我正在使用 Apache Commons Math Kolmogorov-Smirnov 测试来确定我的 RNG 生成的样本是否是均匀分布。
我UniformIntegerDistribution
用来产生均匀分布,我得到一个 2000000 个整数的样本。然后我把它们放到一个double[]
我也从我的 RNG 2000000 数字中生成并将它们放入double[]
.
我已经绘制了样本,我看到它是均匀的,但 KS 检验给我的 p 值为 0.0,这表明两者从同一分布(即均匀)中得出的零假设是无效的。这意味着我的 RNG 样本不符合均匀分布。
double alpha = test.kolmogorovSmirnovTest(a, b);
给我吗alpha = 0.0
该方法的 Javadoc 内容如下:
计算两样本 Kolmogorov-Smirnov 检验的 p 值或观察到的显着性水平,该检验评估 x 和 y 是从相同概率分布中抽取的样本的原假设。
所以我预计 p 值会很高,因为我看到情节明显是均匀的。
IntegerDistribution uniform = new UniformIntegerDistribution(1, 81);
ArrayList<Integer> lis = new ArrayList<>();
int i = 0;
while (i < 100000) {
//Creates a list of 20 numbers ε [1,80]
List<Integer> l = ls.createRandomNumbersInclusive(80, 20);
lis.addAll(l);
Assertions.assertFalse(l.stream().anyMatch(it -> it > 80));
Assertions.assertFalse(l.stream().anyMatch(it -> it < 1));
i++;
}
KolmogorovSmirnovTest test = new KolmogorovSmirnovTest();
var sample = uniform.sample(2000000);
List<Integer> ll = new ArrayList<>();
double[] a = new double[2000000];
for(var j = 0; j<2000000; j++) {
a[j] = sample[j];
}
double[] b = lis.stream().map(it -> Double.valueOf(it)).mapToDouble(Double::doubleValue).toArray();
var alpha = test.kolmogorovSmirnovTest(a, b);
System.out.println("Alpha "+ alpha); //This gives me 0.0
/** I am doing the below to get the count per numbers [1,80] and plot them.
* I see them being uniform
* 1 ===
* 2 ===
* ...
* 80 ===
*/
Map<Integer, Long> result = lis.stream().collect(Collectors.groupingBy(it -> it, Collectors.counting()));
让我担心的是,如果我创建一个新的UniformIntegerDistribution
并获得 asample2
然后将其放入 中test.kolmogorovSmirnovTest(a, b);
,我确实会得到一个接近 1 的 p 值,这正是我所期望的。
我要么在 Java 上做错了,要么在 RNG 产生的数字中有一些我没有得到的东西。
的代码createRandomNumbersInclusive
是
public List<Integer> fetchNumberList(final int drawNumberMin, final int drawNumberMax, final int drawNumberCount) {
final List<Integer> range = new ArrayList<Integer>();
for (int i = drawNumberMin; i <= drawNumberMax; i++) {
range.add(i);
}
Collections.shuffle(range, rng);
return new ArrayList<Integer>(range.subList(0, drawNumberCount));
}
而RNG是rng = SecureRandom.getInstance("NativePRNGNonBlocking");