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;
     
 }