zz[C++] 機率密度函數和累積分佈函數 (PDF & CDF)

機率與統計理論沒學好，這一次用C++來實現PDF和CDF，實做果然比較有趣！

C所提供得亂數產生函式，所產生出來的亂數為uniform distribution，我直接拿來做pdf和cdf，一旦找出pdf，即可求出cdf。

bin和sample數越多，準確度越高！若sample小，bin小依然可見pdf的曲線，至於cdf則影響小。

01

/**

02	Theme: PDF & CDF

03	Date: 100/06/18

04	compiler: Dev C++ 4.9.9.2

05	Author: ShengWen

06

Blog:

07

*/

08

#include

09

#include

10	#define NR_SAMPLES 1000000

11	#define NR_BIN 10

12	using namespace std;

13	int main(){

14	int pdf[NR_BIN]={};//PDF桶子

15	int cdf[NR_BIN]={};//CDF桶子

16	srand(time(NULL));//隨機亂數種子

17	double x;//uniform distribution

18

//計算PDF

19	for(int i=0; i

20	x = rand() / (double)RAND_MAX;//RAND_MAX=32767

21	pdf[(int)(NR_BIN*x)]++;

22

}

23

//計算CDF

24	for(int i=0; i

25	for(int j=0; j<=i; j++){

26	cdf[i]+=pdf[j];

27

}

28

}

29	cout<<"PDF:"<

30	for(int i=0; i

31

cout<

32

}

33	cout<<"CDF:"<

34	for(int i=0; i

35

cout<

36

}

37	system("pause");

38	return EXIT_SUCCESS;

39

}

輸出結果：

PDF:
0 0.099913
1 0.100337
2 0.099838
3 0.099732
4 0.100106
5 0.099986
6 0.099889
7 0.100057
8 0.100026
9 0.100087
CDF:
0 0.099913
1 0.20025
2 0.300088
3 0.39982
4 0.499926
5 0.599912
6 0.699801
7 0.799858
8 0.899884
9 0.999971
請按任意鍵繼續 . . .

圖示如：

機率密度函數(Probability Density Function

累積分佈函數(Cumulative Distribution Function)