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