kurtosis = 0;
  52         for (unsigned i = 0; i < u.size(); ++i)
  53         {
  54             double dbl = (u[i] - mean);
  55             double d2 = sqr(dbl);
  56             var += d2;
  57             skew += dbl * d2;
  58             kurtosis += d2 * d2;
  59         }
  60         var /= u.size();
  61         double dev = std::sqrt(var);
  62         skew /= u.size() * dev * var;
  63         kurtosis /= u.size() * var * var;
  64         kurtosis -= 3;
  65         double x_mean = d.alpha() * d.beta();
  66         double x_var = d.alpha() * sqr(d.beta());
  67         double x_skew = 2 / std::sqrt(d.alpha());
  68         double x_kurtosis = 6 / d.alpha();
  69         assert(std::abs((mean - x_mean) / x_mean) < 0.01);
  70         assert(std::abs((var - x_var) / x_var) < 0.01);
  71         assert(std::abs((skew - x_skew) / x_skew) < 0.01);
  72         assert(std::abs((kurtosis - x_kurtosis) / x_kurtosis) < 0.01);
  73     }
  74     {
  75         typedef std::gamma_distribution<> D;
  76         typedef D::param_type P;
  77         typedef std::mt19937 G;
  78         G g;
  79         D d(1, .5);
  80         const int N = 1000000;
  81         std::vector<D::result_type> u;
  82         for (int i = 0; i < N; ++i)
  83         {
  84             D::result_type v = d(g);
  85             assert(d.min() < v);
  86             u.push_back(v);
  87         }
  88         double mean = std::accumulate(u.begin(), u.end(), 0.0) / u.size();
  89         double var = 0;
  90         double skew = 0;
  91         double kurtosis = 0;
  92         for (unsigned i = 0; i < u.size(); ++i)
  93         {
  94             double dbl = (u[i] - mean);
  95             double d2 = sqr(dbl);
  96             var += d2;
  97             skew += dbl * d2;
  98             kurtosis += d2 * d2;
  99         }
 100         var /= u.size();
 101         double dev = std::sqrt(var);
 102         skew /= u.size() * dev * var;
 103         kurtosis /= u.size() * var * var;
 104         kurtosis -= 3;
 105         double x_mean = d.alpha() * d.beta();
 106         double x_var = d.alpha() * sqr(d.beta());
 107         double x_skew = 2 / std::sqrt(d.alpha());
 108         double x_kurtosis = 6 / d.alpha();
 109         assert(std::abs((mean - x_mean) / x_mean) < 0.01);
 110         assert(std::abs((var - x_var) / x_var) < 0.01);
 111         assert(std::abs((skew - x_skew) / x_skew) < 0.01);
 112         assert(std::abs((kurtosis - x_kurtosis) / x_kurtosis) < 0.01);
 113     }
 114     {
 115         typedef std::gamma_distribution<> D;
 116         typedef D::param_type P;
 117         typedef std::mt19937 G;
 118         G g;
 119         D d(2, 3);
 120         const int N = 1000000;
 121         std::vector<D::result_type> u;
 122         for (int i = 0; i < N; ++i)
 123         {
 124             D::result_type v = d(g);
 125             assert(d.min() < v);
 126             u.push_back(v);
 127         }
 128         double mean = std::accumulate(u.begin(), u.end(), 0.0) / u.size();
 129         double var = 0;
 130         double skew = 0;
 131         double kurtosis = 0;
 132         for (unsigned i = 0; i < u.size(); ++i)
 133         {
 134             double dbl = (u[i] - mean);
 135             double d2 = sqr(dbl);
 136             var += d2;
 137             skew += dbl * d2;
 138             kurtosis += d2 * d2;
 139         }
 140         var /= u.size();
 141         double dev = std::sqrt(var);
 142         skew /= u.size() * dev * var;
 143         kurtosis /= u.size() * var * var;
 144         kurtosis -= 3;
 145         double x_mean = d.alpha() * d.beta();
 146         double x_var = d.alpha() * sqr(d.beta());
 147         double x_skew = 2 / std::sqrt(d.alpha());
 148         double x_kurtosis = 6 / d.alpha();
 149         assert(std::abs((mean - x_mean) / x_mean) < 0.01);
 150         assert(std::abs((var - x_var) / x_var) < 0.01);
 151         assert(std::abs((skew - x_skew) / x_skew) < 0.01);
 152         assert(std::abs((kurtosis - x_kurtosis) / x_kurtosis) < 0.01);
 153     }
 154 }