Java：如何以编程方式确定数据集不遵循正态分布？

Question

在Java程序中，如何确定我所拥有的数据集是否遵循正态分布？

有可能吗？

我可以使用API​​或算法来确定这个吗？

Answer 1

此处有两个问题：如何确定distribution is normal以及如何do so in Java。正如第一个链接将向您展示的那样，您正在寻找从正式到非正式的正常数据的不同程度。第二个链接显示没有用于统计分析的标准Java包，但有许多其他方法可以实现它们。

Answer 2

这是一个有点困难的统计问题，如果你不是统计专家，那看起来似乎很简单。您的目标显然是确定数据是否可能来自任何正态分布，而不是具有预先指定的均值和方差的数据。可能最好的方法是使用D'Agostino test，它基于测量分布的skewness和kurtosis，并将这些与正常情况下的预期进行比较。

就Java实现而言，我没有意识到，尽管我不经常使用Java。如果有的话，我会感到有些惊讶，因为它是一个相对模糊的统计函数，而Java并不是用于统计的最常用语言。但是，my D language implementation（在此文件中搜索dAgostinoK（））可能很容易被翻译成Java，如果你已经有计算偏度，峰度和卡方分布的CDF的函数。

Answer 3

我不确定是否有可用的API，但您可以使用的是卡方检验http://en.wikipedia.org/wiki/Pearson%27s_chi-square_test。假设您的数据集足够大，您可以测试适合正态分布。

Answer 4

最简单的方法是“如果我有n个> 30个数据点，那么它通过中心极限定理近似于正态分布。” ;）

正如其他人所提到的，确定数据点是否来自正态分布要困难得多。