R.V. continua normalmente distribuida entre <-inf,+inf> Más...

Namespaces
namespace	Pds
	Nombre de espacio para Pds (Procesamiento Digital de Senales)

Estructuras de datos
class	Pds::Normal
	La clase tipo Pds::Normal . Esta clase genera un objeto con dos parametros Nlin y Ncol. Para usar incluir Pds/Normal. Más...

Varios tipos de constructores
Crean una objeto Pds::Normal
	Pds::Normal::Normal (void)
	Crea un objeto de tipo Pds::Normal siguiendo la teoria de variable aleatoria normalmente distribuida. En este caso la media $\mu=0$ y el desvio $\sigma=1.0$ . Más...

	Pds::Normal::Normal (double Mu, double Sigma)
	Crea un objeto de tipo Pds::Normal siguiendo la teoria de variable aleatoria normalmente distribuida. Más...

	Pds::Normal::~Normal ()

Inicialización
bool	Pds::Normal::Init (double xinit)
	Inicializa la variable aleatória. Más...

Obteniendo datos
double	Pds::Normal::GetValue (void)
	Retorna un número pseudo aleatorio gaussiano, $\mathit{N}(\mu,\sigma^2)$ . Más...

Pds::Vector	Pds::Normal::GetVector (unsigned int N)
	Retorna un número pseudo aleatorio gaussiano, $\mathit{N}(\mu,\sigma^2)$ . Más...

bool	Pds::Normal::GetVector (Pds::Vector &x)
	Retorna un número pseudo aleatorio gaussiano, $\mathit{N}(\mu,\sigma^2)$ . Más...

Pds::Matrix	Pds::Normal::GetMatrix (unsigned int Nlin, unsigned int Ncol)
	Retorna un número pseudo aleatorio gaussiano, $\mathit{N}(\mu,\sigma^2)$ . Más...

bool	Pds::Normal::GetMatrix (Pds::Matrix &X)
	Retorna un número pseudo aleatorio gaussiano, $\mathit{N}(\mu,\sigma^2)$ . Más...

Obteniendo parametros
double	Pds::Normal::GetMu (void) const
	Retorna el parametro Mu. Más...

double	Pds::Normal::GetSigma (void) const
	Retorna el parametro Sigma. Más...

Descripción detallada

R.V. continua normalmente distribuida entre <-inf,+inf>

#include <Pds/Normal>

Documentación de las funciones

◆ Normal() [1/2]

Pds::Normal::Normal ( void )

Crea un objeto de tipo Pds::Normal siguiendo la teoria de
variable aleatoria normalmente distribuida. En este caso la media $\mu=0$ y el desvio $\sigma=1.0$ .

$f(x)={\frac {1}{\sigma {\sqrt {2\pi }}}}e^{-{\frac {1}{2}}\left({\frac {x-\mu }{\sigma }}\right)^{2}}$

N(0,1)

◆ Normal() [2/2]

Pds::Normal::Normal	(	double	Mu,
		double	Sigma
	)

Crea un objeto de tipo Pds::Normal siguiendo la teoria de
variable aleatoria normalmente distribuida.

N(0,1)

$f(x)={\frac {1}{\sigma {\sqrt {2\pi }}}}e^{-{\frac {1}{2}}\left({\frac {x-\mu }{\sigma }}\right)^{2}}$

Parámetros

[in]	Mu	Valor medio
[in]	Sigma	Desvio padrón.

◆ Init()

bool Pds::Normal::Init ( double xinit )

virtual

Inicializa la variable aleatória.

Parámetros

[in] xinit Inicializa la variable aleatória.

Devuelve: Retorna true si todo fue bien o false si no.

Implementa Pds::AbstractRV.

Ejemplos: example_normal_create.cpp.

◆ GetValue()

double Pds::Normal::GetValue ( void )

virtual

Retorna un número pseudo aleatorio gaussiano, $\mathit{N}(\mu,\sigma^2)$ .

Para generar los elementos de la R.V. gaussiana se usan dos R.V. uniformemente distribuidas X1 y X2, de la siguiente manera: $\sigma \sqrt{-2~ln(1-x_1)}~cos(2~\pi x_2) + \mu$

Implementa Pds::AbstractRV.

Ejemplos: example_normal_create.cpp.

◆ GetVector() [1/2]

Pds::Vector Pds::Normal::GetVector ( unsigned int N )

virtual

Retorna un número pseudo aleatorio gaussiano, $\mathit{N}(\mu,\sigma^2)$ .

Para generar los elementos de la R.V. gaussiana se usan dos R.V. uniformemente distribuidas X1 y X2, de la siguiente manera: $\sigma \sqrt{-2~ln(1-x_1)}~cos(2~\pi x_2) + \mu$

Parámetros

[in] N Número de elementos del vector.

Implementa Pds::AbstractRV.

Ejemplos: example_normal_create.cpp.

◆ GetVector() [2/2]

bool Pds::Normal::GetVector ( Pds::Vector & x )

virtual

Retorna un número pseudo aleatorio gaussiano, $\mathit{N}(\mu,\sigma^2)$ .

Para generar los elementos de la R.V. gaussiana se usan dos R.V. uniformemente distribuidas X1 y X2, de la siguiente manera: $\sigma \sqrt{-2~ln(1-x_1)}~cos(2~\pi x_2) + \mu$

Parámetros

[in] x Vector donde se cargarán los datos.

Devuelve: Retorna true si todo fue bien o false si no. Retorna false si el vector x está vacia.

Implementa Pds::AbstractRV.

◆ GetMatrix() [1/2]

Pds::Matrix Pds::Normal::GetMatrix	(	unsigned int	Nlin,
		unsigned int	Ncol
	)

virtual

Retorna un número pseudo aleatorio gaussiano, $\mathit{N}(\mu,\sigma^2)$ .

Para generar los elementos de la R.V. gaussiana se usan dos R.V. uniformemente distribuidas X1 y X2, de la siguiente manera: $\sigma \sqrt{-2~ln(1-x_1)}~cos(2~\pi x_2) + \mu$

Parámetros

[in]	Nlin	Número de lineas de la matriz.
[in]	Ncol	Número de columnas de la matriz.

Implementa Pds::AbstractRV.

◆ GetMatrix() [2/2]

bool Pds::Normal::GetMatrix ( Pds::Matrix & X )

virtual

Retorna un número pseudo aleatorio gaussiano, $\mathit{N}(\mu,\sigma^2)$ .

Para generar los elementos de la R.V. gaussiana se usan dos R.V. uniformemente distribuidas X1 y X2, de la siguiente manera: $\sigma \sqrt{-2~ln(1-x_1)}~cos(2~\pi x_2) + \mu$

Parámetros

[in] X Matriz donde se cargarán los datos.

Devuelve: Retorna true si todo fue bien o false si no. Retorna false si la matriz X está vacia.

Implementa Pds::AbstractRV.

◆ GetMu()

double Pds::Normal::GetMu ( void ) const

Retorna el parametro Mu.

Devuelve: Retorna el parametro Mu.

◆ GetSigma()

double Pds::Normal::GetSigma ( void ) const

Retorna el parametro Sigma.

Devuelve: Retorna el parametro Sigma.

◆ ~Normal()

Pds::Normal::~Normal ( )

Namespaces

Estructuras de datos

Varios tipos de constructores

Inicialización

Obteniendo datos

Obteniendo parametros

Descripción detallada

Documentación de las funciones

◆ Normal() [1/2]

◆ Normal() [2/2]

◆ Init()

◆ GetValue()

◆ GetVector() [1/2]

◆ GetVector() [2/2]

◆ GetMatrix() [1/2]

◆ GetMatrix() [2/2]

◆ GetMu()

◆ GetSigma()

◆ ~Normal()

Enlaces de interés