egutierrez
d76c831247
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>
36 lines
1.1 KiB
C++
36 lines
1.1 KiB
C++
#pragma once
|
|
|
|
#include <cstdint>
|
|
|
|
namespace fn::ds {
|
|
|
|
// Estado RNG opaco (xoshiro256++). Periodo 2^256 - 1, paso muy rapido,
|
|
// excelente calidad estadistica. No criptografico.
|
|
struct Rng {
|
|
std::uint64_t s[4] = {0, 0, 0, 0};
|
|
};
|
|
|
|
// Inicializa el state de una Rng a partir de una semilla maestra usando
|
|
// SplitMix64. seed=0 se sustituye por la constante de Knuth para evitar
|
|
// arranque degenerado. Funcion pura (modifica r in-place a partir de seed).
|
|
void rng_seed(Rng& r, std::uint64_t seed);
|
|
|
|
// Avanza el RNG y devuelve un uint64 uniformemente distribuido.
|
|
std::uint64_t rng_u64(Rng& r);
|
|
|
|
// Float [0, 1). 53 bits de mantisa.
|
|
double rng_uniform(Rng& r);
|
|
|
|
// N(0, 1) Box-Muller polar.
|
|
double rng_normal(Rng& r);
|
|
|
|
// Entero uniforme en [0, n). Rejection-sampling para evitar sesgo modular.
|
|
std::uint64_t rng_below(Rng& r, std::uint64_t n);
|
|
|
|
// Sample categorico: dado un array de probabilidades NO necesariamente
|
|
// normalizadas (positivas), devuelve el indice [0, n) con probabilidad
|
|
// proporcional. O(n). Si la suma es 0 devuelve n-1.
|
|
int rng_categorical(Rng& r, const double* weights, int n);
|
|
|
|
} // namespace fn::ds
|