c++实训5-6-7-8

因为已经放假，所以很多内容因为学过而省略

实训五 一元多项式的存储与计算

f(x)=anxn+an−1xn−1⋅⋅⋅+a1x+a0
进行对此方程的计算：
思路，对an的这些数进行double存储。然后分解f(x)函数。类似：
f(x)=((((akx+ak−1)x+ak−2)x+ak−3)x+⋅⋅⋅+a1+a0
或者直接计算。很简单。

实训六生成正态分布的伪随机数

随机数的生成使用

1.用srand(time(0))初始化随机种子

2.使用rand（）函数。生成随机数个数

rand函数的返回值是伪随机数，在范围0~RAND_MAX内均匀分布，RAND_MAX是十进制32767 .为使每次生词的随机数序列不同，所以需要在rand（）之前用系统时间指定随机种子。。

生成区间[a,b]的使用办法，rand（）%（b-a)+a;

1. 生成服从正态分布的随机数
   概率密度函数：
   
   f(x)=1ϕ2π−−√exp(−(x−u)22ϕ2)
   
   分布函数：
   
   F(x)=∫X∞f(t)dt
   
   中心极限定理：
   x~n(0,1)
   
   X=∑n−1i=0−n2n12−−√
   
   
   X∼N(U,ϕ2):X←u+ϕX
   
   Box Muller 算法:
   
   X∼N(0,1):X=Rcosθ=−2lnX1−−−−−−√cos(2πX2)
   
   
   X∼N(u,ϕ2):X←u+ϕX
   
   为了对程序的验证：写下了代码，并且注释：

#include<iostream>#include<fstream>#include<ctime>using namespace std;const double PI = 3.1415926;double ND_BoxMuller(double u = 0, double t = 1){    //产生一个随机数    double x1 = double(rand() )/ RAND_MAX;    double x2 = double(rand()) / RAND_MAX;    double x = u + t*sqrt(-2.0*log(x1))*cos(2 * PI*x2);    //cout << x << "  ";    return x;}double ND_CentralLimit(double u, double t){    //随机数    double total = 0;    for (int i = 0; i < 12; i++)//计算12个【0，1】均匀分布的随机数之和        total += double(rand()) / RAND_MAX;    double x = u + t*(total - 6);//n=12,n/2=6    return x;}void showRandom(double arr[], int num){    for (int i = 0; i < num; i++)        cout << arr[i] << endl;}void DatatoFile(double a[], double b[], int num){    //将俩种方法产生的1000个随机数按spss的txt格式写入文件    ofstream out("SPSS数据.txt");    for (int i = 0; i < num; i++)        out << a[i] << " " << b[i] << endl;    out.close();}int main(){    const int N = 1000;//随机1000个数    double Xm[N], Xc[N];//存储生成的随机数    double u = 2.0, t = 3.5;//均值u和方差t    srand((unsigned int)time(0));    for (int i = 0; i < N; i++)    {        Xm[i] = ND_BoxMuller(u, t);        Xc[i] = ND_CentralLimit(u, t);    }    DatatoFile(Xm, Xc, N);    cout << "Box Muller算法：" << endl;    showRandom(Xm, 5);    cout << "中心极限算法" << endl;    showRandom(Xc, 5);    system("pause");    return 0;}

然后我用spass，一脸懵逼，怎么用，乱捣鼓为

就这样了，有空再来玩。

实训七信息的加密与解密

此篇的加密解密，是根据异或数字得到的，再异或一次得到初始信息。可根据RC4流密码，差不多。

实训八最小二乘法拟合直线

LinearFit(double abr[],double x[],double y[],int n)//abr存放的abr三个值的数组，x是x的值，y是y的值{    double xsum=0,ysum=0,x2sum=0,xysum=0;//分别进行存储值    for(int i=0;i<n;i++)    {        xsum+=x[k];        ysum+=y[k];        x2sum+=x[k]*x[k];        xysum+=x[k]*y[k];    }    abr[0]=(n*xysum-xsum*ysum)/(n*x2sum-xsum*xsum);//系数a    abr[1]=(ysum-abr[0]*xsum)/n;//系数b    double yavg=ysum/n;    double dy2sum1=0;dy2sum2=0;//$r^2$计算式的分子分母    for(int i=0;i<n;i++)    {        dy2sum1+=((abr[0]*x[k]+abr[1])-yavg)*((abr[0]*x[k]+abr[1])-yavg);        dy2sum2+=(y[k]-yavg)*(y[k]-yayg);    }    abr[2]=dy2sum1/dy2sum2;//相关系数r^2}