首页 / 操作系统 / Linux / C++与正态分布

正态分布（Normal distribution）又名高斯分布（Gaussiandistribution）。若随机变量X服从一个数学期望为μ、方差为σ^2的高斯分布，记为N（μ，σ^2）。其概率密度函数为正态分布的期望值μ决定了其位置，其标准差σ决定了分布的幅度。我们通常所说的标准正态分布是μ = 0,σ = 1的正态分布。 从上图可以看出,当相差1个方差（σ）, 满足要求的面积有68.27%.当相差2个方差（σ）时,满足要求的面积有95.45.当相差3个方差（σ）时,满足要求的面积有99.73%.满足标准正态分的曲线,可以查表来求得正态分布的幅度.（见文后所附表格）方差（Variance）,是各个数据分别与其和的平均数之差的平方的和的平均数，用字母D表示。在概率论和数理统计中，方差用来度量随机变量和其数学期望（即均值）之间的偏离程度。标准差（StandardDeviation），是离均差平方和平均后的方根，用σ表示。标准差是方差的算术平方根。标准差能反映一个数据集的离散程度。测试代码:// NormalDistribution.cpp : Defines the entry point for the console application.
//
#include <stdio.h>
#include <tchar.h>
#include <iostream>
#include <windows.h>
#include <algorithm>
#define _USE_MATH_DEFINES
#include <math.h>
using namespace std;
// 高斯分布随机数系列,默认期望值为0,方差为1
double GaussRand（double dExpect = 0, double dVariance = 1）;
double GaussRand（double dExpect, double dVariance）
{
    static double V1, V2, S;
    static int phase = 0;
    double X;    if （ phase == 0 ）
    {
        do
        {
            double U1 = （double）rand（） / RAND_MAX;
            double U2 = （double）rand（） / RAND_MAX;            V1 = 2 * U1 - 1;
            V2 = 2 * U2 - 1;
            S = V1 * V1 + V2 * V2;
        } while（S >= 1 || S == 0）;        X = V1 * sqrt（-2 * log（S） / S）;
    }
    else
    {
        X = V2 * sqrt（-2 * log（S） / S）;
    }    phase = 1 - phase;    return （X*dVariance + dExpect）;
}int _tmain（int argc, _TCHAR* argv[]）
{
    const int DATA_CNT = 100000;
    double dArrData[DATA_CNT] = {0};    double dSum = 0;    // 对所有数赋随机数,默认期望值为0,方差为1
    srand（GetTickCount（））;
    for （int nIdx = 0; nIdx < DATA_CNT; nIdx++）
    {
        // 防止计算方差时数值过大
        dArrData[nIdx] = GaussRand（）;
        dSum += dArrData[nIdx];
    }    // 求平均数
    double dAverageData = dSum / DATA_CNT;    // 计算所有的数的方差（各个数据分别与其和的平均数之差的平方的和的平均数）
    double dVariance = 0.0;
    for （int nIdx = 0; nIdx < DATA_CNT; nIdx++）
    {
        double dDeviate = dArrData[nIdx] - dAverageData;
        dVariance += pow（dDeviate, 2）;
    }
    dVariance /= DATA_CNT;    // 计算标准差（方差的算术平方根,反映一组数据的离散程序）
    double dStandardDeviation = sqrt（dVariance）;    // 计算0.5个正负标准差之间包含的数字个数
    int nDataCnt = 0;
    for （int nIdx = 0; nIdx < DATA_CNT; nIdx++）
    {
        double dDeviate = dArrData[nIdx] - dAverageData;
        if （abs（dDeviate） <= 0.5*dStandardDeviation）
        {
            nDataCnt++;
        }
    }
    cout<<nDataCnt<<endl;    // 计算1个正负标准差之间包含的数字个数
    nDataCnt = 0;
    for （int nIdx = 0; nIdx < DATA_CNT; nIdx++）
    {
        double dDeviate = dArrData[nIdx] - dAverageData;
        if （abs（dDeviate） <= dStandardDeviation）
        {
            nDataCnt++;
        }
    }
    cout<<nDataCnt<<endl;    // 计算2个正负标准差之间包含的数字个数
    nDataCnt = 0;
    for （int nIdx = 0; nIdx < DATA_CNT; nIdx++）
    {
        double dDeviate = dArrData[nIdx] - dAverageData;
        if （abs（dDeviate） <= 2*dStandardDeviation）
        {
            nDataCnt++;
        }
    }
    cout<<nDataCnt<<endl;    // 计算3个正负标准差之间包含的数字个数
    nDataCnt = 0;
    for （int nIdx = 0; nIdx < DATA_CNT; nIdx++）
    {
        double dDeviate = dArrData[nIdx] - dAverageData;
        if （abs（dDeviate） <= 3*dStandardDeviation）
        {
            nDataCnt++;
        }
    }
    cout<<nDataCnt<<endl;    return 0;
} （附）标准正态分布表φ（ - x ） = 1 –φ（ x ）           

x	0	0.01	0.02	0.03	0.04	0.05	0.06	0.07	0.08	0.09
0	0.500 0	0.504 0	0.508 0	0.512 0	0.516 0	0.519 9	0.523 9	0.527 9	0.531 9	0.535 9
0.1	0.539 8	0.543 8	0.547 8	0.551 7	0.555 7	0.559 6	0.563 6	0.567 5	0.571 4	0.575 3
0.2	0.579 3	0.583 2	0.587 1	0.591 0	0.594 8	0.598 7	0.602 6	0.606 4	0.610 3	0.614 1
0.3	0.617 9	0.621 7	0.625 5	0.629 3	0.633 1	0.636 8	0.640 4	0.644 3	0.648 0	0.651 7
0.4	0.655 4	0.659 1	0.662 8	0.666 4	0.670 0	0.673 6	0.677 2	0.680 8	0.684 4	0.687 9
0.5	0.691 5	0.695 0	0.698 5	0.701 9	0.705 4	0.708 8	0.712 3	0.715 7	0.719 0	0.722 4
0.6	0.725 7	0.729 1	0.732 4	0.735 7	0.738 9	0.742 2	0.745 4	0.748 6	0.751 7	0.754 9
0.7	0.758 0	0.761 1	0.764 2	0.767 3	0.770 3	0.773 4	0.776 4	0.779 4	0.782 3	0.785 2
0.8	0.788 1	0.791 0	0.793 9	0.796 7	0.799 5	0.802 3	0.805 1	0.807 8	0.810 6	0.813 3
0.9	0.815 9	0.818 6	0.821 2	0.823 8	0.826 4	0.828 9	0.835 5	0.834 0	0.836 5	0.838 9
1	0.841 3	0.843 8	0.846 1	0.848 5	0.850 8	0.853 1	0.855 4	0.857 7	0.859 9	0.862 1
1.1	0.864 3	0.866 5	0.868 6	0.870 8	0.872 9	0.874 9	0.877 0	0.879 0	0.881 0	0.883 0
1.2	0.884 9	0.886 9	0.888 8	0.890 7	0.892 5	0.894 4	0.896 2	0.898 0	0.899 7	0.901 5
1.3	0.903 2	0.904 9	0.906 6	0.908 2	0.909 9	0.911 5	0.913 1	0.914 7	0.916 2	0.917 7
1.4	0.919 2	0.920 7	0.922 2	0.923 6	0.925 1	0.926 5	0.927 9	0.929 2	0.930 6	0.931 9
1.5	0.933 2	0.934 5	0.935 7	0.937 0	0.938 2	0.939 4	0.940 6	0.941 8	0.943 0	0.944 1
1.6	0.945 2	0.946 3	0.947 4	0.948 4	0.949 5	0.950 5	0.951 5	0.952 5	0.953 5	0.953 5
1.7	0.955 4	0.956 4	0.957 3	0.958 2	0.959 1	0.959 9	0.960 8	0.961 6	0.962 5	0.963 3
1.8	0.964 1	0.964 8	0.965 6	0.966 4	0.967 2	0.967 8	0.968 6	0.969 3	0.970 0	0.970 6
1.9	0.971 3	0.971 9	0.972 6	0.973 2	0.973 8	0.974 4	0.975 0	0.975 6	0.976 2	0.976 7
2	0.977 2	0.977 8	0.978 3	0.978 8	0.979 3	0.979 8	0.980 3	0.980 8	0.981 2	0.981 7
2.1	0.982 1	0.982 6	0.983 0	0.983 4	0.983 8	0.984 2	0.984 6	0.985 0	0.985 4	0.985 7
2.2	0.986 1	0.986 4	0.986 8	0.987 1	0.987 4	0.987 8	0.988 1	0.988 4	0.988 7	0.989 0
2.3	0.989 3	0.989 6	0.989 8	0.990 1	0.990 4	0.990 6	0.990 9	0.991 1	0.991 3	0.991 6
2.4	0.991 8	0.992 0	0.992 2	0.992 5	0.992 7	0.992 9	0.993 1	0.993 2	0.993 4	0.993 6
2.5	0.993 8	0.994 0	0.994 1	0.994 3	0.994 5	0.994 6	0.994 8	0.994 9	0.995 1	0.995 2
2.6	0.995 3	0.995 5	0.995 6	0.995 7	0.995 9	0.996 0	0.996 1	0.996 2	0.996 3	0.996 4
2.7	0.996 5	0.996 6	0.996 7	0.996 8	0.996 9	0.997 0	0.997 1	0.997 2	0.997 3	0.997 4
2.8	0.997 4	0.997 5	0.997 6	0.997 7	0.997 7	0.997 8	0.997 9	0.997 9	0.998 0	0.998 1
2.9	0.998 1	0.998 2	0.998 2	0.998 3	0.998 4	0.998 4	0.998 5	0.998 5	0.998 6	0.998 6
x	0	0.1	0.2	0.3	0.4	0.5	0.6	0.7	0.8	0.9
3	0.998 7	0.999 0	0.999 3	0.999 5	0.999 7	0.999 8	0.999 8	0.999 9	0.999 9	1.000 0

 （附）正态分布概率表C++ Primer Plus 第6版 中文版 清晰有书签PDF+源代码 http://www.linuxidc.com/Linux/2014-05/101227.htm读C++ Primer 之构造函数陷阱 http://www.linuxidc.com/Linux/2011-08/40176.htm读C++ Primer 之智能指针 http://www.linuxidc.com/Linux/2011-08/40177.htm读C++ Primer 之句柄类 http://www.linuxidc.com/Linux/2011-08/40175.htm将C语言梳理一下，分布在以下10个章节中：

1. Linux-C成长之路（一）：Linux下C编程概要 http://www.linuxidc.com/Linux/2014-05/101242.htm
2. Linux-C成长之路（二）：基本数据类型 http://www.linuxidc.com/Linux/2014-05/101242p2.htm
3. Linux-C成长之路（三）：基本IO函数操作 http://www.linuxidc.com/Linux/2014-05/101242p3.htm
4. Linux-C成长之路（四）：运算符 http://www.linuxidc.com/Linux/2014-05/101242p4.htm
5. Linux-C成长之路（五）：控制流 http://www.linuxidc.com/Linux/2014-05/101242p5.htm
6. Linux-C成长之路（六）：函数要义 http://www.linuxidc.com/Linux/2014-05/101242p6.htm
7. Linux-C成长之路（七）：数组与指针 http://www.linuxidc.com/Linux/2014-05/101242p7.htm
8. Linux-C成长之路（八）：存储类，动态内存 http://www.linuxidc.com/Linux/2014-05/101242p8.htm
9. Linux-C成长之路（九）：复合数据类型 http://www.linuxidc.com/Linux/2014-05/101242p9.htm
10. Linux-C成长之路（十）：其他高级议题

本文永久更新链接地址：http://www.linuxidc.com/Linux/2015-01/111616.htm