std/src/math/statistics_test.nv - main - nv-lang/nova

std/src/math/statistics_test.nv
76 строк2 KB
Evgeniy Golovin
195: std/ -> std/src/ (git mv, module-path без изменений)
13 июл 2026, 01:13
13 июл 2026, 01:13be4fcab
// SPDX-License-Identifier: MIT OR Apache-2.0
// std/math/statistics_test.nv — публичный контракт Stats/StreamingStats.

module math.statistics_test

import std.math.statistics.{Stats, StreamingStats, StatsError}

test "mean базовый" {
    assert(Stats.mean([1.0, 2.0, 3.0, 4.0, 5.0])!! == 3.0)
}

test "median: нечётная и чётная длина" {
    assert(Stats.median([1.0, 2.0, 3.0])!! == 2.0)
    assert(Stats.median([1.0, 2.0, 3.0, 4.0])!! == 2.5)
    // Несортированный input
    assert(Stats.median([5.0, 1.0, 3.0])!! == 3.0)
}

test "variance / stddev" {
    ro xs = [2.0, 4.0, 4.0, 4.0, 5.0, 5.0, 7.0, 9.0]
    // Sample variance (n-1) = 4.571...
    ro v = Stats.variance(xs)!!
    assert((v - 4.5714285714).abs() < 0.0001)
    ro s = Stats.stddev(xs)!!
    assert((s - 2.1380899352).abs() < 0.0001)
}

test "percentile: квартили" {
    ro xs = [1.0, 2.0, 3.0, 4.0, 5.0, 6.0, 7.0, 8.0, 9.0, 10.0]
    assert((Stats.percentile(xs, 50.0)!! - 5.5).abs() < 0.001)
    assert((Stats.percentile(xs, 0.0)!! - 1.0).abs() < 0.001)
    assert((Stats.percentile(xs, 100.0)!! - 10.0).abs() < 0.001)
}

test "min_max" {
    ro (lo, hi) = Stats.min_max([3.0, 1.0, 4.0, 1.0, 5.0, 9.0, 2.0])!!
    assert(lo == 1.0)
    assert(hi == 9.0)
}

test "ошибка: пустой ввод" {
    match Stats.mean([]) {
        Ok(_)  => assert(false)
        Err(e) => assert(e is EmptyInput)
    }
}

test "ошибка: percentile вне диапазона" {
    match Stats.percentile([1.0, 2.0, 3.0], 150.0) {
        Ok(_)  => assert(false)
        Err(e) => assert(e is InvalidPercentile)
    }
}

test "streaming: equivalent one-shot" {
    ro xs = [2.0, 4.0, 4.0, 4.0, 5.0, 5.0, 7.0, 9.0]

    mut acc = Stats.streaming()
    for x in xs { acc.add(x) }

    assert((acc.mean()!! - Stats.mean(xs)!!).abs() < 0.0001)
    assert((acc.variance()!! - Stats.variance(xs)!!).abs() < 0.0001)
    assert(acc.min()!! == 2.0)
    assert(acc.max()!! == 9.0)
}

test "streaming: больших чисел не теряет точность" {
    // Welford устойчив к large magnitudes — наивный sum/count - mean^2 теряет точность.
    mut acc = Stats.streaming()
    for i in 0..1000 {
        acc.add(1_000_000.0 + (i as f64))
    }
    // Variance последовательности 0..999 = sum((i - 499.5)^2) / 999 = 83416.667
    ro v = acc.variance()!!
    assert((v - 83416.666666666).abs() < 0.01)
}