Rust稳定概率计算库likely_stable使用指南

likely_stable是一个专注于概率计算和稳定性分析的Rust库，提供了高效可靠的统计学概率预测功能。

主要特性

• 概率分布计算（二项分布、泊松分布、正态分布等）
• 稳定性分析和预测
• 高效的内存使用和计算性能
• 线程安全的实现
• 稳定的API设计

安装

在Cargo.toml中添加依赖：

[dependencies]
likely_stable = "0.3"

基本使用方法

1. 概率计算

use likely_stable::probability::{Binomial, Poisson};

fn main() {
    // 二项分布示例：10次试验，每次成功概率0.3，计算恰好4次成功的概率
    let binom = Binomial::new(10, 0.3).unwrap();
    let prob = binom.probability(4);
    println!("恰好4次成功的概率: {:.4}", prob);
    
    // 泊松分布示例：λ=3.0，计算事件发生5次的概率
    let poisson = Poisson::new(3.0).unwrap();
    let prob = poisson.probability(5);
    println!("事件发生5次的概率: {:.4}", prob);
}

2. 稳定性分析

use likely_stable::stability;

fn main() {
    let data = vec![1.2, 1.5, 1.3, 1.7, 1.4, 1.6, 1.5];
    
    // 计算稳定性指标
    let stability_index = stability::calculate(&data);
    println!("稳定性指标: {:.4}", stability_index);
    
    // 预测未来稳定性
    let prediction = stability::predict(&data, 3); // 预测未来3个周期
    println!("未来稳定性预测: {:?}", prediction);
}

3. 高级概率分布

use likely_stable::probability::{Normal, Exponential};

fn main() {
    // 正态分布示例
    let normal = Normal::new(0.0, 1.0).unwrap(); // 均值0，标准差1
    let prob = normal.probability_between(-1.0, 1.0);
    println!("标准正态分布在-1到1之间的概率: {:.4}", prob);
    
    // 指数分布示例
    let exp = Exponential::new(1.5).unwrap(); // λ=1.5
    let prob = exp.probability_less_than(2.0);
    println!("指数分布在2.0以下的概率: {:.4}", prob);
}

性能优化建议

1. 对于大量重复计算，考虑使用precompute方法预先计算概率表
2. 使用rayon并行计算特性处理大数据集
3. 对于实时应用，可以启用likely_stable的simd特性加速计算

错误处理

所有方法都返回Result类型，应妥善处理潜在错误：

use likely_stable::probability::Binomial;

fn main() {
    match Binomial::new(10, 1.5) { // 无效的概率值
        Ok(binom) => {
            // 正常处理
        },
        Err(e) => {
            eprintln!("创建二项分布失败: {}", e);
        }
    }
}

完整示例demo

下面是一个结合了概率计算和稳定性分析的完整示例：

use likely_stable::probability::{Binomial, Normal};
use likely_stable::stability;

fn main() {
    // 1. 概率计算示例
    println!("=== 概率计算示例 ===");
    
    // 二项分布 - 质量检测场景
    let sample_size = 20; // 抽样数量
    let defect_rate = 0.05; // 缺陷率5%
    let binom = Binomial::new(sample_size, defect_rate).unwrap();
    
    // 计算恰好有1个缺陷品的概率
    println!("恰好1个缺陷品的概率: {:.4}%", binom.probability(1) * 100.0);
    // 计算不超过2个缺陷品的概率
    println!("不超过2个缺陷品的概率: {:.4}%", binom.cumulative_probability(2) * 100.0);
    
    // 正态分布 - 产品尺寸分析
    let mean = 10.0; // 平均尺寸10mm
    let std_dev = 0.2; // 标准差0.2mm
    let normal = Normal::new(mean, std_dev).unwrap();
    
    // 计算尺寸在9.8mm到10.2mm之间的概率
    let lower = 9.8;
    let upper = 10.2;
    let prob = normal.probability_between(lower, upper);
    println!("尺寸在{:.1}mm到{:.1}mm之间的概率: {:.2}%", lower, upper, prob * 100.0);
    
    // 2. 稳定性分析示例
    println!("\n=== 稳定性分析示例 ===");
    
    // 模拟30天的生产数据
    let production_data = vec![
        102.3, 101.8, 102.1, 101.5, 102.4,
        101.9, 102.2, 101.7, 102.0, 101.6,
        102.5, 101.4, 102.3, 101.8, 102.1,
        101.9, 102.0, 101.7, 102.2, 101.5,
        102.4, 101.6, 102.3, 101.9, 102.0,
        101.8, 102.1, 101.7, 102.2, 101.6
    ];
    
    // 计算稳定性指标
    let stability = stability::calculate(&production_data);
    println!("生产稳定性指标: {:.4}", stability);
    
    // 预测未来5天的稳定性
    let forecast_days = 5;
    let prediction = stability::predict(&production_data, forecast_days);
    println!("未来{}天稳定性预测: {:?}", forecast_days, prediction);
    
    // 3. 错误处理示例
    println!("\n=== 错误处理示例 ===");
    
    match Binomial::new(5, -0.1) {
        Ok(_) => println!("创建二项分布成功"),
        Err(e) => println!("错误: {}", e),
    }
}

这个完整示例展示了：

1. 使用二项分布进行质量检测的概率计算
2. 使用正态分布分析产品尺寸分布
3. 对生产数据进行稳定性分析和预测
4. 错误处理的实践示例

likely_stable为Rust开发者提供了强大而稳定的概率计算和稳定性分析工具，适用于金融分析、质量控制、科学实验等多种场景。