feat(cpp/datascience): CPU stats + MCMC primitives

Nuevo dominio cpp/functions/datascience con primitivas puras CPU para post-
proceso de samples Monte Carlo y diagnostico de cadenas MCMC. Diseñadas como
gemelas CPU de los kernels GPU (rng pareja con gpu_rng_glsl, MH 1D/ND con
mc_metropolis_hastings_gpu) para validar numericamente y para datasets
pequeños donde el dispatch GPU no compensa.

- rng: xoshiro256++ con uniform / normal (Box-Muller) / below (Lemire) /
  categorical. Determinista bit-exacto dado seed.
- stats_summary: sum (Kahan), mean, var/std (Welford one-pass), min, max,
  quantile / percentile (R type-7).
- autocorr: r(k), ACF, tau_int (Sokal) — diagnostico ACF y ESS.
- rhat_ess: Gelman-Rubin clasico y split + ESS basico (multi-chain).
- beta_dist: lgamma (Lanczos), beta_pdf, beta_cdf (continued fraction),
  beta_quantile, mean/var/std — para inferencia Beta-Binomial.
- drawdown: max_dd absoluto/pct + underwater series para sesiones
  simuladas y backtests.
- samples_to_grid_2d: binning 2D CPU para alimentar heatmap_cpp_viz /
  contour_cpp_viz desde samples (x[], y[]).
- metropolis_hastings: MH 1D y ND con target log-pdf como std::function
  (no normalizada).

Co-Authored-By: Claude Opus 4.7 (1M context) <noreply@anthropic.com>

cpp/functions/datascience/autocorr.h

@@ -0,0 +1,30 @@
+#pragma once
+
+#include <cstddef>
+
+namespace fn::ds {
+
+// Autocorrelacion lag k de la serie x[0..n). r(k) = cov(x_t, x_{t+k}) / var(x).
+// Definicion clasica con normalizacion sobre la varianza global. Devuelve
+// 1.0 para k=0 si la serie tiene varianza > 0; si var = 0 devuelve 0 para
+// todos los k.
+//
+// Si k >= n o n <= 1 devuelve 0.
+double autocorr_lag(const double* x, std::size_t n, std::size_t k);
+
+// Llena out[max_lag] con r(0), r(1), ..., r(max_lag-1). Util para ACF plots.
+void autocorr_acf(const double* x, std::size_t n,
+                  std::size_t max_lag, double* out);
+
+// Integrated Autocorrelation Time (tau_int) — definicion de Sokal con
+// truncado automatico cuando r(k) cae bajo el umbral. tau_int = 1 + 2 * sum
+// de r(k) hasta k_cutoff. Util para estimar Effective Sample Size:
+// ESS = n / tau_int.
+//
+// max_lag actua como cota dura. Si la ACF nunca cae bajo cutoff dentro de
+// max_lag, devuelve 1 + 2*sum hasta max_lag-1 (estimacion conservadora).
+double autocorr_tau(const double* x, std::size_t n,
+                    std::size_t max_lag = 200,
+                    double cutoff = 0.05);
+
+} // namespace fn::ds