我正在比较两种算法计算随机数的平均值。
- 第一种算法将所有数字相加,最后除以项数得到平均值
- 第二种算法在每次迭代时计算平均值,并在接收到新数据时重复使用结果
我认为这里没有什么革命性的东西,而且我不是数学家,所以我不能给这两个算法起名字。
这是我的代码:
#include <iostream>
#include <iomanip>
#include <cstdlib>
class Average1
{
public:
Average1() : total( 0 ), count( 0 ) {}
void add( double value )
{
total += value;
count++;
}
double average()
{
return total/count;
}
private:
double total;
size_t count;
};
class Average2
{
public:
Average2() : av( 0 ), count( 0 ) {}
void add( double value )
{
av = (av*count + value)/(count+1);
count++;
}
double average()
{
return av;
}
private:
double av;
size_t count;
};
void compare()
{
Average1 av1;
Average2 av2;
double temp;
for ( size_t i = 0; i != 100000000; ++i )
{
temp = static_cast<double>(std::rand()) / static_cast<double>(RAND_MAX);
av1.add( temp );
av2.add( temp );
}
std::cout << std::setprecision(20) << av1.average() << std::endl;
std::cout << std::setprecision(20) << av2.average() << std::endl;
}
int main()
{
compare();
return 0;
}
输出结果为:
0.50001084285722707801
0.50001084285744978875
这个差异肯定是由于 double
类型的精度造成的。
到底哪种方法更好?哪种方法得出的数学平均值最接近实际值?
newmean = oldmean + (newvalue - oldmean)/newcount
。尽管它在每次迭代中都涉及除法,但比朴素的求和算法更稳定。(我相信它与Kahan求和算法大致相当。) - rici