這篇文章主要講解了“如何用泊松分布實現(xiàn)c++隨機(jī)數(shù)值”，文中的講解內(nèi)容簡單清晰，易于學(xué)習(xí)與理解，下面請大家跟著小編的思路慢慢深入，一起來研究和學(xué)習(xí)“如何用泊松分布實現(xiàn)c++隨機(jī)數(shù)值”吧！

成都創(chuàng)新互聯(lián)長期為1000+客戶提供的網(wǎng)站建設(shè)服務(wù)，團(tuán)隊從業(yè)經(jīng)驗10年，關(guān)注不同地域、不同群體，并針對不同對象提供差異化的產(chǎn)品和服務(wù)；打造開放共贏平臺，與合作伙伴共同營造健康的互聯(lián)網(wǎng)生態(tài)環(huán)境。為古冶企業(yè)提供專業(yè)的成都網(wǎng)站設(shè)計、做網(wǎng)站，古冶網(wǎng)站改版等技術(shù)服務(wù)。擁有十多年豐富建站經(jīng)驗和眾多成功案例,為您定制開發(fā)。

#包含 
#包含 
#包含 <串>
#包含 <映射>
#包含 <隨機(jī)>
整 主()
{
   隨機(jī)設(shè)備 讀;
   mt19937 生成(讀());

   // 若平均一分鐘出現(xiàn) 4 次事件
   // 則在一分鐘內(nèi)出現(xiàn) n 次的頻率如何?
   標(biāo)::泊松分布<> d(4);

   映射<整, 整> 歷史;
   對(整 n=0; n<10000; ++n) {
       ++歷史[d(生成)];
   }
   對(動 p : 歷史) {
       輸出 << p.第一 <<
               ' ' << 串(p.第二/100, '*') << '\n';
   }
}

0 *
1 *******
2 **************
3 *******************
4 *******************
5 ***************
6 **********
7 *****
8 **
9 *
10
11
12
13

#包含 
#包含 
#包含 <串>
#包含 <映射>
#包含 <隨機(jī)>

整 主()
{
   隨機(jī)設(shè)備 讀;
   mt19937 生成(讀());
   // 從 0 到 5 增加概率
   // 從 5 到 10 保持水平
   // 從 10 到 15 以相同速率下降
   向量<雙精> i{0, 5, 10, 15};
   向量<雙精> w{0, 1,   1, 0};
   標(biāo)::分段線性分布<> d(i.開始(), i.尾(), w.開始());

   映射<整, 整> 歷史;
   對(整 n=0; n<10000; ++n) {
       ++歷史[d(生成)];
   }
   對(動 p : 歷史) {
       輸出 << 置寬(2) << 置填充('0') << p.第一 << ' '
           << 串(p.第二/100,'*') << '\n';
   }
}

00 *
01 ***
02 ****
03 ******
04 *********
05 *********
06 *********
07 **********
08 *********
09 **********
10 *********
11 *******
12 ****
13 ***
14 *

感謝各位的閱讀，以上就是“如何用泊松分布實現(xiàn)c++隨機(jī)數(shù)值”的內(nèi)容了，經(jīng)過本文的學(xué)習(xí)后，相信大家對如何用泊松分布實現(xiàn)c++隨機(jī)數(shù)值這一問題有了更深刻的體會，具體使用情況還需要大家實踐驗證。這里是創(chuàng)新互聯(lián)，小編將為大家推送更多相關(guān)知識點的文章，歡迎關(guān)注！