如何在java中确定最适合的发行版？

Question

我有一堆数据(在50到500个点之间，每个点都可以取一个正整数值)，需要确定哪个分布最能描述它们。我已经为他们中的几个手动完成了这一点，但需要在以后的工作中实现自动化。

一些集合是完全模态的(每个数据的值都是15)，一些是强模态或双模态的，一些是钟形曲线(通常是倾斜的，具有不同程度的角化/尖端)，一些是大致平坦的，还有任何数量的其他可能的分布(泊松，幂律等)。我需要一种方法来确定哪个分布最好地描述了数据，并且(理想情况下)还为我提供了一个适合度度量，以便我知道我在分析中有多有信心。

现有的开源库将是理想的，然后是记录良好的算法，我可以自己实现。

Answer 1

在缺乏先验知识的情况下，寻找适合的分布不太可能给你带来好的结果。您可能会发现一个分布恰好是一个很好的拟合，但不太可能是底层分布。

您是否有任何可用的元数据来暗示数据的含义？例如，“这是从自然总体中抽样的开放式数据，所以它是某种正态分布”，而不是“这个数据本质上是有界的，而且是离散的，所以检查最佳拟合的泊松”。

我不知道有没有Java的发行版解算器，我也不知道有没有能猜到该用哪个发行版的。您可以检查一些统计属性(skew/等)。并在这里进行一些猜测--但您更有可能意外地得到一个很好的拟合，它不能充分表示底层分布。真实的数据是嘈杂的，如果你甚至不知道它是什么分布，那么就会有太多的自由度。

Answer 2

这可能超出了您想要做的事情，但它似乎是最完整的方法(并且它允许访问R中可用的大量统计知识)：

如this thread中所示，

1. 使用JRI在内部使用R与R统计语言
2. 进行通信

Answer 3

看看Apache commons-math。