Kolmogorov-Smirnov 2样本测试Java给出0 p值
我使用Apache Commons数学Kolmogorov-Smirnov测试来确定我的RNG生成的样本是否是均匀分布 我正在使用Kolmogorov-Smirnov 2样本测试Java给出0 p值,java,math,random,kolmogorov-smirnov,Java,Math,Random,Kolmogorov Smirnov,我使用Apache Commons数学Kolmogorov-Smirnov测试来确定我的RNG生成的样本是否是均匀分布 我正在使用UniformIntegerDistribution生成一个均匀分布,我得到了2000000个整数的样本。然后我将它们放入一个double[] 我也从我的2000000荷兰盾数字中生成,并将它们放入一个双[] 我已经绘制了样本图,我发现样本是均匀的,但K-S检验给我的p值为0.0,这表明从相同分布(即均匀分布)得出的两个样本的无效假设是无效的。这意味着我的RNG样本不
UniformIntegerDistribution
生成一个均匀分布,我得到了2000000个整数的样本。然后我将它们放入一个double[]
我也从我的2000000荷兰盾数字中生成,并将它们放入一个双[]
我已经绘制了样本图,我发现样本是均匀的,但K-S检验给我的p值为0.0,这表明从相同分布(即均匀分布)得出的两个样本的无效假设是无效的。这意味着我的RNG样本不符合均匀分布
double alpha=test.kolmogorovSmirnovTest(a,b)代码>给我alpha=0.0
该方法的Javadoc如下所示:
计算两样本Kolmogorov-Smirnov检验的p值或观察到的显著性水平,该检验评估x和y是来自相同概率分布的样本的无效假设
因此,我预计p值会很高,因为我看到的曲线图很明显是一致的
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()));
并且RNG是RNG=SecureRandom.getInstance(“NativePRNGNonBlocking”)代码>我找到了问题背后的原因。我最初使用的uniformrealdribution
与kolmogorovSmirnovTest(再分配分布,双[]数据)
然而,出于某种原因,均匀分布
包含但不包含
当我改变IntegerDistribution uniform=new UniformIntegerDistribution(1,81)代码>到整数分布均匀=新的均匀分布(1,80)代码>
成功了
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));
}