模拟分布

我正在进行能力规划任务，并且已经阅读了一些书籍。这特别是关于分布。我用R

1. 建议使用什么方法来确定我的数据分布是什么？有统计方法可以识别它吗？

我有这张图。

2. 使用R有哪些可用的模拟方法？在这里，我想为特定分布（例如指数）生成数据。如果我想将r-java与Java集成，它是正确的方法吗？

3. 当我通过管道传输特定分布的数据时，是否可以预测效果（CPU使用率等）的分布？发送某些数据分布有什么不同的影响？

请考虑这些作为初学者的问题。是否有涉及此类模拟的书籍或材料？

笔记

该图摘自论文的结尾http://people.stern.nyu.edu/adamodar/pdfiles/papers/probabilistic.pdf。

我遇到过的健身技巧

拟合优度评估

1. 卡方
2. 柯尔莫哥洛夫-斯米尔诺夫，
3. Anderson-Darling统计密度，CDF，PP和QQ图

如果我发现我的分布是正态分布或指数分布等，我不确定该怎么解释或下一步应该做些什么？它可以做什么？预测？希望这个问题清楚。

根据我的尼尔·冈瑟（Neil Gunther）的《能力规划》一书，指数延迟会导致队列波动。所以我知道这一点。

我将回答您有关使用R模拟的观点，因为这是我所熟悉的唯一模型。R有很多可以模拟的内置分布。命名的逻辑是模拟一个名为disname 的分布rdis。

以下是我最常使用的

# Some continuous distributions.
?rnorm
?runif
?rgamma
?rlnorm
?rweibull
?rexp
?rt
# Some discrete distributions.
?rpoiss
?rbinom
?rnbinom
?rgeom
?rhyper

您可以在R的拟合分布中找到一些补数。

另外：感谢@jthetzel提供了一个链接，其中包含发行版及其所属软件包的完整列表。

但是，还有更多：好吧，按照@whuber的评论，我将尝试解决其他问题。关于第一点，我从不采用拟合优度方法。取而代之的是，我一直在思考信号的起源，例如引起这种现象的原因，产生信号的原因是否存在某些自然的对称性等。您需要涉及本书的几章内容，因此我仅举两个例子。

1. 如果数据是计数且没有上限，则尝试泊松。泊松变量可以解释为时间窗口内连续独立计数，这是一个非常通用的框架。我对分布进行拟合，并（通常在视觉上）查看方差是否得到了很好的描述。通常，样本的方差要高得多，在这种情况下，我使用负二项式。负二项式可以解释为泊松与不同变量的混合，这种情况更为笼统，因此通常非常适合样本。

2. 如果我认为数据在均值周围对称，即偏差均可能为正或负，则尝试拟合高斯。然后，我再次（视觉上）检查是否有很多离群值，即数据点离均值很远。如果有的话，我改用学生的t。学生的t分布可以解释为具有不同方差的高斯混合，这也是非常普遍的。

在这些示例中，当我目视地说时，是指我使用QQ图

要点3，也值得几个书的章节。使用分发而不是其他分发的影响是无限的。因此，我将继续上面的两个示例，而不是全部介绍。

1. 在我成立之初，我不知道负二项式可以有一个有意义的解释，所以我一直都使用Poisson（因为我希望能够用人类的术语来解释参数）。通常，当您使用Poisson时，您可以很好地拟合均值，但会低估方差。这意味着您无法重现样本的极值，并且您会将这些值视为异常值（数据点与其他点的分布不相同），而实际上却不是。

2. 再说一遍，我不知道学生的t也有有意义的解释，我会一直使用高斯。发生了类似的事情。我会很好地拟合均值和方差，但是我仍然不会捕获异常值，因为几乎所有数据点都应在均值的3个标准差之内。同样的事情发生了，我得出结论，有些观点是“非凡的”，而实际上并非如此。