uniform_real_distribution没有给出均匀分布

Question

我试图在我的项目中生成范围(0,1)中的高质量随机数,我尝试uniform_real_distribution从此处的示例代码进行测试.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> 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> 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> 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:*********

是因为播种？或者使用不同的发电机更好？

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？

硬币在套装上产生均匀分布{heads, tails}.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,这种情况发生的几率究竟去下来,你翻转更多的硬币.

在您的情况下,每个间隔都有10%的可能性被选中.

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.

Tha方差将达到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,但谁在意).

因此,您应该期望值通常介于940和1060之间.

有95颗星,每颗星对应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颗星也应该是非常罕见的(因为它是3 SD远).

这都假设一个完美的均匀随机分布.由于这会模拟您观察到的行为,您的问题是数学和均匀随机分布的定义,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.

统一随机意味着每个区域的机会是相同的.