c++实训5-6-7-8

因为已经放假，所以很多内容因为学过而省略

实训五 一元多项式的存储与计算

$f(x)=a_nx^n+a_{n-1}x^{n-1}···+a_1x+a_0$
进行对此方程的计算：
思路，对$a_n$的这些数进行double存储。然后分解f(x)函数。类似：
$f(x)=((((a_kx+a_{k-1})x+a_{k-2})x+a_{k-3})x+···+a_1+a_0$
或者直接计算。很简单。

实训六生成正态分布的伪随机数

随机数的生成使用

1.用srand(time(0))初始化随机种子

2.使用rand（）函数。生成随机数个数

rand函数的返回值是伪随机数，在范围0~RAND_MAX内均匀分布，RAND_MAX是十进制32767 .为使每次生词的随机数序列不同，所以需要在rand（）之前用系统时间指定随机种子。。

生成区间[a,b]的使用办法，rand（）%（b-a)+a;

1. 生成服从正态分布的随机数
   概率密度函数：
   $$f(x)=\frac{1} {\phi\sqrt{2\pi}}exp(-\frac{(x-u)^2}{2\phi^2})$$
   分布函数：
   $$F(x)=\int_\infty^Xf(t)dt$$
   中心极限定理：
   x~n(0,1)
   $$X=\frac{\sum_{i=0}^{n-1}-\frac{n}{2}}{\sqrt{\frac{n}{12}}}$$
   $$X\sim N(U,\phi^2):X\leftarrow u+\phi X$$
   Box Muller 算法:
   $$X\sim N(0,1):X=R\cos\theta=\sqrt{-2lnX_1}\cos(2\pi X_2)$$
   $$X\sim N(u,\phi^2):X\leftarrow u+ \phi X$$
   为了对程序的验证：写下了代码，并且注释：

#include<iostream>
#include<fstream>
#include<ctime>

using namespace std;
const double PI = 3.1415926;
double ND_BoxMuller(double u = 0, double t = 1)
{
    //产生一个随机数
    double x1 = double(rand() )/ RAND_MAX;
    double x2 = double(rand()) / RAND_MAX;
    double x = u + t*sqrt(-2.0*log(x1))*cos(2 * PI*x2);
    //cout << x << "  ";
    return x;
}
double ND_CentralLimit(double u, double t)
{
    //随机数
    double total = 0;
    for (int i = 0; i < 12; i++)//计算12个【0，1】均匀分布的随机数之和
        total += double(rand()) / RAND_MAX;
    double x = u + t*(total - 6);//n=12,n/2=6
    return x;
}
void showRandom(double arr[], int num)
{
    for (int i = 0; i < num; i++)
        cout << arr[i] << endl;
}
void DatatoFile(double a[], double b[], int num)
{
    //将俩种方法产生的1000个随机数按spss的txt格式写入文件
    ofstream out("SPSS数据.txt");
    for (int i = 0; i < num; i++)
        out << a[i] << " " << b[i] << endl;
    out.close();
}
int main()
{
    const int N = 1000;//随机1000个数
    double Xm[N], Xc[N];//存储生成的随机数
    double u = 2.0, t = 3.5;//均值u和方差t
    srand((unsigned int)time(0));
    for (int i = 0; i < N; i++)
    {
        Xm[i] = ND_BoxMuller(u, t);
        Xc[i] = ND_CentralLimit(u, t);
    }
    DatatoFile(Xm, Xc, N);
    cout << "Box Muller算法：" << endl;
    showRandom(Xm, 5);
    cout << "中心极限算法" << endl;
    showRandom(Xc, 5);
    system("pause");
    return 0;
}

然后我用spass，一脸懵逼，怎么用，乱捣鼓为

就这样了，有空再来玩。

实训七信息的加密与解密

此篇的加密解密，是根据异或数字得到的，再异或一次得到初始信息。可根据RC4流密码，差不多。

实训八最小二乘法拟合直线

LinearFit(double abr[],double x[],double y[],int n)//abr存放的abr三个值的数组，x是x的值，y是y的值
{
    double xsum=0,ysum=0,x2sum=0,xysum=0;//分别进行存储值
    for(int i=0;i<n;i++)
    {
        xsum+=x[k];
        ysum+=y[k];
        x2sum+=x[k]*x[k];
        xysum+=x[k]*y[k];
    }
    abr[0]=(n*xysum-xsum*ysum)/(n*x2sum-xsum*xsum);//系数a
    abr[1]=(ysum-abr[0]*xsum)/n;//系数b
    double yavg=ysum/n;
    double dy2sum1=0;dy2sum2=0;//$r^2$计算式的分子分母
    for(int i=0;i<n;i++)
    {
        dy2sum1+=((abr[0]*x[k]+abr[1])-yavg)*((abr[0]*x[k]+abr[1])-yavg);
        dy2sum2+=(y[k]-yavg)*(y[k]-yayg);
    }
    abr[2]=dy2sum1/dy2sum2;//相关系数r^2
}