pintos-os.org Git - pspp/blob - src/factor_stats.c

   1 /* PSPP - A program for statistical analysis . -*-c-*-
   2
   3 Copyright (C) 2004 Free Software Foundation, Inc.
   4 Author: John Darrington 2004
   5
   6 This program is free software; you can redistribute it and/or
   7 modify it under the terms of the GNU General Public License as
   8 published by the Free Software Foundation; either version 2 of the
   9 License, or (at your option) any later version.
  10
  11 This program is distributed in the hope that it will be useful, but
  12 WITHOUT ANY WARRANTY; without even the implied warranty of
  13 MERCHANTABILITY or FITNESS FOR A PARTICULAR PURPOSE.  See the GNU
  14 General Public License for more details.
  15
  16 You should have received a copy of the GNU General Public License
  17 along with this program; if not, write to the Free Software
  18 Foundation, Inc., 51 Franklin Street, Fifth Floor, Boston, MA
  19 02110-1301, USA. */
  20
  21 #include <config.h>
  22 #include "factor_stats.h"
  23 #include "val.h"
  24 #include "hash.h"
  25 #include "algorithm.h"
  26 #include "alloc.h"
  27 #include "moments.h"
  28 #include "percentiles.h"
  29
  30 #include <stdlib.h>
  31 #include <math.h>
  32 #include <float.h>
  33 #include <assert.h>
  34 #include <chart.h>
  35
  36
  37 void
  38 metrics_precalc(struct metrics *m)
  39 {
  40   assert (m) ;
  41
  42   m->n_missing = 0;
  43
  44   m->min = DBL_MAX;
  45   m->max = -DBL_MAX;
  46
  47   m->histogram = 0;
  48
  49   m->moments = moments1_create(MOMENT_KURTOSIS);
  50
  51   m->ordered_data = hsh_create(20,
  52                                 (hsh_compare_func *) compare_values,
  53                                 (hsh_hash_func *) hash_value,
  54                                 (hsh_free_func *) weighted_value_free,
  55                                 (void *) 0);
  56 }
  57
  58
  59 /* Include val in the calculation for the metrics.
  60    If val is null, then treat it as MISSING
  61 */
  62 void
  63 metrics_calc(struct metrics *fs, const union value *val,
  64              double weight, int case_no)
  65 {
  66   struct weighted_value **wv;
  67   double x;
  68
  69   if ( ! val )
  70     {
  71       fs->n_missing += weight;
  72       return ;
  73     }
  74
  75   x = val->f;
  76
  77   moments1_add(fs->moments, x, weight);
  78
  79
  80   if ( x < fs->min) fs->min = x;
  81   if ( x > fs->max) fs->max = x;
  82
  83
  84   wv = (struct weighted_value **) hsh_probe (fs->ordered_data,(void *) val );
  85
  86   if ( *wv  )
  87     {
  88       /* If this value has already been seen, then simply
  89          increase its weight  and push a new case number */
  90
  91       struct case_node *cn;
  92
  93       assert( (*wv)->v.f == val->f );
  94       (*wv)->w += weight;
  95
  96       cn = xmalloc( sizeof (struct case_node) ) ;
  97       cn->next = (*wv)->case_nos ;
  98       cn->num = case_no;
  99
 100       (*wv)->case_nos = cn;
 101     }
 102   else
 103     {
 104       struct case_node *cn;
 105
 106       *wv = weighted_value_create();
 107       (*wv)->v = *val;
 108       (*wv)->w = weight;
 109
 110       cn = xmalloc( sizeof (struct case_node) ) ;
 111       cn->next=0;
 112       cn->num = case_no;
 113       (*wv)->case_nos  = cn;
 114
 115     }
 116
 117 }
 118
 119 void
 120 metrics_postcalc(struct metrics *m)
 121 {
 122   double cc = 0.0;
 123   double tc ;
 124   int k1, k2 ;
 125   int i;
 126   int j = 1;
 127
 128   moments1_calculate (m->moments, &m->n, &m->mean, &m->var,
 129                       &m->skewness, &m->kurtosis);
 130
 131   moments1_destroy (m->moments);
 132
 133
 134   m->stddev = sqrt(m->var);
 135
 136   /* FIXME: Check this is correct ???
 137      Shouldn't we use the sample variance ??? */
 138   m->se_mean = sqrt (m->var / m->n) ;
 139
 140
 141
 142   m->wvp = (struct weighted_value **) hsh_sort(m->ordered_data);
 143   m->n_data = hsh_count(m->ordered_data);
 144
 145   /* Trimmed mean calculation */
 146   if ( m->n_data <= 1 )
 147     {
 148       m->trimmed_mean = m->mean;
 149       return;
 150     }
 151
 152   m->histogram = histogram_create(10, m->min, m->max);
 153
 154   for ( i = 0 ; i < m->n_data ; ++i )
 155     {
 156       struct weighted_value **wv = (m->wvp) ;
 157       gsl_histogram_accumulate(m->histogram, wv[i]->v.f, wv[i]->w);
 158     }
 159
 160   tc = m->n * 0.05 ;
 161   k1 = -1;
 162   k2 = -1;
 163
 164   for ( i = 0 ; i < m->n_data ; ++i )
 165     {
 166       cc += m->wvp[i]->w;
 167       m->wvp[i]->cc = cc;
 168
 169       m->wvp[i]->rank = j + (m->wvp[i]->w - 1) / 2.0 ;
 170
 171       j += m->wvp[i]->w;
 172
 173       if ( cc < tc )
 174         k1 = i;
 175     }
 176
 177
 178
 179   k2 = m->n_data;
 180   for ( i = m->n_data -1  ; i >= 0; --i )
 181     {
 182       if ( tc > m->n - m->wvp[i]->cc)
 183         k2 = i;
 184     }
 185
 186
 187   /* Calculate the percentiles */
 188   ptiles(m->ptile_hash, m->wvp, m->n_data, m->n, m->ptile_alg);
 189
 190   tukey_hinges(m->wvp, m->n_data, m->n, m->hinge);
 191
 192   /* Special case here */
 193   if ( k1 + 1 == k2 )
 194     {
 195       m->trimmed_mean = m->wvp[k2]->v.f;
 196       return;
 197     }
 198
 199   m->trimmed_mean = 0;
 200   for ( i = k1 + 2 ; i <= k2 - 1 ; ++i )
 201     {
 202       m->trimmed_mean += m->wvp[i]->v.f * m->wvp[i]->w;
 203     }
 204
 205
 206   m->trimmed_mean += (m->n - m->wvp[k2 - 1]->cc - tc) * m->wvp[k2]->v.f ;
 207   m->trimmed_mean += (m->wvp[k1 + 1]->cc - tc) * m->wvp[k1 + 1]->v.f ;
 208   m->trimmed_mean /= 0.9 * m->n ;
 209
 210
 211 }
 212
 213
 214 struct weighted_value *
 215 weighted_value_create(void)
 216 {
 217   struct weighted_value *wv;
 218   wv = xmalloc (sizeof (struct weighted_value ));
 219
 220   wv->cc = 0;
 221   wv->case_nos = 0;
 222
 223   return wv;
 224 }
 225
 226 void
 227 weighted_value_free(struct weighted_value *wv)
 228 {
 229   struct case_node *cn ;
 230
 231   if ( !wv )
 232     return ;
 233
 234   cn = wv->case_nos;
 235
 236   while(cn)
 237     {
 238       struct case_node *next = cn->next;
 239
 240       free(cn);
 241       cn = next;
 242     }
 243
 244   free(wv);
 245
 246 }
 247
 248
 249
 250
 251
 252 /* Create a factor statistics object with for N dependent vars
 253    and ID as the value of the independent variable */
 254 struct factor_statistics *
 255 create_factor_statistics (int n, union value *id0, union value *id1)
 256 {
 257   struct factor_statistics *f;
 258
 259   f =  xmalloc( sizeof  ( struct factor_statistics ));
 260
 261   f->id[0] = *id0;
 262   f->id[1] = *id1;
 263   f->m = xmalloc( sizeof ( struct metrics ) * n ) ;
 264   memset (f->m, 0, sizeof(struct metrics) * n);
 265   f->n_var = n;
 266
 267   return f;
 268 }
 269
 270
 271 void
 272 metrics_destroy(struct metrics *m)
 273 {
 274   hsh_destroy(m->ordered_data);
 275   hsh_destroy(m->ptile_hash);
 276   if ( m-> histogram )
 277     gsl_histogram_free(m->histogram);
 278 }
 279
 280 void
 281 factor_statistics_free(struct factor_statistics *f)
 282 {
 283
 284   int i;
 285   for ( i = 0 ; i < f->n_var; ++i )
 286        metrics_destroy(&f->m[i]);
 287   free(f->m) ;
 288   free(f);
 289 }
 290
 291
 292
 293
 294 int
 295 factor_statistics_compare(const struct factor_statistics *f0,
 296                           const struct factor_statistics *f1, int width)
 297 {
 298
 299   int cmp0;
 300
 301   assert(f0);
 302   assert(f1);
 303
 304   cmp0 = compare_values(&f0->id[0], &f1->id[0], width);
 305
 306   if ( cmp0 != 0 )
 307     return cmp0;
 308
 309
 310   if ( ( f0->id[1].f == SYSMIS )  && (f1->id[1].f != SYSMIS) )
 311     return 1;
 312
 313   if ( ( f0->id[1].f != SYSMIS )  && (f1->id[1].f == SYSMIS) )
 314     return -1;
 315
 316   return compare_values(&f0->id[1], &f1->id[1], width);
 317
 318 }
 319
 320 unsigned int
 321 factor_statistics_hash(const struct factor_statistics *f, int width)
 322 {
 323
 324   unsigned int h;
 325
 326   h = hash_value(&f->id[0], width);
 327
 328   if ( f->id[1].f != SYSMIS )
 329     h += hash_value(&f->id[1], width);
 330
 331
 332   return h;
 333
 334 }
 335