Distribuições
Modele a saída aleatória
Distribuições é uma aula grátis de C++ Academy no CoddyKit. Esta é a aula 2 de 4. Você pode ler a aula completa abaixo gratuitamente — depois pratica ao vivo no navegador com um editor de código integrado e um tutor de IA 24/7. Faz parte do caminho de aprendizado de C++ Academy, e seu progresso é sincronizado entre a web e o app CoddyKit. O curso de C++ Academy inclui 4 aulas no total.
O que as distribuições fazem
Uma distribuição mapeia os bits brutos de um motor para valores com o formato e o intervalo desejados. Você a chama passando o motor como argumento.
#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;
}Distribuição uniforme de inteiros
std::uniform_int_distribution<int>(a, b) retorna inteiros no intervalo inclusivo [a, b], todos com a mesma probabilidade.
#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;
}Distribuição uniforme de reais
std::uniform_real_distribution<double>(a, b) fornece valores de ponto flutuante em [a, b), úteis para probabilidades.
#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;
}Distribuição de Bernoulli
std::bernoulli_distribution(p) retorna true com probabilidade p, modelando o lançamento de uma moeda com viés.
#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;
}Distribuição normal
std::normal_distribution<double>(mean, stddev) produz uma curva de sino concentrada em torno da média.
#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;
}Reutilizando uma distribuição
É barato chamar distribuições repetidamente. Crie uma e chame-a em um laço usando o mesmo motor.
#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;
}Distribuição de Poisson
std::poisson_distribution<int>(mean) representa contagens de eventos raros, como chegadas por 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;
}Parâmetros da distribuição
Você pode consultar os parâmetros de uma distribuição com funções de acesso como 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;
}Redefinindo o estado da distribuição
Algumas distribuições, como a normal, armazenam estado interno em cache. reset() o limpa para que o próximo valor dependa apenas do gerador.
#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;
}Escolhendo um elemento aleatório
Para escolher um índice aleatório de um vetor, use uma distribuição inteira uniforme de 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;
}Estimando π
As distribuições permitem aplicar métodos de Monte Carlo. A amostragem de pontos aleatórios em um quadrado permite estimar 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;
}Verificação rápida
Teste sua compreensão dos intervalos das distribuições.
Recapitulação
Você aprendeu sobre distribuições:
- elas moldam a saída do gerador:
uniform_int(inclusiva),uniform_real([a,b)),bernoulli,normal,poisson - invoque-as com o gerador, por exemplo,
dist(gen), e reutilize-as em laços - elas permitem escolher elementos e fazer estimativas de Monte Carlo
Em seguida, você aprenderá a inicializar corretamente os geradores com sementes.
Perguntas Frequentes
A aula “Distribuições” é grátis?
Sim — o texto completo de “Distribuições” é grátis para ler aqui na web. Para praticá-la interativamente (um editor de código integrado e um tutor de IA 24/7) e desbloquear o restante do curso de C++ Academy, atualize para CoddyKit PRO. O curso de C++ Academy inclui 4 aulas no total.
O que vou aprender em “Distribuições”?
Modele a saída aleatória Você pratica C++ Academy com código prático que executa diretamente no navegador, e um tutor de IA 24/7 responde suas dúvidas enquanto trabalha na aula.
Preciso ter experiência prévia para começar C++ Academy?
Nenhuma experiência prévia é necessária. C++ Academy no CoddyKit é estruturado para alunos iniciantes até avançados, então você pode começar aqui ou desde o início e aprender no seu ritmo. Esta é a aula 2 de 4.
Quanto tempo leva a aula “Distribuições”?
A maioria das aulas CoddyKit leva cerca de 5–10 minutos. Cada uma é compacta e interativa, então você faz progresso constante e retoma exatamente de onde parou entre web e app.
Posso escrever e executar código nesta aula de C++ Academy?
Sim. Cada aula de C++ Academy inclui um editor de código integrado, então você escreve e executa código real direto no navegador e recebe feedback de IA instantaneamente — nenhuma configuração local necessária.