C++高斯分布标准差计算与绘图功能故障求助

先把核心定义理清楚，避免理解错参数导致计算偏差：
假设玩家技能的均值为μ（为了简化计算，直接设成1.0就行，因为所有范围都是均值的百分比差值，不影响比例关系）：

• 截断范围：就是你要绘图的区间，比如截断百分比是r_cut（比如10%就是0.1），那区间就是[μ*(1 - r_cut), μ*(1 + r_cut)]
• 半范围：要求这个区间内的高斯分布面积是0.5，因为分布对称，等价于从μ到μ*(1 + r_half)的面积是0.25，对应标准正态分布的CDF在z = r_half/σ处的值是0.75（这里z是标准化变量，z=(x-μ)/σ）。很多人在这里推导错，直接导致后续计算全偏。

二分法结果偏大的常见原因及修复 #

1. 目标函数写错了 #

如果你的二分法没基于上面的推导，而是用了错误的面积计算逻辑，结果肯定不对。比如误把“半范围”当成“从均值到单侧无穷远的面积是0.5”（这本来就是高斯分布的性质，毫无意义），正确的目标应该是让norm_cdf(r_half/σ) = 0.75。

直接给你正确的目标函数实现：

#include <cmath>

// 计算标准正态分布的CDF，用erfc比手动积分稳定得多
double norm_cdf(double z) {
    return 0.5 * std::erfc(-z / std::sqrt(2));
}

// 目标函数：输入当前σ，输出和目标值0.75的差值
double objective(double sigma, double r_half) {
    double z = r_half / sigma; // 因为μ=1，x=1*(1+r_half)，标准化后z=r_half/σ
    return norm_cdf(z) - 0.75;
}

2. 二分法的边界设置不合理 #

如果初始上下界设得不对，比如下界太小或者上界不够大，会导致二分法收敛到错误的根，或者结果偏大。
根据标准正态分布表，norm_cdf(0.6745)=0.75，所以r_half/σ=0.6745，也就是σ=r_half/0.6745。初始边界可以直接围绕这个值设，比如：

double low = r_half / 2.0; // 比正确值小
double high = r_half / 0.3; // 比正确值大

这样能保证正确的σ在边界范围内，不会跑偏。

3. 自己实现CDF导致精度不足 #

别自己写高斯积分来算CDF，数值稳定性极差，直接用C++标准库的std::erfc，这是工业级的实现，精度有保证。

完整二分法实现示例 #

#include <cmath>
#include <iostream>

double norm_cdf(double z) {
    return 0.5 * std::erfc(-z / std::sqrt(2));
}

double objective(double sigma, double r_half) {
    double z = r_half / sigma;
    return norm_cdf(z) - 0.75;
}

// 二分法求解σ，tol是精度阈值，max_iter是最大迭代次数
double find_sigma(double r_half, double tol = 1e-8, int max_iter = 100) {
    double low = r_half / 2.0;
    double high = r_half / 0.3;
    double mid = (low + high) / 2.0;

    for (int i = 0; i < max_iter; ++i) {
        mid = (low + high) / 2.0;
        double val = objective(mid, r_half);

        if (std::abs(val) < tol) {
            break;
        }

        // 目标函数是单调递减的：σ越大，z越小，norm_cdf(z)越小，val就越小
        if (val > 0) {
            // val>0说明当前σ太小，需要调大
            low = mid;
        } else {
            // val<0说明当前σ太大，需要调小
            high = mid;
        }
    }

    return mid;
}

int main() {
    double r_half = 0.2; // 比如半范围是20%，即[0.8μ,1.2μ]包含50%的玩家
    double sigma = find_sigma(r_half);
    std::cout << "计算得到的标准差σ: " << sigma << std::endl;

    // 验证一下：计算z=r_half/σ，看norm_cdf(z)是不是接近0.75
    double z = r_half / sigma;
    std::cout << "验证CDF值: " << norm_cdf(z) << std::endl;
    return 0;
}

绘图功能修复建议 #

绘图失效大概率是这几个问题：

1. PDF公式写错：正确的高斯概率密度函数是：

double gaussian_pdf(double x, double mu, double sigma) {
    double exponent = -std::pow(x - mu, 2) / (2 * std::pow(sigma, 2));
    return std::exp(exponent) / (sigma * std::sqrt(2 * M_PI));
}

别漏了分母的σ*sqrt(2π)，很多人在这里犯低级错误。
2. 采样点不够：在截断范围内至少生成100个以上的点，不然曲线会很粗糙甚至看起来断了。
3. 数值溢出：如果σ太小，(x-μ)^2/(2σ²)会变得极大，导致exp返回0。先确保σ计算正确，再去绘图。

几个关键提醒 #

• 直接把μ设成1.0，省得后续缩放麻烦，最后如果需要实际μ的σ，直接乘μ就行。
• 别自己造轮子实现特殊函数，标准库的erfc、sqrt、exp足够用，精度和稳定性都有保障。
• 二分法一定要同时加迭代次数限制和误差阈值，避免死循环。

内容的提问来源于stack exchange，提问作者Ratman