cauchy_distribution 類別
產生柯西 (Cauchy) 分佈。
語法
template<class RealType = double>
class cauchy_distribution {
public:
// types
typedef RealType result_type;
struct param_type;
// constructor and reset functions
explicit cauchy_distribution(result_type a = 0.0, result_type b = 1.0);
explicit cauchy_distribution(const param_type& parm);
void reset();
// generating functions
template <class URNG>
result_type operator()(URNG& gen);
template <class URNG>
result_type operator()(URNG& gen, const param_type& parm);
// property functions
result_type a() const;
result_type b() const;
param_type param() const;
void param(const param_type& parm);
result_type min() const;
result_type max() const;
};
參數
RealType
浮點結果類型，預設值為 double。 如需可能的類型，請參閱 <隨機>。
URNG
統一隨機數產生器引擎。 如需可能的類型，請參閱 <隨機>。
備註
類別範本描述產生使用者指定浮點型別值的散發，或 double 如果未提供任何值，則根據 Cauchy 散發。 下表提供各個成員的文章連結。
cauchy_distribution
param_type
屬性函式 a() 和 b() 會針對儲存的分佈參數 a 和 b 分別傳回各自的值。
屬性成員 param() 會設定或傳回 param_type 預存分佈參數套件。
min() 和 max() 成員函式會分別傳回最小可能結果和最大可能結果。
reset() 成員函式會捨棄任何快取的值，讓下個針對 operator() 呼叫的結果不是取決於呼叫之前取自引擎的任何值。
operator() 成員函式會根據 URNG 引擎傳回下一個產生的值，無論是從目前的參數封裝或是指定的參數封裝。
如需散發類別及其成員的詳細資訊，請參閱 <隨機>。
如需柯西分佈的詳細資訊，請參閱 Wolfram MathWorld 文章：Cauchy Distribution (柯西分佈)。
範例
// compile with: /EHsc /W4
#include <random>
#include <iostream>
#include <iomanip>
#include <string>
#include <map>
void test(const double a, const double b, const int s) {
// uncomment to use a non-deterministic generator
// std::random_device gen;
std::mt19937 gen(1701);
std::cauchy_distribution<> distr(a, b);
std::cout << std::endl;
std::cout << "min() == " << distr.min() << std::endl;
std::cout << "max() == " << distr.max() << std::endl;
std::cout << "a() == " << std::fixed << std::setw(11) << std::setprecision(10) << distr.a() << std::endl;
std::cout << "b() == " << std::fixed << std::setw(11) << std::setprecision(10) << distr.b() << std::endl;
// generate the distribution as a histogram
std::map<double, int> histogram;
for (int i = 0; i < s; ++i) {
++histogram[distr(gen)];
}
// print results
std::cout << "Distribution for " << s << " samples:" << std::endl;
int counter = 0;
for (const auto& elem : histogram) {
std::cout << std::fixed << std::setw(11) << ++counter << ": "
<< std::setw(14) << std::setprecision(10) << elem.first << std::endl;
}
std::cout << std::endl;
}
int main()
{
double a_dist = 0.0;
double b_dist = 1;
int samples = 10;
std::cout << "Use CTRL-Z to bypass data entry and run using default values." << std::endl;
std::cout << "Enter a floating point value for the 'a' distribution parameter: ";
std::cin >> a_dist;
std::cout << "Enter a floating point value for the 'b' distribution parameter (must be greater than zero): ";
std::cin >> b_dist;
std::cout << "Enter an integer value for the sample count: ";
std::cin >> samples;
test(a_dist, b_dist, samples);
}
第一次執行：
Use CTRL-Z to bypass data entry and run using default values.
Enter a floating point value for the 'a' distribution parameter: 0
Enter a floating point value for the 'b' distribution parameter (must be greater than zero): 1
Enter an integer value for the sample count: 10
min() == -1.79769e+308
max() == 1.79769e+308
a() == 0.0000000000
b() == 1.0000000000
Distribution for 10 samples:
1: -3.4650392984
2: -2.6369564174
3: -0.0786978867
4: -0.0609632093
5: 0.0589387400
6: 0.0589539764
7: 0.1004592006
8: 1.0965724260
9: 1.4389408122
10: 2.5253154706
第二次執行：
Use CTRL-Z to bypass data entry and run using default values.
Enter a floating point value for the 'a' distribution parameter: 0
Enter a floating point value for the 'b' distribution parameter (must be greater than zero): 10
Enter an integer value for the sample count: 10
min() == -1.79769e+308
max() == 1.79769e+308
a() == 0.0000000000
b() == 10.0000000000
Distribution for 10 samples:
1: -34.6503929840
2: -26.3695641736
3: -0.7869788674
4: -0.6096320926
5: 0.5893873999
6: 0.5895397637
7: 1.0045920062
8: 10.9657242597
9: 14.3894081218
10: 25.2531547063
第三次執行：
Use CTRL-Z to bypass data entry and run using default values.
Enter a floating point value for the 'a' distribution parameter: 10
Enter a floating point value for the 'b' distribution parameter (must be greater than zero): 10
Enter an integer value for the sample count: 10
min() == -1.79769e+308
max() == 1.79769e+308
a() == 10.0000000000
b() == 10.0000000000
Distribution for 10 samples:
1: -24.6503929840
2: -16.3695641736
3: 9.2130211326
4: 9.3903679074
5: 10.5893873999
6: 10.5895397637
7: 11.0045920062
8: 20.9657242597
9: 24.3894081218
10: 35.2531547063
需求
標頭：<random>
命名空間：std
cauchy_distribution::cauchy_distribution
建構分佈。
explicit cauchy_distribution(result_type a = 0.0, result_type b = 1.0);
explicit cauchy_distribution(const param_type& parm);
參數
a
a 分佈參數。
b
b 分佈參數。
parm
用來建構分佈的 param_type 結構。
備註
前置條件：0.0 < b
第一個建構函式建構的物件，其預存的 a 值具有 a 值，而其預存的 b 值具有 b 值。
第二個建構函式會建構預存參數是從 parm 初始化而來的物件。 您可以呼叫 param() 成員函式，取得及設定現有分佈的目前參數。
cauchy_distribution::param_type
儲存分佈的所有參數。
struct param_type {
typedef cauchy_distribution<result_type> distribution_type;
param_type(result_type a = 0.0, result_type b = 1.0);
result_type a() const;
result_type b() const;
bool operator==(const param_type& right) const;
bool operator!=(const param_type& right) const;
};
參數
a
a 分佈參數。
b
b 分佈參數。
right
要與這個項目比較的 param_type 物件。
備註
前置條件：0.0 < b
此結構可在具現化時傳遞至分佈的類別建構函式，傳遞至 param() 成員函式可設定現有分佈之儲存的參數，傳遞至 operator() 可用於取代儲存的參數。