给定一系列随机生成的数据，我怎样才能弄清楚它实际上是多么随机？ R-lang是这个matlab的好工具吗？这些工具可以回答有关随机生成的数据的其他问题吗？还有其他更好的工具吗？
答案 0 :(得分：10)
罗伯特·G·布朗的DieHarder test battery - 由Marsaglia等人重新实现和延伸旧的DIEHARD - 已被包裹在你可以开始的R包RDieHarder中。
请注意，RDieHarder版本需要特定的匹配DieHarder版本 - 我们还没有最新版本的版本。
编辑此外，对于加密测试的子集，NIST套件（包含在DieHarder中）应该是合适的，因为它是为它设计的。
答案 1 :(得分：5)
首先，您需要确定您正在测试的随机性。您是否考虑过在某个范围内的均匀分布？这通常是人们想到的，尽管你可能有一些其他的随机性，如正态分布。
一旦您有候选人分发，您可以测试该分布的适合度。 Kolmogorov-Smirnov检验是一项很好的通用检验。我相信它在R中被称为ks.test但是我也相信它假定了不同的值，所以如果你从这么小的值中取样，那么相同的值会出现不止一次，这可能是一个问题。
S上。 Lott在评论中提到了Knuth的Seminumerical Algorithms。这本书很好地介绍了卡方检验和Kolmogorov-Smirnov检验的拟合度。
如果你确实怀疑你有统一的随机值，Dirk Eddelbuettel提到的DIEHARD测试就是标准测试。
答案 2 :(得分：4)
根据维基百科（Randomness）：
中心思想是一串 当且仅当它是时，位是随机的 比任何计算机程序都短 可以产生那个字符串（Kolmogorov 随机性） - 这意味着随机 字符串是那些不可能的字符串 压缩。
因此，给定随机数字流，将其保存到文件中，然后使用您喜欢的工具（zip，rar，...）进行压缩。压缩率可以解释为随机性的度量......更好的是，我会用它作为相对分数来比较两个数据序列的随机性。
答案 3 :(得分：3)
我建议阅读Chapter 10的Beautiful Testing：测试随机数生成器。它比关于该主题的大多数文本更平易近人。也许，如果我们很好，那一章的作者约翰库克可能会停下来并给出他的意见。
答案 4 :(得分：1)
总是有toolbox。
答案 5 :(得分：1)
理论上，Knuth上面提到的参考文献很有用，并且为了联系Amro的回应，Li＆amp; Co. Vitanyi与此有关。 link text