Question

我正在尝试在项目中生成范围（0,1）中的高质量随机数，我尝试从here的示例代码中测试uniform_real_distribution。当我运行它的代码它工作正常，但当我尝试修改相同的播种生成器，如：

#include <random>
#include <iostream>
#include <chrono>

using namespace std;
// obtain a seed from the system clock:
unsigned seed = static_cast<int> (chrono::system_clock::now().time_since_epoch().count());

// globally defining the generator and making it static for safety because in the
// actual project this might affect the flow.

static default_random_engine gen(seed);
uniform_real_distribution<double> distribution(0.0,1.0);

int main(){
  const int nrolls=10000;  // number of experiments
  const int nstars=95;     // maximum number of stars to distribute
  const int nintervals=10; // number of intervals

  int p[nintervals]={};

  for (int i=0; i<nrolls; ++i) {
    double number = distribution(gen);
    ++p[int(nintervals*number)];
  }

  std::cout << "uniform_real_distribution (0.0,1.0):" << std::endl;
  std::cout << std::fixed; std::cout.precision(1);

  for (int i=0; i<nintervals; ++i) {
    std::cout << float(i)/nintervals << "-" << float(i+1)/nintervals << ": ";
    std::cout << std::string(p[i]*nstars/nrolls,'*') << std::endl;
  }

  return 0;

}

随机数不均匀分布。重复执行时的输出是：

F：\路径＆GT; randtest

uniform_real_distribution（0.0,1.0）：

0.0-0.1：*********

0.1-0.2：**********

0.2-0.3：********

0.3-0.4：*********

0.4-0.5：*********

0.5-0.6：*********

0.6-0.7：*********

0.7-0.8：*********

0.8-0.9：*********

0.9-1.0：**********

F：\路径＆GT; randtest

uniform_real_distribution（0.0,1.0）：

0.0-0.1：*********

0.1-0.2：*********

0.2-0.3：*********

0.3-0.4：*********

0.4-0.5：*********

0.5-0.6：*********

0.6-0.7：*********

0.7-0.8：*********

0.8-0.9：*********

0.9-1.0：*********

F：\路径＆GT; randtest

uniform_real_distribution（0.0,1.0）：

0.0-0.1：*********

0.1-0.2：*********

0.2-0.3：*********

0.3-0.4：*********

0.4-0.5：**********

0.5-0.6：*********

0.6-0.7：*********

0.7-0.8：*********

0.8-0.9：*********

0.9-1.0：*********

是不是因为播种？或者使用不同的发电机更好吗？

我使用G ++ 5.1.0编译器c ++ 11标准。

Answer 1

如果你翻了一次硬币并且它落在了头上，那么下次你翻转时它会不会落在尾巴上？

硬币在集{heads, tails}上产生均匀分布。这并不意味着任何一组翻转，头部和尾部的数量是相等的。事实上，当您翻转更多硬币时，发生完全的可能性 down 。

在您的情况下，每个间隔都有10％被选中的可能性。

这种选择的方差是（0.1）（1-.1），或0.09。

预期值为0.1。

10000次尝试后，预期值将为1000。

差异将达到900.

900方差对应于30的标准偏差。

95-ish％置信区间是2个标准偏差（实际上是1.96，但谁在乎）。

因此，您应该期望值通常在940到1060之间。

对于95颗恒星，每颗恒星对应10000/95 = 105个元素。

940/105约为8.95 1060/105约为10.06

因此，您通常会在每列上看到8到10颗星。假设四舍五入，即使在10个反相关样本上，击中7或11颗恒星也应该是非常罕见的（即距离3 SD）。

这都假定一个完美的均匀随机分布。由于这会模拟您观察到的行为，因此您的问题在于数学和统一随机分布的定义，而不是C ++语言。

如果您想要完美的直方图，请不要使用均匀的随机分布。例如，您可以简单地从0开始，然后每次添加0.0001。在10001次调用之后，您将拥有从0到1的统一直方图。

统一随机只是意味着每个区域的机会相同。

uniform_real_distribution没有给出均匀分布

1 个答案: