HelpSource/Classes/Pprob.schelp

   1 class:: Pprob
   2 summary:: random values with arbitrary probability distribution
   3 related:: Classes/Ppoisson
   4 categories:: Streams-Patterns-Events>Patterns>Random
   5
   6 description::
   7
   8 Creates an integral table on instantiation (cpu intensive) which is then used by the streams to generate random values efficiently.
   9
  10 ClassMethods::
  11
  12 method::new
  13
  14 argument::distribution
  15 desired probability distribution (histogram).
  16
  17 argument::lo
  18 lower bound of the resulting values.
  19
  20 argument::hi
  21 upper bound of the resulting values.
  22
  23 argument::length
  24 number of values to repeat.
  25
  26 argument::tableSize
  27 resample table to this size. If the size of the distribution is smaller than 64, it is (linearly) resampled to this minimum size.
  28
  29 argument::distribution
  30 set the distribution, the table is recalculated.
  31
  32 argument::tableSize
  33 set the resample size, the table is recalculated.
  34
  35 Examples::
  36
  37 code::
  38 // a consistency test
  39 (
  40 var a = Pprob([0,0,0,0,1,1,1,1,3,3,6,6,9].scramble);
  41 var b = a.asStream;
  42 b.nextN(800).sort.plot("sorted distribution");
  43 b.nextN(800).sort.plot("sorted distribution, again");
  44 )
  45
  46
  47 // comparison: emulate a linrand
  48 (
  49 var a, b, x, y;
  50 a = Pprob([1, 0]);
  51 x = Pfunc({ 1.0.linrand });
  52
  53 b = a.asStream;
  54 y = x.asStream;
  55
  56 postf("Pprob mean: % linrand mean: % \n", b.nextN(800).mean, y.nextN(800).mean);
  57
  58 b.nextN(800).sort.plot("this is Pprob");
  59 y.nextN(800).sort.plot("this is linrand");
  60 )
  61
  62
  63 // compare efficiency
  64
  65 bench { Pprob([0, 1]) } // this is fairly expensive
  66 bench { 16.do { Pseq([0, 1] ! 32) } }
  67
  68 x = Pprob([0, 1]).asStream;
  69 y = Pseq([0, 1], inf).asStream;
  70
  71 bench { 100.do { x.next } }; // this very efficient
  72 bench { 100.do { y.next } };
  73
  74
  75
  76 // sound example
  77 (
  78 SynthDef(\help_sinegrain,
  79         { arg out=0, freq=440, sustain=0.05;
  80                 var env;
  81                 env = EnvGen.kr(Env.perc(0.01, sustain, 0.2), doneAction:2);
  82                 Out.ar(out, SinOsc.ar(freq, 0, env))
  83         }).add;
  84 )
  85
  86
  87 (
  88 var t;
  89 a = Pprob([0, 0, 1, 0, 1, 1, 0, 0], 60, 80);
  90 t = a.asStream;
  91 Routine({
  92         loop({
  93         Synth(\help_sinegrain, [\freq, t.next.midicps]);
  94         0.01.wait;
  95         })
  96 }).play;
  97 )
  98
  99 a.distribution = [0, 1];
 100 a.distribution = [1, 0];
 101 a.distribution = [0, 0, 0, 0, 1, 0];
 102 a.distribution = [0, 1, 0, 0, 0, 0];
 103
 104 // higher resolution results in a more accurate distribution:
 105 a.tableSize = 512;
 106 a.tableSize = 2048;
 107 ::