如果我们想在现代操作系统上测量运行时间，我们必然会从操作系统调度程序，阻塞IO，后台线程，缓存一致性协议等中获得看似非确定性的噪声。现在，如果我们假设所有这些噪声源都具有有限的均值和方差，我们可以声称通过中心极限定理，运行时间的分布是高斯分布吗？我已经检查了答案：here（作者在那里询问测量应用程序部分的运行时间而不是整个应用程序）并且我得到的答案最接近的是，根据维基百科，伽玛分布是适合建模时间直到死亡。还有其他什么吗？
答案 0 :(得分：0)
在与同事辩论之后，我们开始同意，查看运行时间的更好方法是假设它们是根据Cauchy分布分布的，Cauchy分布具有未定义（取无限）均值和方差。因此，我们认为外部噪声的有限均值/方差的假设不够健全。这是因为操作系统上的进程可以出于多种原因阻止/死锁/活锁，尽管不太可能，但总是有可能发生这种情况，特别是如果您正在处理复杂的实际生产代码（或者在某些情况下）第三方图书馆），我们不是在谈论玩具示例。现在，许多独立Cauchy分布的总和再次是Cauchy分布，因此我们有一个很好的封闭形式的分布。尽管Cauchy没有定义的均值或方差，但它确实具有明确定义的中位数，因此应该测量中位数。而且，Cauchy有一个像＃＆＃34; scale＆＃34;参数，其估计可以替代标准差，并且有很多关于如何正确/有效地做到这一点的研究论文。