我收到了这个面试问题，需要为它编写一个函数。我失败了。
因为这是一个电话采访问题，我不认为我应该编码的代码真的需要成为完美的随机测试人员。
有什么想法吗？
在面试中如何在30分钟内编写一些合理的随机性测试代码？
修改
此问题中的分布是均匀分布
答案 0 :(得分：5)
由于这是一个面试问题，我认为面试官希望以两种方式进行评估：
在某些情况下，这可能是一个非常好的面试问题，特别是如果面试官愿意在必要时提示候选人提出问题。
在理解问题的要求方面，如果你知道这是一个非常棘手的问题，那么见证Diehard tests中提到的pjs's answer。从根本上说，我认为候选人需要表现出对两件事的赞赏：
（a）数字的整体分布应与所需的分布相匹配（我假设在这种情况下它是统一的，但是@pjs指向在评论中，这个假设应该明确表示。）
（b）绘制的每个数字应与以前绘制的数字独立。
用半小时的时间在电话采访中编写代码，你不能走得太远。如果我回答这个问题，我会尝试建议：
（a）要测试分布，请为浮点数设置一组相等大小的二进制数，并计算落入每个二进制数的数字。绘制直方图和眼球（绘制数据总是一个好主意）。要扩展这一点，您可以使用卡方检验，如amit's answer中所述。
但是，如评论中所述，here
卡方检验的主要问题是选择间隔的数量和大小。虽然经验法则可以帮助产生好的结果，但是对于各种应用来说都没有灵丹妙药。
为此，可以使用Kolmogorov-Smirnov测试。这个测试背后的想法是，如果你的有序数据的图应该是一个很好的拟合完美的有序数据（称为累积分布）。对于均匀分布，完美有序数据是一条直线：您希望数据的第10个百分位数是整个范围的10％，第20个百分比是整个范围的20％，依此类推。因此，以编程方式，您可以对数据进行排序，将其与理想值进行对比，然后您应该得到一条直线。您还可以应用正式的定量统计测试，该测试基于实际值和理想值之间的差异。
（b）为了测试独立性，有多种方法。 Autocorrelation在不同的时间滞后是一个相当明显的时间：例如， t 时的值与 t + 1 时的值相似的程度，例如。 runs test是另一个好的：你将所有数字转换为1或0，具体取决于它们是否高于或低于中位数，然后运行长度的分布可用于构建统计检验。运行测试也可用于测试一个方向或另一个方向的运行，如here和here所述（在您的情况下这可能更有用）。只要你有公式可供使用，这两个都有相当简单的实现！
答案 1 :(得分：2)
检查随机数生成器（或任何其他概率）是否与所需模型匹配的方法（在您的情况下，均匀分布） - 您应该使用统计测试Pearson's chi squared test。< / p>
测试基于收集观察结果，并根据您假设数字来自的理论模型将它们与预期概率相匹配。
最后，测试给出了收集的样本确实来自给定模型的概率。
一个简单的例子：
给定一个立方体，并绘制：[5,3,5,5,1,1]立方体是否平衡？ （{1，...，6}）
p=1/6
鉴于上述观察，我们创建了预期向量：E = [1,1,1,1,1,1]（每个条目为N/6 - 6因为这是结果数，N是绘制数，6英寸上面的例子）。和观察到的向量：O=[2,0,1,0,3,0]
由此我们计算统计数据：
Xi^2 = sum((O_i - E_i)^2 / E_i) = 1/1 + 1/1 + 0/1 + 1/1 + 4/1 + 1/1 = 8
现在，根据chi^2 distribution（一个自由度），我们需要检查P(Xi^2>=8)的概率是多少。这个概率是~0.005（稍微减少......）。因此，我们可以拒绝这样的假设，即样本来自无偏多维数据集的概率非常高。
答案 2 :(得分：2)
你说他们希望你重建/重新发明Marsaglia多年来开发的"diehard" battery of tests？我会以不合理的期望来称呼他们。
答案 3 :(得分：0)
无论随机浮点数具有什么分布，即在区间[0,1]上均匀分布，您可以使用Kolmogorov-Smirnov检验http://en.wikipedia.org/wiki/Kolmogorov%E2%80%93Smirnov_test来测试样本是否不符合所需分配。如果您有许多可能的值，这可能比卡方检验有优势（因为如果您有比样本更多的值，那么您必须为卡方检验定义桶，这使得测试与一般分布检查相比不那么强大像Kolmogorov-Smirnov）