Distribusi
Bentuk output acak
Distribusi adalah pelajaran C++ Academy gratis di CoddyKit. Ini adalah pelajaran 2 dari 4. Kamu bisa membaca pelajaran lengkapnya di bawah secara gratis — lalu praktikkan langsung di browser dengan editor kode bawaan dan tutor AI 24/7. Ini adalah bagian dari jalur belajar C++ Academy, dan progresmu tersinkronisasi di web dan aplikasi CoddyKit. Kursus C++ Academy mencakup 4 pelajaran total.
Fungsi Distribusi
Sebuah distribusi memetakan bit mentah mesin menjadi nilai dengan bentuk dan rentang yang diinginkan. Anda memanggilnya dengan mesin sebagai argumen.
#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;
}Distribusi Bilangan Bulat Seragam
std::uniform_int_distribution<int>(a, b) mengembalikan bilangan bulat dalam rentang inklusif [a, b], dengan peluang yang sama untuk setiap bilangan.
#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;
}Distribusi Bilangan Riil Seragam
std::uniform_real_distribution<double>(a, b) menghasilkan nilai titik mengambang dalam [a, b), yang berguna untuk probabilitas.
#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;
}Distribusi Bernoulli
std::bernoulli_distribution(p) mengembalikan true dengan probabilitas p, untuk memodelkan pelemparan koin yang tidak seimbang.
#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;
}Distribusi Normal
std::normal_distribution<double>(mean, stddev) menghasilkan kurva lonceng yang mengelompok di sekitar nilai rata-rata.
#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;
}Menggunakan Kembali Distribusi
Distribusi ringan untuk dipanggil berulang kali. Buat satu distribusi, lalu panggil dalam perulangan dengan mesin yang sama.
#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;
}Distribusi Poisson
std::poisson_distribution<int>(mean) memodelkan jumlah peristiwa langka, seperti jumlah kedatangan per menit.
#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;
}Parameter Distribusi
Anda dapat menanyakan parameter distribusi dengan fungsi pengakses seperti a(), b(), mean(), atau 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;
}Mengatur Ulang Status Distribusi
Beberapa distribusi, seperti distribusi normal, menyimpan status internal dalam cache. reset() menghapusnya sehingga nilai berikutnya hanya bergantung pada mesin.
#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;
}Memilih Elemen Acak
Untuk memilih indeks array secara acak, gunakan distribusi bilangan bulat seragam dengan rentang 0 hingga 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;
}Mengestimasi Pi
Distribusi mendukung metode Monte Carlo. Pengambilan sampel titik acak dalam persegi dapat mengestimasi π.
#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;
}Pemeriksaan Singkat
Uji pemahaman Anda tentang rentang distribusi.
Ringkasan
Anda telah mempelajari distribusi:
- distribusi membentuk keluaran mesin:
uniform_int(inklusif),uniform_real([a,b)),bernoulli,normal,poisson - panggil distribusi dengan mesin, misalnya
dist(gen), lalu gunakan kembali dalam perulangan - distribusi memungkinkan pemilihan elemen dan estimasi Monte Carlo
Selanjutnya, Anda akan memberikan seed pada mesin dengan benar.
Pertanyaan yang Sering Diajukan
Apakah pelajaran “Distribusi” gratis?
Ya — teks lengkap “Distribusi” gratis dibaca di sini di web. Untuk praktiknya secara interaktif (editor kode bawaan dan tutor AI 24/7) dan buka sisa kursus C++ Academy, upgrade ke CoddyKit PRO. Kursus C++ Academy mencakup 4 pelajaran total.
Apa yang akan aku pelajari di “Distribusi”?
Bentuk output acak Kamu berlatih C++ Academy dengan kode praktik yang langsung kamu jalankan di browser, dan tutor AI 24/7 menjawab pertanyaanmu saat kamu mengerjakan pelajaran ini.
Apakah aku perlu pengalaman untuk memulai C++ Academy?
Tidak diperlukan pengalaman sebelumnya. C++ Academy di CoddyKit dirancang untuk pemula hingga pelajar tingkat lanjut, jadi kamu bisa memulai di sini atau dari awal dan belajar sesuai kecepatan kamu sendiri. Ini adalah pelajaran 2 dari 4.
Berapa lama pelajaran “Distribusi” memakan waktu?
Sebagian besar pelajaran CoddyKit memakan waktu sekitar 5–10 menit. Setiap pelajaran ringkas dan interaktif, jadi kamu membuat kemajuan stabil dan melanjutkan dari tempat kamu tinggalkan di web dan aplikasi.
Bisakah aku menulis dan menjalankan kode dalam pelajaran C++ Academy ini?
Ya. Setiap pelajaran C++ Academy menyertakan editor kode bawaan, jadi kamu menulis dan menjalankan kode nyata langsung di browser dan mendapatkan umpan balik AI instan — tidak diperlukan penyiapan lokal.