fn_registry/cpp/functions/datascience/stats_summary.md

name, kind, lang, domain, version, purity, signature, description, tags, uses_functions, uses_types, returns, returns_optional, error_type, imports, tested, tests, test_file_path, file_path, params, output

name	kind	lang	domain	version	purity	signature	description	tags	uses_functions	uses_types	returns	returns_optional	error_type	imports	tested	tests	test_file_path	file_path	params	output
stats_summary	function	cpp	datascience	1.0.0	pure	double stats_sum(const double*, size_t); double stats_mean(const double*, size_t); double stats_min(const double*, size_t); double stats_max(const double*, size_t); double stats_variance(const double*, size_t, bool sample=true); double stats_std(const double*, size_t, bool sample=true); double stats_quantile(const double*, size_t, double p); double stats_quantile_sorted(const double*, size_t, double p); double stats_percentile(const double*, size_t, double pct); void stats_sort(const double*, size_t, double* out)	Estadistica descriptiva pura sobre arrays double: sum (Kahan), mean, min, max, variance/std (Welford one-pass, sample/poblacional), quantile (R type-7) y percentile. stats_sort externalizable para evitar copias en queries multiples.	stats mean variance std quantile percentile welford datascience pendiente-usar				false		cstddef cmath algorithm vector cstring	false			cpp/functions/datascience/stats_summary.cpp	name desc data Array de doubles (no necesariamente ordenado salvo *_sorted). name desc n Tamano del array. n=0 devuelve identidades sensatas (0 para sum/mean/min/max/var/std). name desc sample Variance/std: true = muestral (n-1), false = poblacional (n). Default true. name desc p Quantile en [0, 1]. Valores fuera se clampean. name desc pct Percentile en [0, 100]. Internamente p = pct/100. name desc out (stats_sort) buffer destino. Si out == data, ordena in-place.	Escalar (double) con la estadistica solicitada. stats_sort modifica out in-place; el resto no muta data.

stats_summary

Pack de estadisticas basicas sobre arrays raw. Diseñado para post-proceso de samples MC, sesiones de simulacion, cadenas MCMC.

Performance

• stats_sum: Kahan summation (O(n), ~5% mas lento que sum naive pero sin drift en sumas de millones de fp64).
• stats_variance: Welford one-pass (O(n), una sola pasada). No hay las cancelaciones catastroficas del E[X^2] - E[X]^2 naive.
• stats_quantile: O(n log n) por copia + sort. Para multiples queries del mismo dataset, llamar stats_sort una vez y stats_quantile_sorted despues — O(n log n + Q).

Patron tipico

Resumen de un session simulator (vr_tiered_lab):

std::vector<double> pnls(N);
// ... rellenar pnls ...

double mean   = fn::ds::stats_mean(pnls.data(), N);
double std    = fn::ds::stats_std (pnls.data(), N);

// CI 95% via percentiles 2.5 / 97.5
std::vector<double> sorted(N);
fn::ds::stats_sort(pnls.data(), N, sorted.data());
double p025 = fn::ds::stats_quantile_sorted(sorted.data(), N, 0.025);
double p975 = fn::ds::stats_quantile_sorted(sorted.data(), N, 0.975);

Notas

• El convenio R type-7 para quantiles es el mismo que numpy default (linear) y matplotlib. Pasar tests numericos contra numpy debe matchear bit-exacto.
• sample=true (default) coincide con np.var(x, ddof=1) y pd.DataFrame.var().
• Para datasets enormes que no caben en RAM, usar gpu_reduce (GPU) — esta libreria es CPU-side.