diff options
| -rw-r--r-- | src/projet.cpp | 71 |
1 files changed, 41 insertions, 30 deletions
diff --git a/src/projet.cpp b/src/projet.cpp index 007dd6c..4a5889e 100644 --- a/src/projet.cpp +++ b/src/projet.cpp @@ -11,7 +11,14 @@ using namespace std; -void exemple1_stratified() { +struct first:public std::unary_function<std::vector<double>, double> +{ + double operator()(std::vector<double> X){ + return X[0]; + } +}; + +vector< vector<double> > exemple1_stratified() { vector<double> q = quantile_norm(10, 1); vector<double> p(10, 0.1); vector<gaussian_truncated> rvar; @@ -19,22 +26,38 @@ void exemple1_stratified() { for (int i=1; i<10; i++){ rvar.push_back(gaussian_truncated(q[i-1], q[i])); }; + vector<int> N = {300, 1000, 10000, 20000}; //notre tableau du nombre successif de tirages, qui correspondent aux 300, 1300, 11300 et 31300 + //de l'article de Etoré et Jourdain + vector< vector<double> > data (4); stratified_sampling<gaussian_truncated> S(p,rvar); - S.draw(100); - double x = 1.64*S.estimator().second; - cout<<"l'estimateur de la moyenne est :"<<S.estimator().first<<endl; - cout<<"Son intervalle de confiance à 95% est :"<<"["<<S.estimator().first-(x/10)<<" ,"<<S.estimator().first+(x/10)<<"]"<<endl; - S.draw(1000); - x = 1.64*S.estimator().second; - cout<<"l'estimateur de la moyenne est :"<<S.estimator().first<<endl; - cout<<"Son intervalle de confiance à 95% est :"<<"["<<S.estimator().first-(x/sqrt(1100))<<" ,"<<S.estimator().first+(x/sqrt(1100))<<"]"<<endl; - S.draw(10000); - x = 1.64*S.estimator().second; - cout<<"l'estimateur de la moyenne est :"<<S.estimator().first<<endl; - cout<<"Son intervalle de confiance à 95% est :"<<"["<<S.estimator().first-(x/sqrt(11100))<<" ,"<<S.estimator().first+(x/sqrt(11100))<<"]"<<endl; - + cout<<"N"<<"\t"<<"moyenne"<<"\t\t"<<"sigma"<<"\t"<<"théorique"<<endl; + vector<double> r(4,0); + for (int i=0; i<4; i++){ + S.draw(N[i]); + r[0]= r[0] + N[i]; + r[1] = S.estimator().first; + r[2] = S.estimator().second; + r[3] = 0.1559335; + cout<<r[0]<<"\t"<<r[1]<<"\t"<<r[2]<<"\t"<<r[3]<<endl; + data[i] = r; + }; + return data; }; +vector< vector<double> > exemple1_rqmc(){ + int I = 100; + vector<int> N = {3, 13, 113, 313}; //les N choisis pour que les NI soient égaux aux N de l'exemple 1 stratified_sampling + first f; //comme quasi_gaussian retourne un vecteur, on doit composer avec f pour avoir le double QG()[0] + vector< vector<double> > data (4); + for(int i =0; i<4; i++){ + data[i] = monte_carlo (I,quasi_mean<struct first, sobol> (N[i], 1, f)); + } + cout<<"moyenne"<<"\t\t"<<"sigma"<<"\t\t"<<"taille IC"<<endl; + for(int i =0; i<3; i++){ + cout<<data[i][0]<<"\t"<<data[i][1]<<"\t"<<data[i][2]<<endl; + } + return data; +}; void exemple2_stratified (){ int d= 16; @@ -86,26 +109,14 @@ void exemple2_rqmc() { } }; -struct first:public std::unary_function<std::vector<double>, double> -{ double operator()(std::vector<double> X){return X[0];} -}; - -void exemple1_rqmc(){ - int N = 100; - first f; //comme quasi_gaussian retourne un vecteur, on doit composer avec f pour avoir le double QG()[0] - std::vector<double> result(3); - result = monte_carlo (100,quasi_mean<struct first, sobol> (N, 1, f)); - for(int i =0; i<3; i++){ - std::cout<<result[i]<<std::endl; - } -}; int main() { init_alea(1); - //exemple2_rqmc(); - //exemple1_stratified(); - exemple1_rqmc(); + cout<<"Stratified_sampling sur l'exemple 1 de la normale"<<endl; + exemple1_stratified(); + cout<<"Randomised quasi Monte-Carlo sur l'exemple 1 de la normale"<<endl; + exemple1_rqmc(); return 0; } |