Utilisation de Boost skew_normal_distribution

Question

Cela a déjà été adressé (Using boost's skewed_normal_distribution) mais j'ai rencontré des difficultés et le thread précédent n'incluait aucun code de solution.

Je voudrais échantillon d'une distribution asymétrique normale en utilisant les fonctions intégrées dans la bibliothèque Boost

J'adaptais code que je sais fonctionne très bien avec le normal_distribution <> classe mais quand je lance le code que je continue à recevoir l'erreur montrée ci-dessous. Si quelqu'un pouvait m'aider avec ça, je serais très reconnaissant.

#include <boost/random.hpp> 
#include <boost/random/normal_distribution.hpp> 
#include <boost/math/distributions/skew_normal.hpp> 

int main() { 

boost::mt19937 rng2; 

boost::math::skew_normal_distribution<> snd(0.0, 1.0, 1.0); 

boost::variate_generator<boost::mt19937&, 
     boost::math::skew_normal_distribution<> > var_snd(rng2, snd); 

int i = 0; for (; i < 10; ++i) 
{ 
    double d = var_snd(); 
    std::cout << d << std::endl; 
} 


    return 0; 
} 

Erreur:

[ 50%] Building CXX object CMakeFiles/untitled.dir/main.cpp.o 
In file included from /usr/include/boost/random.hpp:55:0, 
       from /home/jack/CLionProjects/untitled/main.cpp:1: 
/usr/include/boost/random/variate_generator.hpp: In instantiation of ‘class boost::random::variate_generator<boost::random::mersenne_twister_engine<unsigned int, 32ul, 624ul, 397ul, 31ul, 2567483615u, 11ul, 4294967295u, 7ul, 2636928640u, 15ul, 4022730752u, 18ul, 1812433253u>&, boost::math::skew_normal_distribution<double> >’: 
/home/jack/CLionProjects/untitled/main.cpp:13:63: required from here 
/usr/include/boost/random/variate_generator.hpp:59:48: error: no type named ‘result_type’ in ‘class boost::math::skew_normal_distribution<double>’ 
    typedef typename Distribution::result_type result_type; 

Jack

Answer 1

Il y a deux espaces de noms différents dans Boost qui contiennent toutes les deux classes de distribution: boost :: aléatoires et boost :: mathématiques. Malheureusement, ces deux espaces de noms différents sont écrits avec des objectifs différents et par conséquent, les distributions sous-jacentes ne peuvent pas être immédiatement échangées comme vous essayez de le faire ici.

Vous remarquerez que la classe de distribution normale avec laquelle vous avez démarré à l'origine appartient à l'espace de nommage boost :: random. Alors que la classe skew_normal appartient à l'espace de nommage boost :: math; d'où l'incompatibilité.

Si vous souhaitez simplement générer des échantillons d'un coup de pouce :: mathématiques :: la distribution skew_normal cependant, vous êtes en mesure de le faire en utilisant la méthode suivante (en supposant que vous utilisez C++ 11):

#include <boost/math/distributions/skew_normal.hpp> 

// Setup generators 
std::random_device rd; 
std::default_random_engine noise_generator; 

// Sample from a uniform distribution i.e. [0,1) 
std::uniform_real_distribution<double> uniform_dist(0,1.0); 

// Take a different value every time to generate probabilities from 0 to 1 
noise_generator.seed(rd()); 
auto probability = uniform_dist(noise_generator); 

auto skew_norm_dist = boost::math::skew_normal_distribution<double>(
    0, 1., 10.); 

// Use the probability from the uniform distribution with the percent point 
// function of the skew_normal 
double skew_normal_sample_point = boost::math::quantile(skew_norm_dist, probability); 
std::cout << "Sample point: " << skew_normal_sample_point << std::endl; 

Ici, vous générez essentiellement une valeur de probabilité à partir d'une distribution uniforme, puis vous l'utilisez pour rechercher une valeur à partir de la fonction de pourcentage de skew_normal_distribution.

Si vous mettez ces quatre dernières lignes dans une boucle et produisez un grand nombre de points, par ex.

for(unsigned int i = 0; i < 10000; ++i) 
{ 
    noise_generator.seed(rd()); 
    auto probability = uniform_dist(noise_generator); 
    double skew_normal_sample_point = boost::math::quantile(skew_norm_dist, probability); 
    std::cout << skew_normal_sample_point << std::endl; 
} 

puis tracer les résultats dans un histogramme, vous verrez qu'ils sont conformes à la distribution asymétrique normale que vous avez créé.