]> gitweb.factorcode.org Git - factor.git/blob - basis/math/statistics/statistics.factor
e9a61a9628d2ab516ac3e1db1c240f83a4a3ce18
[factor.git] / basis / math / statistics / statistics.factor
1 ! Copyright (C) 2008 Doug Coleman, Michael Judge, Loryn Jenkins.
2 ! See http://factorcode.org/license.txt for BSD license.
3 USING: accessors arrays assocs combinators
4 combinators.short-circuit fry generalizations grouping kernel
5 locals math math.functions math.order ranges math.vectors
6 sequences sequences.private sorting ;
7 IN: math.statistics
8
9 : power-mean ( seq p -- x )
10     [ '[ _ ^ ] map-sum ] [ [ length / ] [ recip ^ ] bi* ] 2bi ; inline
11
12 ! Delta in degrees-of-freedom
13 : mean-ddof ( seq ddof -- x )
14     [ [ sum ] [ length ] bi ] dip -
15     [ drop 0 ] [ / ] if-zero ; inline
16
17 : mean ( seq -- x )
18     0 mean-ddof ; inline
19
20 : meanest ( seq -- x )
21     [ mean ] keep [ - abs ] with infimum-by ;
22
23 GENERIC: sum-of-squares ( seq -- x )
24 M: object sum-of-squares [ sq ] map-sum ;
25 M: iota sum-of-squares
26     n>> 1 - [ ] [ 1 + ] [ 1/2 + ] tri * * 3 / ;
27 M: ranges:range sum-of-squares
28     dup { [ step>> 1 = ] [ from>> integer? ] } 1&& [
29         [ from>> ] [ length>> ] bi dupd +
30         [ <iota> sum-of-squares ] bi@ swap -
31     ] [ call-next-method ] if ;
32
33 GENERIC: sum-of-cubes ( seq -- x )
34 M: object sum-of-cubes [ 3 ^ ] map-sum ;
35 M: iota sum-of-cubes sum sq ;
36 M: ranges:range sum-of-cubes
37     dup { [ step>> 1 = ] [ from>> integer? ] } 1&& [
38         [ from>> ] [ length>> ] bi dupd +
39         [ <iota> sum-of-cubes ] bi@ swap -
40     ] [ call-next-method ] if ;
41
42 GENERIC: sum-of-quads ( seq -- x )
43 M: object sum-of-quads [ 4 ^ ] map-sum ;
44 M: iota sum-of-quads
45     [let n>> 1 - :> n
46         n 0 > [
47             n
48             n 1 +
49             n 2 * 1 +
50             n sq 3 * n 3 * + 1 -
51             * * * 30 /
52         ] [ 0 ] if
53     ] ;
54 M: ranges:range sum-of-quads
55     dup { [ step>> 1 = ] [ from>> integer? ] } 1&& [
56         [ from>> ] [ length>> ] bi dupd +
57         [ <iota> sum-of-quads ] bi@ swap -
58     ] [ call-next-method ] if ;
59
60 : sum-of-squared-errors ( seq -- x )
61     [ mean ] keep [ - sq ] with map-sum ; inline
62
63 : sum-of-absolute-errors ( seq -- x )
64     [ mean ] keep [ - ] with map-sum ; inline
65
66 : quadratic-mean ( seq -- x ) ! root-mean-square
67     [ sum-of-squares ] [ length ] bi / sqrt ; inline
68
69 : geometric-mean ( seq -- x )
70     [ [ log ] map-sum ] [ length ] bi /f e^ ; inline
71
72 : harmonic-mean ( seq -- x )
73     [ [ recip ] map-sum ] [ length swap / ] bi ; inline
74
75 : contraharmonic-mean ( seq -- x )
76     [ sum-of-squares ] [ sum ] bi / ; inline
77
78 <PRIVATE
79
80 : trim-points ( p seq -- from to seq  )
81     [ length [ * >integer ] keep over - ] keep ;
82
83 PRIVATE>
84
85 : trimmed-mean ( seq p -- x )
86     swap natural-sort trim-points <slice> mean ;
87
88 : winsorized-mean ( seq p -- x )
89     swap natural-sort trim-points
90     [ <slice> ]
91     [ nip dupd nth <array> ]
92     [ [ 1 - ] dip nth <array> ] 3tri
93     surround mean ;
94
95 <PRIVATE
96
97 :: kth-object-impl ( seq k nth-quot exchange-quot quot: ( x y -- ? ) -- elt )
98     ! Wirth's method, Algorithm's + Data structues = Programs p. 84
99     k seq bounds-check 2drop
100     0 :> i!
101     0 :> j!
102     0 :> l!
103     0 :> x!
104     seq length 1 - :> m!
105     [ l m < ]
106     [
107         k seq nth-unsafe x!
108         l i!
109         m j!
110         [ i j <= ]
111         [
112             [ i seq nth-quot call x quot call ] [ i 1 + i! ] while
113             [ x j seq nth-quot call quot call ] [ j 1 - j! ] while
114             i j <= [
115                 i j seq exchange-quot call
116                 i 1 + i!
117                 j 1 - j!
118             ] when
119         ] do while
120
121         j k < [ i l! ] when
122         k i < [ j m! ] when
123     ] while
124     k seq nth-unsafe ; inline
125
126 : (kth-object) ( seq k nth-quot exchange-quot quot: ( x y -- ? ) -- elt )
127     ! The algorithm modifiers seq, so we clone it
128     [ >array ] 4dip kth-object-impl ; inline
129
130 : kth-object-unsafe ( seq k quot: ( x y -- ? ) -- elt )
131     [ [ nth-unsafe ] [ exchange-unsafe ] ] dip (kth-object) ; inline
132
133 : kth-objects-unsafe ( seq kths quot: ( x y -- ? ) -- elts )
134     '[ _ kth-object-unsafe ] with map ; inline
135
136 PRIVATE>
137
138 : kth-object ( seq k quot: ( x y -- ? ) -- elt )
139     [ [ nth ] [ exchange ] ] dip (kth-object) ; inline
140
141 : kth-objects ( seq kths quot: ( x y -- ? ) -- elts )
142     '[ _ kth-object ] with map ; inline
143
144 : kth-smallests ( seq kths -- elts ) [ < ] kth-objects-unsafe ;
145
146 : kth-smallest ( seq k -- elt ) [ < ] kth-object-unsafe ;
147
148 : kth-largests ( seq kths -- elts ) [ > ] kth-objects-unsafe ;
149
150 : kth-largest ( seq k -- elt ) [ > ] kth-object-unsafe ;
151
152 : count-relative ( seq k -- lt eq gt )
153     [ 0 0 0 ] 2dip '[
154         _ <=> {
155             { +lt+ [ [ 1 + ] 2dip ] }
156             { +gt+ [ 1 + ] }
157             { +eq+ [ [ 1 + ] dip ] }
158         } case
159     ] each ;
160
161 : minmax-relative ( seq k -- lt eq gt lt-max gt-min )
162     [ 0 0 0 -1/0. 1/0. ] 2dip '[
163         dup _ <=> {
164             { +lt+ [ [ 1 + ] 5 ndip '[ _ max ] dip ] }
165             { +gt+ [ [ 1 + ] 3dip min ] }
166             { +eq+ [ [ 1 + ] 4dip drop ] }
167         } case
168     ] each ;
169
170 : lower-median-index ( seq -- n )
171     [ midpoint@ ]
172     [ length odd? [ 1 - ] unless ] bi ;
173
174 : lower-median ( seq -- elt )
175     [ ] [ lower-median-index ] bi kth-smallest ;
176
177 : upper-median ( seq -- elt )
178     dup midpoint@ kth-smallest ;
179
180 : medians ( seq -- lower upper )
181     [ ]
182     [ [ lower-median-index ] [ midpoint@ ] bi 2array ]
183     bi kth-smallests first2 ;
184
185 : median ( seq -- x )
186     dup length odd? [ lower-median ] [ medians + 2 / ] if ;
187
188 ! quantile can be any n-tile. quartile is n = 4, percentile is n = 100
189 ! a,b,c,d parameters, N - number of samples, q is quantile (1/2 for median, 1/4 for 1st quartile)
190 ! http://mathworld.wolfram.com/Quantile.html
191 ! a + (N + b) q - 1
192 ! could subtract 1 from a
193
194 : quantile-x ( a b N q -- x )
195     [ + ] dip * + 1 - ; inline
196
197 ! 2+1/4 frac is 1/4
198 : frac ( x -- x' )
199     >fraction [ /mod nip ] keep / ; inline
200
201 :: quantile-indices ( seq qs a b -- seq )
202     qs [ [ a b seq length ] dip quantile-x ] map ;
203
204 :: qabcd ( y-floor y-ceiling x c d -- qabcd )
205     y-floor y-ceiling y-floor - c d x frac * + * + ;
206
207 :: quantile-abcd ( seq qs a b c d -- quantile )
208     seq qs a b quantile-indices :> indices
209     indices [ [ floor 0 max ] [ ceiling seq length 1 - min ] bi 2array ] map
210     concat :> index-pairs
211
212     seq index-pairs kth-smallests
213     2 group indices [ [ first2 ] dip c d qabcd ] 2map ;
214
215 : quantile1 ( seq qs -- seq' )
216     0 0 1 0 quantile-abcd ;
217
218 : quantile3 ( seq qs -- seq' )
219     1/2 0 0 0 quantile-abcd ;
220
221 : quantile4 ( seq qs -- seq' )
222     0 0 0 1 quantile-abcd ;
223
224 : quantile5 ( seq qs -- seq' )
225     1/2 0 0 1 quantile-abcd ;
226
227 : quantile6 ( seq qs -- seq' )
228     0 1 0 1 quantile-abcd ;
229
230 : quantile7 ( seq qs -- seq' )
231     1 -1 0 1 quantile-abcd ;
232
233 : quantile8 ( seq qs -- seq' )
234     1/3 1/3 0 1 quantile-abcd ;
235
236 : quantile9 ( seq qs -- seq' )
237     3/8 1/4 0 1 quantile-abcd ;
238
239 : quartile ( seq -- seq' )
240     { 1/4 1/2 3/4 } quantile5 ;
241
242 : interquartile ( seq -- q1 q3 )
243     quartile [ first ] [ last ] bi ;
244
245 : interquartile-range ( seq -- n )
246     interquartile - ;
247
248 : midhinge ( seq -- n )
249     interquartile + 2 / ;
250
251 : trimean ( seq -- x )
252     quartile first3 [ 2 * ] dip + + 4 / ;
253
254 : histogram-by! ( assoc seq quot: ( x -- bin ) -- hashtable )
255     rot [ '[ @ _ inc-at ] each ] keep ; inline
256
257 : histogram! ( hashtable seq -- hashtable )
258     [ ] histogram-by! ; inline
259
260 : histogram-by ( seq quot: ( x -- bin ) -- hashtable )
261     [ H{ } clone ] 2dip histogram-by! ; inline
262
263 : histogram ( seq -- hashtable )
264     [ ] histogram-by ;
265
266 : sorted-histogram ( seq -- alist )
267     histogram sort-values ;
268
269 : normalized-histogram ( seq -- alist )
270     [ histogram ] [ length ] bi '[ _ / ] assoc-map ;
271
272 : equal-probabilities ( n -- array )
273     dup recip <array> ; inline
274
275 : mode ( seq -- x )
276     histogram >alist [ second ] supremum-by first ;
277
278 : minmax ( seq -- min max )
279     [ first dup ] keep [ [ min ] [ max ] bi-curry bi* ] 1 each-from ;
280
281 : range ( seq -- x )
282     minmax swap - ;
283
284 : fivenum ( seq -- seq' )
285     [ quartile ] [ minmax ] bi [ prefix ] [ suffix ] bi* ;
286
287 : var-ddof ( seq n -- x )
288     2dup [ length ] dip - 0 <= [
289         2drop 0
290     ] [
291         [ [ sum-of-squared-errors ] [ length ] bi ] dip - /
292     ] if ; inline
293
294 : population-var ( seq -- x ) 0 var-ddof ; inline
295
296 : sample-var ( seq -- x ) 1 var-ddof ; inline
297
298 : std-ddof ( seq n -- x ) var-ddof sqrt ; inline
299
300 : population-std ( seq -- x ) 0 std-ddof ; inline
301
302 : sample-std ( seq -- x ) 1 std-ddof ; inline
303
304 ALIAS: std sample-std
305
306 : signal-to-noise ( seq -- x ) [ mean ] [ population-std ] bi / ;
307
308 : demean ( seq -- seq' ) dup mean v-n ;
309
310 : mean-dev ( seq -- x ) demean vabs mean ;
311
312 : demedian ( seq -- seq' ) dup median v-n ;
313
314 : median-dev ( seq -- x ) demedian vabs mean ;
315
316 : ste-ddof ( seq n -- x ) '[ _ std-ddof ] [ length ] bi sqrt / ;
317
318 : population-ste ( seq -- x ) 0 ste-ddof ;
319
320 : sample-ste ( seq -- x ) 1 ste-ddof ;
321
322 <PRIVATE
323 : r-sum-diffs ( x-mean y-mean x-seq y-seq -- (r) )
324     ! finds sigma((xi-mean(x))(yi-mean(y))
325     0 [ [ reach - ] bi@ * + ] 2reduce 2nip ;
326
327 : (r) ( x-mean y-mean x-seq y-seq x-std y-std -- r )
328     * recip [ [ r-sum-diffs ] keep length 1 - / ] dip * ;
329
330 : r-stats ( xy-pairs -- x-mean y-mean x-seq y-seq x-std y-std )
331     first2 [ [ [ mean ] bi@ ] 2keep ] 2keep [ population-std ] bi@ ;
332 PRIVATE>
333
334 : pearson-r ( xy-pairs -- r ) r-stats (r) ;
335
336 : least-squares ( xy-pairs -- alpha beta )
337     r-stats [ 2dup ] 4dip
338     ! stack is x-mean y-mean x-mean y-mean x-seq y-seq x-std y-std
339     [ (r) ] 2keep ! stack is mean(x) mean(y) r sx sy
340     swap / * ! stack is mean(x) mean(y) beta
341     [ swapd * - ] keep ;
342
343 : cov-ddof ( x-seq y-seq ddof -- cov )
344     [ [ demean ] bi@ v* ] dip mean-ddof ;
345
346 : population-cov ( x-seq y-seq -- cov ) 0 cov-ddof ; inline
347
348 : sample-cov ( x-seq y-seq -- cov ) 1 cov-ddof ; inline
349
350 : corr-ddof ( x-seq y-seq n -- corr )
351     [ [ population-cov ] ] dip
352     '[ [ _ var-ddof ] bi@ * sqrt ] 2bi / ;
353
354 : population-corr ( x-seq y-seq -- corr ) 0 corr-ddof ; inline
355
356 : sample-corr ( x-seq y-seq -- corr ) 1 corr-ddof ; inline
357
358 : cum-sum ( seq -- seq' )
359     0 [ + ] accumulate* ;
360
361 : cum-sum0 ( seq -- seq' )
362     0 [ + ] accumulate nip ;
363
364 : cum-product ( seq -- seq' )
365     1 [ * ] accumulate* ;
366
367 : cum-product1 ( seq -- seq' )
368     1 [ * ] accumulate nip ;
369
370 : cum-mean ( seq -- seq' )
371     0 swap [ [ + dup ] dip 1 + / ] map-index nip ;
372
373 : cum-count ( seq quot: ( elt -- ? ) -- seq' )
374     [ 0 ] dip '[ @ [ 1 + ] when ] accumulate* ; inline
375
376 : cum-min ( seq -- seq' )
377     dup ?first [ min ] accumulate* ;
378
379 : cum-max ( seq -- seq' )
380     dup ?first [ max ] accumulate* ;
381
382 : entropy ( probabilities -- n )
383     dup sum '[ _ / dup log * ] map-sum neg ;
384
385 : maximum-entropy ( probabilities -- n )
386     length log ;
387
388 : normalized-entropy ( probabilities -- n )
389     [ entropy ] [ maximum-entropy ] bi / ;
390
391 : binary-entropy ( p -- h )
392     [ dup log * ] [ 1 swap - dup log * ] bi + neg 2 log / ;
393
394 : standardize ( u -- v )
395     [ demean ] [ sample-std ] bi [ v/n ] unless-zero ;
396
397 : standardize-2d ( u -- v )
398     flip [ standardize ] map flip ;
399
400 : differences ( u -- v )
401     [ rest-slice ] keep v- ;
402
403 : rescale ( u -- v )
404     dup minmax over - [ v-n ] [ v/n ] bi* ;
405
406 : rankings ( histogram -- assoc )
407     sort-keys 0 swap [ rot [ + ] keep swapd ] H{ } assoc-map-as nip ;
408
409 : rank-values ( seq -- seq' )
410     dup histogram rankings '[ _ at ] map ;
411
412 : z-score ( seq -- n )
413     [ demean ] [ sample-std ] bi v/n ;
414
415 : dcg ( scores -- dcg )
416     dup length 1 + 2 swap [a..b] [ log 2 log /f ] map v/ sum ;
417
418 : ndcg ( scores -- ndcg )
419     [ 0.0 ] [
420         dup dcg [
421             drop 0.0
422         ] [
423             swap natural-sort <reversed> dcg /f
424         ] if-zero
425     ] if-empty ;