Distributions
Modeler une sortie aléatoire
Distributions est une leçon C++ Academy gratuite sur CoddyKit. Ceci est la leçon 2 sur 4. Tu peux lire la leçon complète ci-dessous gratuitement — puis la pratiquer en direct dans le navigateur avec un éditeur de code intégré et un tuteur IA 24/7. Elle fait partie du parcours d'apprentissage C++ Academy, et ta progression se synchronise sur le web et l'application CoddyKit. Le cours C++ Academy comprend 4 leçons au total.
Rôle des distributions
Une distribution transforme les bits bruts d'un moteur en valeurs présentant la forme et la plage souhaitées. Vous l'appelez en lui transmettant le moteur comme argument.
#include <iostream>
#include <random>
int main() {
std::mt19937 gen(1);
std::uniform_int_distribution<int> dist(1, 100);
std::cout << "value: " << dist(gen) << '\n';
return 0;
}Distribution uniforme d'entiers
std::uniform_int_distribution<int>(a, b) renvoie des entiers dans la plage inclusive [a, b], tous avec la même probabilité.
#include <iostream>
#include <random>
int main() {
std::mt19937 gen(5);
std::uniform_int_distribution<int> die(1, 6);
for (int i = 0; i < 5; ++i) std::cout << die(gen) << ' ';
std::cout << '\n';
return 0;
}Distribution uniforme de réels
std::uniform_real_distribution<double>(a, b) fournit des valeurs à virgule flottante dans [a, b), ce qui est utile pour les probabilités.
#include <iostream>
#include <random>
#include <iomanip>
int main() {
std::mt19937 gen(3);
std::uniform_real_distribution<double> dist(0.0, 1.0);
std::cout << std::fixed << std::setprecision(3) << dist(gen) << '\n';
return 0;
}Distribution de Bernoulli
std::bernoulli_distribution(p) renvoie true avec une probabilité p, ce qui modélise un tirage de pièce biaisé.
#include <iostream>
#include <random>
int main() {
std::mt19937 gen(8);
std::bernoulli_distribution coin(0.5);
for (int i = 0; i < 5; ++i) std::cout << (coin(gen) ? 'H' : 'T');
std::cout << '\n';
return 0;
}Distribution normale
std::normal_distribution<double>(mean, stddev) produit une courbe en cloche regroupée autour de la moyenne.
#include <iostream>
#include <random>
#include <iomanip>
int main() {
std::mt19937 gen(11);
std::normal_distribution<double> dist(100.0, 15.0);
std::cout << std::fixed << std::setprecision(1) << dist(gen) << '\n';
return 0;
}Réutiliser une distribution
Les distributions peuvent être appelées de nombreuses fois à faible coût. Construisez-en une, puis appelez-la dans une boucle avec le même moteur.
#include <iostream>
#include <random>
int main() {
std::mt19937 gen(20);
std::uniform_int_distribution<int> d(1, 3);
int counts[4] = {0};
for (int i = 0; i < 12; ++i) counts[d(gen)]++;
std::cout << counts[1] << ' ' << counts[2] << ' ' << counts[3] << '\n';
return 0;
}Distribution de Poisson
std::poisson_distribution<int>(mean) modélise le nombre d’événements rares, comme les arrivées par minute.
#include <iostream>
#include <random>
int main() {
std::mt19937 gen(30);
std::poisson_distribution<int> dist(4.0);
for (int i = 0; i < 5; ++i) std::cout << dist(gen) << ' ';
std::cout << '\n';
return 0;
}Paramètres de la distribution
Vous pouvez consulter les paramètres d’une distribution à l’aide d’accesseurs tels que a(), b(), mean() ou stddev().
#include <iostream>
#include <random>
int main() {
std::uniform_int_distribution<int> d(10, 50);
std::cout << "range: " << d.a() << " to " << d.b() << '\n';
return 0;
}Réinitialisation de l’état de la distribution
Certaines distributions, comme la loi normale, mettent en cache un état interne. reset() l’efface afin que la valeur suivante dépende uniquement du moteur.
#include <iostream>
#include <random>
int main() {
std::mt19937 gen(40);
std::normal_distribution<double> dist(0.0, 1.0);
dist(gen);
dist.reset();
std::cout << "distribution state reset\n";
return 0;
}Sélectionner un élément aléatoire
Pour choisir un indice de tableau aléatoire, utilisez une uniform_int_distribution de 0 à size - 1.
#include <iostream>
#include <random>
#include <string>
int main() {
std::string colors[] = {"red", "green", "blue"};
std::mt19937 gen(50);
std::uniform_int_distribution<int> pick(0, 2);
std::cout << colors[pick(gen)] << '\n';
return 0;
}Estimation de pi
Les distributions permettent d’utiliser des méthodes de Monte-Carlo. Échantillonner des points aléatoires dans un carré permet d’estimer pi.
#include <iostream>
#include <random>
#include <iomanip>
int main() {
std::mt19937 gen(60);
std::uniform_real_distribution<double> u(0.0, 1.0);
int inside = 0, n = 10000;
for (int i = 0; i < n; ++i) {
double x = u(gen), y = u(gen);
if (x * x + y * y <= 1.0) ++inside;
}
std::cout << std::fixed << std::setprecision(2) << 4.0 * inside / n << '\n';
return 0;
}Vérification rapide
Testez votre compréhension des plages des distributions.
Récapitulatif
Vous avez découvert les distributions :
- elles façonnent la sortie du moteur :
uniform_int(bornes incluses),uniform_real([a,b)),bernoulli,normal,poisson - appelez-les avec le moteur, par exemple
dist(gen), et réutilisez-les dans des boucles - elles permettent de sélectionner des éléments et de réaliser des estimations de Monte-Carlo
Ensuite, vous initialiserez correctement les moteurs avec un seed.
Questions Fréquemment Posées
La leçon « Distributions » est-elle gratuite ?
Oui — le texte complet de « Distributions » est gratuit à lire ici sur le web. Pour la pratiquer de manière interactive (un éditeur de code intégré et un tuteur IA 24/7) et déverrouiller le reste du cours C++ Academy, passe à CoddyKit PRO. Le cours C++ Academy comprend 4 leçons au total.
Qu'est-ce que j'apprendrai dans « Distributions » ?
Modeler une sortie aléatoire Tu pratiques C++ Academy avec du code pratique que tu exécutes directement dans le navigateur, et un tuteur IA 24/7 répond à tes questions au fur et à mesure que tu avances dans la leçon.
Dois-je avoir de l'expérience pour commencer C++ Academy ?
Aucune expérience préalable n'est requise. C++ Academy sur CoddyKit est structuré pour les débutants jusqu'aux apprenants avancés, donc tu peux commencer ici ou depuis le début et avancer à ton rythme. Ceci est la leçon 2 sur 4.
Combien de temps prend la leçon « Distributions » ?
La plupart des leçons CoddyKit prennent environ 5–10 minutes. Chacune est courte et interactive, tu progresses régulièrement et tu repiques exactement où tu t'es arrêté sur le web et l'app.
Peux-tu écrire et exécuter du code dans cette leçon C++ Academy ?
Oui. Chaque leçon C++ Academy inclut un éditeur de code intégré, tu écris et exécutes du vrai code directement dans ton navigateur et tu reçois des retours IA instantanés — aucune configuration locale requise.