htswanalysis/MACS/lib/gsl/gsl-1.11/statistics/wskew_source.c

   1 /* statistics/wskew_source.c
   2  *
   3  * Copyright (C) 1996, 1997, 1998, 1999, 2000, 2007 Jim Davies, Brian Gough
   4  *
   5  * This program is free software; you can redistribute it and/or modify
   6  * it under the terms of the GNU General Public License as published by
   7  * the Free Software Foundation; either version 3 of the License, or (at
   8  * your option) any later version.
   9  *
  10  * This program is distributed in the hope that it will be useful, but
  11  * WITHOUT ANY WARRANTY; without even the implied warranty of
  12  * MERCHANTABILITY or FITNESS FOR A PARTICULAR PURPOSE.  See the GNU
  13  * General Public License for more details.
  14  *
  15  * You should have received a copy of the GNU General Public License
  16  * along with this program; if not, write to the Free Software
  17  * Foundation, Inc., 51 Franklin Street, Fifth Floor, Boston, MA 02110-1301, USA.
  18  */
  19
  20 double
  21 FUNCTION(gsl_stats,wskew) (const BASE w[], const size_t wstride, const BASE data[], const size_t stride, const size_t n)
  22 {
  23   const double wmean = FUNCTION(gsl_stats,wmean)(w, wstride, data, stride, n);
  24   const double wsd = FUNCTION(gsl_stats,wsd_m)(w, wstride, data, stride, n, wmean);
  25   return FUNCTION(gsl_stats,wskew_m_sd)(w, wstride, data, stride, n, wmean, wsd);
  26 }
  27
  28 double
  29 FUNCTION(gsl_stats,wskew_m_sd) (const BASE w[], const size_t wstride,
  30                                 const BASE data[],
  31                                 const size_t stride, const size_t n,
  32                                 const double wmean, const double wsd)
  33 {
  34   /* Compute the weighted skewness of a dataset */
  35
  36   long double wskew = 0;
  37   long double W = 0;
  38
  39   size_t i;
  40
  41   /* find the sum of the cubed deviations, normalized by the sd. */
  42
  43   /* we use a recurrence relation to stably update a running value so
  44      there aren't any large sums that can overflow */
  45
  46   for (i = 0; i < n; i++)
  47     {
  48       BASE wi = w[i * wstride];
  49
  50       if (wi > 0) {
  51         const long double x = (data[i * stride] - wmean) / wsd;
  52         W += wi ;
  53         wskew += (x * x * x - wskew) * (wi / W);
  54       }
  55     }
  56
  57   return wskew;
  58 }
  59