Boost库中boost::math::quantile使用详解和应用实例（置信区间计算、异常值检测等）

1️、boost::math::quantile 详解

boost::math::quantile 是 Boost.Math 中的函数，用于计算分布的分位点（分位数），也就是给定累积分布函数值 $p$，求出对应的 $x$ 使得：

$$P(X\le x)=p$$

函数签名

template<class Distribution>
typename Distribution::value_type quantile(const Distribution& dist, double p);

• Distribution：Boost.Math 提供的概率分布类型，如 normal, chi_squared, t, fisher_f 等
• p：累积概率 $0<p<1$
• 返回值：对应的分位点 $x$

注意：p 必须在 (0,1) 之间，否则会抛出异常。

2️、常见分布使用示例

#include <iostream>
#include <boost/math/distributions/normal.hpp>
#include <boost/math/distributions/chi_squared.hpp>
#include <boost/math/distributions/students_t.hpp>
#include <boost/math/distributions/fisher_f.hpp>

using namespace boost::math;

int main() {
    // =========================
    // 1. 正态分布 N(0,1)
    // =========================
    normal dist_norm(0.0, 1.0);
    double q_norm = quantile(dist_norm, 0.975); // 95% 双尾临界值
    std::cout << "Normal(0,1) 97.5% quantile = " << q_norm << std::endl;

    // =========================
    // 2. 卡方分布 χ²(df=5)
    // =========================
    chi_squared dist_chi(5.0);
    double q_chi = quantile(dist_chi, 0.95); // 95% 分位点
    std::cout << "Chi-squared(df=5) 95% quantile = " << q_chi << std::endl;

    // =========================
    // 3. Student t 分布 t(df=10)
    // =========================
    students_t dist_t(10);
    double q_t = quantile(dist_t, 0.975); // 95% 双尾临界值
    std::cout << "t(df=10) 97.5% quantile = " << q_t << std::endl;

    // =========================
    // 4. F 分布 F(df1=5, df2=10)
    // =========================
    fisher_f dist_f(5, 10);
    double q_f = quantile(dist_f, 0.95); // 95% 分位点
    std::cout << "F(df1=5, df2=10) 95% quantile = " << q_f << std::endl;

    return 0;
}

3️、输出示例（参考值）

Normal(0,1) 97.5% quantile = 1.95996
Chi-squared(df=5) 95% quantile = 11.0705
t(df=10) 97.5% quantile = 2.22814
F(df1=5, df2=10) 95% quantile = 3.3258

4️、四个应用场景

1. 统计假设检验

   • 例如 t 检验、F 检验、卡方检验中，用分位点作为临界值。
   • 代码中可直接用 quantile 计算 p 值对应的临界点。

2. 置信区间计算

   • 对正态分布或 t 分布，求置信区间上限/下限时可用：

     $$CI=\bar{x}\pm quantile(t_{df},1-\alpha /2)\cdot SE$$

3. 生成分布样本边界（阈值）

   • 在 Monte Carlo 或仿真中，需要限制样本落在特定概率范围内，可用 quantile 获取边界值。

4. 异常值检测

   • 根据分布分位点判断数据是否属于异常值。
   • 例如卡方分布用于多元正态异常值检测：若 Mahalanobis 距离大于 quantile(chi_squared(df), 0.975)，则判定为异常。

5、四个应用场景代码示例

1️、统计假设检验（t 检验示例）

#include <iostream>
#include <boost/math/distributions/students_t.hpp>

int main() {
    double sample_mean = 5.2;
    double population_mean = 5.0;
    double sample_std = 1.2;
    int n = 15;
    
    // 自由度
    int df = n - 1;

    // t 分布
    boost::math::students_t dist_t(df);

    // 95% 双尾临界值
    double t_crit = boost::math::quantile(dist_t, 0.975);

    // t 统计量
    double t_stat = (sample_mean - population_mean) / (sample_std / std::sqrt(n));

    std::cout << "t_stat = " << t_stat << ", t_crit = " << t_crit << std::endl;
    if (std::abs(t_stat) > t_crit) {
        std::cout << "拒绝原假设" << std::endl;
    } else {
        std::cout << "无法拒绝原假设" << std::endl;
    }
}

2️、置信区间计算（正态分布示例）

#include <iostream>
#include <boost/math/distributions/normal.hpp>

int main() {
    double mean = 10.0;
    double stddev = 2.0;
    int n = 30;

    boost::math::normal dist_norm(0.0, 1.0); // 标准正态

    double alpha = 0.05;
    double z = boost::math::quantile(dist_norm, 1 - alpha/2); // 95% 双尾
    double margin = z * (stddev / std::sqrt(n));

    std::cout << "95% 置信区间: [" << mean - margin << ", " << mean + margin << "]" << std::endl;
}

3️、生成分布样本边界（Monte Carlo 示例）

#include <iostream>
#include <boost/math/distributions/chi_squared.hpp>
#include <vector>
#include <random>

int main() {
    int df = 4;
    boost::math::chi_squared dist_chi(df);

    double upper = boost::math::quantile(dist_chi, 0.95); // 95% 上边界
    double lower = boost::math::quantile(dist_chi, 0.05); // 5% 下边界

    std::cout << "样本边界: [" << lower << ", " << upper << "]" << std::endl;

    // 生成随机样本
    std::default_random_engine rng;
    std::chi_squared_distribution<double> chi_dist(df);

    std::vector<double> samples(10);
    for (auto &x : samples) {
        x = chi_dist(rng);
        std::cout << "样本: " << x;
        if (x < lower || x > upper)
            std::cout << " -> 超出边界!";
        std::cout << std::endl;
    }
}

4️、异常值检测（Mahalanobis 距离 + 卡方分布）

#include <iostream>
#include <vector>
#include <cmath>
#include <boost/math/distributions/chi_squared.hpp>

int main() {
    int dim = 3; // 数据维度
    boost::math::chi_squared dist_chi(dim);

    double threshold = boost::math::quantile(dist_chi, 0.975); // 95% 上分位点

    std::vector<std::vector<double>> data = {{1.0,2.0,3.0}, {10.0, 10.0, 10.0}, {2.0,1.5,2.5}};
    std::vector<double> mean = {2.0, 2.0, 2.0};

    for (auto &x : data) {
        double mahalanobis_sq = 0.0;
        for (int i = 0; i < dim; i++)
            mahalanobis_sq += (x[i] - mean[i])*(x[i] - mean[i]); // 假设协方差单位矩阵
        std::cout << "Mahalanobis^2 = " << mahalanobis_sq;
        if (mahalanobis_sq > threshold)
            std::cout << " -> 异常!";
        std::cout << std::endl;
    }
}