知识卡片

普通读书笔记卡 · 913.o.1.b.1

用分桶检验分布形状

理解等级:高级

均值和方差相同的两种分布仍可能形状不同。把理论输出范围切成多个桶,比较每桶的实际数量与期望数量,可用卡方统计发现分布错置;每桶期望样本数需足够大,桶边界应按目标风险设计。

这张卡片看不懂?

已有反馈 · 0 / 10 条

    还没有人提交反馈。

    在整书笔记中的位置

    原书出处 · 1 处

    • 第10章 测试随机数发生器 · 查看原书依据

      桶测试 假设一个RNG同时通过了均值和方差测试。这将给你带来一些信心——代码生成的样本值是来自于某些拥有正确均值和方差的分布,但这些样本值仍有可能来自于一个完全错误的分布。 为了说明这个潜在的问题,现考虑两个生成器。第一个返回值来自于一个均值为1(因而标准差为1)的指数分布。第二个返回值来自于均值和

    参考来源

    - 位置:《测试之美》第10章《测试随机数发生器》(源文件:extracted/程序之美系列套装(6册)团队之美、项目管理之美、架构之美、数据之美、测试之美、安全之美/_epub-src/OEBPS/Text/part0514.xhtml) - 结论依据:指数与正态分布可以共享均值和方差,分桶频数能揭示负值区域等形状差异。 - 原始内容:桶测试 假设一个RNG同时通过了均值和方差测试。这将给你带来一些信心——代码生成的样本值是来自于某些拥有正确均值和方差的分布,但这些样本值仍有可能来自于一个完全错误的分布。 为了说明这个潜在的问题,现考虑两个生成器。第一个返回值来自于一个均值为1(因而标准差为1)的指数分布。第二个返回值来自于均值和标准差为1的正态分布。均值和方差测试方法是无法发现调用的生成器被交换这样的错误。什么样的测试可以发现生成器被交换了呢?你可以通过计算有多少随机值落入不同的“桶”或取值范围来得到答案。例如,你可以数数有多少输出值是介于-1和0之间,介于0和2之间,以及大于2。各分布之间有最明显区别的是在-1到0之间的那个桶中。那个指数分布的发生器将会有零个数值在那个桶里,而正态分布的发生器会有大约19%的随机数落在这个相同范围。通常我们会寻找一些更细节的情况,诸如所有的桶都应该会有一些数值,唯一的问题是,是否有些桶里有太多或太少的样本。(我们在这里称之为“水桶测试”的方法通常被称为卡方(x2)检验[6]。有些人用术语“箱子”来表示我们所说的“桶”。) 下面我们介绍如何做