随机数分析

这个 DieHarder test battery 由Robert G.Brown——重新实现并扩展了Marsaglia等人的旧Diehard——已经被包装在R包中。 RDieHarder 你可以从这个开始。

注意 RDIEharder公司 版本需要它们的特殊匹配 DieHarder 发布——我们还没有发布最新的开发版本。

编辑 另外,对于 密码学 测试时,NIST套件(包含在Dieharder中)应该是合适的,因为这正是它的设计目的。

首先,你需要决定你在测试什么样的随机性。你想在某个范围内有一个统一的分布吗?这通常是人们的想法,尽管你可能有一些其他的随机性,如正态分布。

一旦你有了一个候选分布,你就可以测试这个分布的拟合优度。Kolmogorov-Smirnov试验是一种很好的通用试验。我相信它叫 ks.test 但我也相信它假定了不同的值,所以如果从如此小的值范围中取样,相同的值会出现多次,这可能是个问题。

S.Lott提到了Knuth的 Seminumerical Algorithms 在评论中。这本书对卡方检验和柯尔莫戈洛夫-斯米尔诺夫检验的拟合优度有很好的介绍。

如果你怀疑你有统一的随机值,德克·艾德布埃特提到的迪哈德测试是一个标准测试。

根据维基百科( Randomness ):

中心思想是 位是随机的,如果且仅当它是随机的 比任何计算机程序都短 能产生那根弦(科尔莫戈罗夫 随机性)这意味着随机性 字符串是不能 压缩的。

因此,给定随机的数字流,将其保存到一个文件中,并使用您最喜欢的工具(zip、rar,…)压缩它。压缩比可以解释为随机性的度量。更好的是,我将它作为一个相对分数来比较两个数据系列的随机性。

我推荐阅读 Chapter 10 属于 Beautiful Testing :测试随机数生成器。这比关于这个话题的大多数文章都要平易近人一点。也许,如果我们很好的话,那一章的作者,约翰·库克,可能会停下来,给出他的意见。

像往常一样 toolbox 为了它。

从理论上讲,Knuth的上述参考资料是有用的,为了联系Amro的反应,李维塔尼的工作与此相关。 link text