如何生成准随机统计数据集？

Question

我正在寻找一种工具，可以让我生成具有某些统计属性的数据集。例如，假设我想生成 100 万个具有 x 个异常值的整数用于测试。

是否有任何工具可以生成这样的测试数据集？我不一定需要任何花哨的东西，只需要一些基本功能。

Answer 1

最简单的技术，至少在数学上最容易理解，是accept-reject algorithm 算法。

Answer 2

Math from apache commons 有一些工具可用于从简单的概率分布生成数据。使用您正在使用的任何系统的 random() 功能实际上很容易roll your own variant 这些生成函数。假设 random() 返回一个介于 0 和 1 之间的均匀分布的随机数，您只需通过 inverse cumulative distribution function 获取所需的随机数。如果你需要一些非常花哨的东西，你可以使用Markov Chains。