Distribuzioni
Modellare l'output casuale
Distribuzioni è una lezione C++ Academy gratuita su CoddyKit. Questa è la lezione 2 di 4. Puoi leggere la lezione completa qui gratuitamente — poi esercitati direttamente nel browser con un editor di codice integrato e un tutor IA disponibile 24/7. Fa parte del percorso di apprendimento C++ Academy, e i tuoi progressi si sincronizzano tra il web e l'app CoddyKit. Il corso C++ Academy include 4 lezioni in totale.
Funzionamento delle distribuzioni
Una distribuzione converte i bit grezzi di un motore in valori con una forma e un intervallo desiderati. La si chiama passando il motore come argomento.
#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;
}Distribuzione uniforme di interi
std::uniform_int_distribution<int>(a, b) restituisce interi nell'intervallo inclusivo [a, b], tutti con la stessa probabilità.
#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;
}Distribuzione uniforme di numeri reali
std::uniform_real_distribution<double>(a, b) restituisce valori in virgola mobile nell'intervallo [a, b), utile per le probabilità.
#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;
}Distribuzione di Bernoulli
std::bernoulli_distribution(p) restituisce true con probabilità p, simulando il lancio di una moneta non equa.
#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;
}Distribuzione normale
std::normal_distribution<double>(mean, stddev) produce una curva a campana concentrata intorno alla media.
#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;
}Riutilizzare una distribuzione
Le distribuzioni possono essere chiamate ripetutamente con un costo ridotto. Ne costruisca una e la chiami in un ciclo usando lo stesso motore.
#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;
}Distribuzione di Poisson
std::poisson_distribution<int>(mean) modella il numero di eventi rari, come gli arrivi al minuto.
#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;
}Parametri della distribuzione
È possibile interrogare i parametri di una distribuzione con accessor come a(), b(), mean() o 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;
}Reimpostazione dello stato della distribuzione
Alcune distribuzioni, come quella normale, memorizzano nella cache lo stato interno. reset() lo cancella, così il valore successivo dipende solo dal motore.
#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;
}Scelta di un elemento casuale
Per scegliere un indice casuale di un array, utilizzi una uniform_int_distribution nell'intervallo da 0 a 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;
}Stima di pi greco
Le distribuzioni sono alla base dei metodi Monte Carlo. Campionando punti casuali in un quadrato, è possibile stimare pi greco.
#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;
}Verifica rapida
Verifichi la Sua comprensione degli intervalli delle distribuzioni.
Riepilogo
Ha imparato a conoscere le distribuzioni:
- modellano l'output del motore:
uniform_int(estremi inclusi),uniform_real([a,b)),bernoulli,normal,poisson - le si chiamano con il motore, ad esempio
dist(gen), e le si riutilizza nei cicli - consentono di scegliere elementi e di effettuare stime Monte Carlo
Ora imparerà a inizializzare correttamente i motori con un seed.
Impara C++ con un tutor IA — gratis
Scrivi ed esegui vero codice nel tuo browser, ricevi aiuto istantaneo da un tutor IA disponibile 24/7, e riprendi da dove hai lasciato sul web o nell'app.
- Corsi
- 51
- Lezioni
- 203
Domande Frequenti
La lezione «Distribuzioni» è gratuita?
Sì — il testo completo di «Distribuzioni» è gratuito qui sul web. Per esercitarvi in modo interattivo (un editor di codice integrato e un tutor IA 24/7) e sbloccare il resto del corso C++ Academy, passa a CoddyKit PRO. Il corso C++ Academy include 4 lezioni in totale.
Cosa imparerò in «Distribuzioni»?
Modellare l'output casuale Eserciti C++ Academy con codice pratico che esegui direttamente nel browser, e un tutor IA 24/7 risponde alle tue domande mentre lavori sulla lezione.
Ho bisogno di esperienza per iniziare C++ Academy?
Non è richiesta alcuna esperienza precedente. C++ Academy su CoddyKit è strutturato per principianti e studenti avanzati, quindi puoi iniziare da qui o dall'inizio e procedere al tuo ritmo. Questa è la lezione 2 di 4.
Quanto tempo richiede la lezione «Distribuzioni»?
La maggior parte delle lezioni CoddyKit richiede circa 5–10 minuti. Ogni lezione è breve e interattiva, quindi fai progressi costanti e riprendi esattamente da dove hai lasciato su web e app.
Posso scrivere ed eseguire codice in questa lezione C++ Academy?
Sì. Ogni lezione C++ Academy include un editor di codice integrato, quindi scrivi ed esegui codice reale direttamente nel tuo browser e ricevi feedback istantaneo dall'IA — nessuna configurazione locale necessaria.