NIST测试结果分析

最近学习需要做了一些关于NIST的工作，便于学习交流，将一些对结果分析的过程做一些总结。

我用的NIST版本（点击打开链接）

前序的如何仿真的过程就不讲了，很多博客又提到，而且NIST的 user guider （点击打开链接）讲得很清楚（下图就是文档里的例子）。

以上只是仿真的过程，接下来进入正题。

一.结果文件都在哪。

二.怎么样才有正确的结果。

三.这些数据之间是什么关系。

一.结果文件在什么地方

仿真结束后会在experiment这个文件夹里面有关于每一项测试的一个单独的文件夹和finalanalysisreport这个文件（后者是讲所有的数据报告整合在一起的一个相对简介的报告文件）

二.怎么样才有正确的结果

    当然很有可能你打开finalanalysisreport.txt这个文件的时候是这样的。

根据我的经验，这是两个原因导致的。1.没有足够多的数据量。2.在运行NIST的时候的how many streanms后面的提示输入的数据不应该是1，感觉数据量足够多的话，保证这个数大于10比较靠谱。

如果你的数据量实在不够，就只能修改一些参数了！比如我就是这样，

我只有10000个数据，这样我虽然可以在finalanalysisreport.txt里面得到具体的p-value值，但是我全测所有测试项时，在这个文件里面并没有serial和approxiamteEntropy的数据，这我就纳闷了！最后在experiment这个文件夹里找到serial和approxiamteEntropy的单独的数据报告文件，看了里面的state这个文件，才知道，也是数据量不够的问题，当然只是针对当前的仿真参数而言的（我用的默认的仿真参数）。

于是我就修改了仿真参数。很幸运，得到了数据结果（下图以approxiamteEntropy的修改为例）。

三.finalanalysisreport.txt这个文件里面的数据都是什么关系。

以上图为例进行说明。

这里的数据组为10（也就是how many streams后我输入的是10），这样由于P-value的取值区间是0-1的，于是将这个区间等分成10个区间，在仿真的时候会得到10个P-value值，所以C1-C10的数值就是这10个P-value落在相应区间的数量（可以在每一个测试对应的文件夹里面找到这些P-value值进行验证）。

那finalanalysisreport.txt的P-value和各测试项报告文件里的10个p-value有什么关系了！

其实finalanalysisreport.txt的P-value只是衡量这10个p-value分布均匀性的一种指标而已，是利用卡方分布进行统计的！

当然，我虽然知道了这些，但是我数据量不够，在finalanalysisreport.txt里面还是没有serial和approximateEntropy的结果，于是我就只能自己手算了。

找到serial和approximateEntropy在experimens文件夹里的报告文件，里面的result的数据就是我需要的数据（当然你得先保证这些数据是有效的，看state里面是否通过测试，通过了说明数据有效），接下来就是根据上图的公式进行手算了！

算出X^2这个值不难，根据数据将分布表写出来，直接就可以计算了！问题是igamc这个函数，就没有办法了！于是我利用了matlab计算，matlab里面的这个函数是gammainc(x,a),也就是不完全gamma函数。虽然可以得到结果，但是我利用测得的frequence的P-value（finalanalysisreport.txt里的值）利用这个公式在matlab里进行验证，结果并不是完全相同。

于是我只能利用最后一招了！

得出serial和approximateEntropy的P-value值分布后，直接在finalanalysisreport.txt里面找和这两个有相同分布的数据项，这样两者的P-valueT肯定是相同的。从X^2的计算来看，这种分布相同只要具有相同的比重量就可以，没有必要C1-C10的分布比重完全一样。看倒数第二图里面的blockfrequence和第一个cumulativesums，他们的P-valueT是相同，但是再看他们的分布，只是都是三个2，四个1，和三个0,而已。

终于写完了！希望对各位有所帮助，其实如果你的数据量够多，有几十万个那么，其实就简单了很多，省去了很多没有必要的麻烦，我刚刚开始就是很纳闷为什么会得不到所有的数据项的结果报告，都是数据量的问题！还有就是user guider真的很有必要好好看一下！