Android ADF 检验线性平稳性：代码示例

要判断一组 int 类型数据是否线性平稳，可以使用自回归差分移动平均模型（Autoregressive Integrated Moving Average, ARIMA）来进行分析。ARIMA 模型可以用于预测时间序列数据，并且可以判断数据是否平稳。

以下是使用 ADF 检验（Augmented Dickey-Fuller test）来判断一组 int 类型数据是否线性平稳的代码示例：

import org.apache.commons.math3.stat.regression.OLS;
import org.apache.commons.math3.stat.regression.SimpleRegression;
import org.apache.commons.math3.stat.regression.OLSMultipleLinearRegression;
import org.apache.commons.math3.stat.regression.MillerUpdatingRegression;
import org.apache.commons.math3.stat.regression.GeneralizedLeastSquares;
import org.apache.commons.math3.stat.regression.GaussianLeastSquaresOptimizer;
import org.apache.commons.math3.stat.regression.AbstractMultipleLinearRegression;
import org.apache.commons.math3.stat.regression.MillerUpdatingRegression;
import org.apache.commons.math3.stat.regression.RegressionResults;
import org.apache.commons.math3.stat.regression.RegressionResults;
import org.apache.commons.math3.stat.regression.SimpleRegression;
import org.apache.commons.math3.stat.regression.OLSMultipleLinearRegression;

public class ADFTest {
    public static void main(String[] args) {
        int[] data = {1, 2, 3, 4, 5}; // 替换成你的数据

        // 创建简单线性回归模型
        SimpleRegression regression = new SimpleRegression();
        for (int i = 0; i < data.length; i++) {
            regression.addData(i, data[i]);
        }

        // 计算回归系数和残差
        double slope = regression.getSlope();
        double intercept = regression.getIntercept();
        double[] residuals = regression.getResiduals();

        // 计算差分
        double[] differences = new double[data.length - 1];
        for (int i = 0; i < differences.length; i++) {
            differences[i] = data[i + 1] - data[i];
        }

        // 创建简单线性回归模型
        SimpleRegression diffRegression = new SimpleRegression();
        for (int i = 0; i < differences.length; i++) {
            diffRegression.addData(i, differences[i]);
        }

        // 计算差分回归系数和残差
        double diffSlope = diffRegression.getSlope();
        double diffIntercept = diffRegression.getIntercept();
        double[] diffResiduals = diffRegression.getResiduals();

        // 打印结果
        System.out.println('原始数据回归系数：' + slope);
        System.out.println('原始数据残差：' + Arrays.toString(residuals));
        System.out.println('差分数据回归系数：' + diffSlope);
        System.out.println('差分数据残差：' + Arrays.toString(diffResiduals));
    }
}

在上述代码中，我们首先计算了原始数据的回归系数和残差，然后计算了差分数据的回归系数和残差。根据 ADF 检验的原理，如果原始数据不是线性平稳的，那么差分数据的回归系数应该接近于 0。

你可以根据实际情况修改 data 数组的数值，然后运行代码来判断数据是否线性平稳。