Anderson 和 Darling (1952, 1954) 引入了拟合优度统计来检验随机样本来自具有指定分布函数的连续总体的假设。 它是对 Kolmogorov-Smirnov (KS) 检验的修改，并且比 KS 检验赋予尾部更多的权重。 相应的双样本版本由 Darling (1957) 提出，并由 Pettitt (1976) 进行了详细研究。 Anderson-Darling k 样本检验由 Scholz 和 Stephens (1987) 引入，作为两样本 Anderson-Darling 检验的推广。 它是一种非参数统计程序，即秩检验，因此，除了样本是来自其各自连续总体的真正独立随机样本外，不需要其他任何假设（尽管对绑定观察做出了规定）。 它检验以下假设，即从中抽取两个或多个独立数据样本的总体是相同的。 该检验可用于决定是否可以合并来自不同来源的数据，因为它们被判断为来自

restful-api-perf-test 用于测试restful api性能的工具

Duck.gltf用于测试load 3d at runtime

VC 压缩算法：LZW和RLE用法测试，这个源码主要是演示LZW和RLE压缩算法是如何使用的，是一个用法的测试程序，运行效果如截图所示。 RLE 压缩算法(PCX, TGA图像)，Demo源码未经过严格测试，请先保存待压缩文件再进行压缩测试。作者：付黎。

React本机电视演示 示例React Native项目以测试电视设备上的基本功能。 React Native有用于构建电视设备的文档： 该示例项目提供UI元素，以测试跨目标本机设备和Web的兼容性。 将应用程序安装到设备上之后，就可以测试以下元素： 组件 大事记 重点 滚动 输入 视频 开始吧 安装 ： git clone git@github.com:dev-seb/react-native-tv-demo.git cd react-native-tv-demo/ yarn install 测试 ： # AndroidTV yarn run android # tvOS yarn run ios # Browser yarn run web 演示版 组件 可触摸的高光 Touchabe不透明度 按钮 转变 文字输入 模态 活动指标 图像 图片背景 大事记 Back

你好世界！ （战争风格） 这是用于测试Servlet容器部署的最简单的Java Web应用程序。 它可以在任何容器上工作，并且不需要其他依赖项或配置。

vsgExamples 测试和说明如何使用和可选附件库的示例程序。 示例程序根据它们说明其依赖关系的功能类型进行分组。 例子 实例 示例 例子 范例 示例 例子 示例 例子 示例 示例 示例 实例 构建vsgExamples的快速指南 先决条件： 符合C ++ 17的编译器，即g ++ 7.3或更高版本，Clang 6.0或更高版本，Visual Studio 2017或更高版本。 1.1或更高版本。 3.7或更高版本。 使用母版 可选-用于3D模型和图像加载器 可选-用于窗口GUI示例 上面的依赖版本已知可以正常工作，因此已将它们设置为当前的最低版本，有可能可以针对较旧的版本进行构建。 如果您发现旧版本成功，请告诉我们，我们可以更新版本信息。 命令行构建说明： 要在源代码中进行构建和安装，并将所有依赖项安装在标准系统目录中： git clone https://git

遗传算法、粒子群算法等的智能优化算法性能测试 函数 用于测试优化算法的测试集函数cec2017 包含sphere等经典的测试函数python和matlab两种代码实现

ffmpeg win版，用于测试rtmp

关键配置用于测试环境总的配置