毕设开发手记（四）

      昨天磕了一天，没能吧STING算法完工。问题卡在数据正态性检测上了，STING原著论文里提到用X^2假设检验来验证数据的正态性。我搜遍网络，没有找到用C写的源码。自己磕吧，抱着随机数学的书开始写算法，写到一半觉得不对劲。X^2检验正态性是指用的皮尔逊统计量进行的分布拟合检验。而皮尔逊的的统计量在样本量充分大（n>=50）时才近似的服从X^2分布。这意味着基于皮尔逊的X^2正态性检验在小样本中无效（n>=3 && n<50）！

      样本量50是啥概念？以STING的网格来说，最底层（也是最高分辨率）的网格假设是100×100，这个数不算高了。这时每个网格中的统计量来自于至少50个数据。由此得到数据量要50×100×100=50W！50W的数据量才有最高100×100的分辨率，无疑太低了点。再说，我这目前也找不到>=50W的巨型语料库……

      换个正态性检验算法？找到一个不错的——Shapiro-Wilk正态性检验，适用样本量为（n>=3 && n<5000）。哎，随机学太烂，不知道它怎么检测的，搞不出来算法，也找不到有这个算法的免费的数学库。只知道R里有的，但要用的话还要包含一大堆DLL，还是算了吧！