我是GPGPU和编程的新手。我很想知道是否可以使用CUDA在GPGPU（SIMD）中实现统计假设检验，如单样本Kolmogorov-Smirnov检验（K-S检验）和Levene检验？如果是这样，会有什么限制？
我刚刚阅读了有关这些测试的Web定义，但是，如果我理解正确，它们可以通过SIMD表达的并行性（特别是由CUDA实现）来适当加速。
在K-S测试中，必须计算N个样本的函数和估计之间的差异，然后取最大差异。换句话说，必须对N个不同的值执行相同的操作，这恰好是SIMD（单指令，多数据）。
在Levene的测试中，在N个不同的值上再次存在相同的差异，平方和乘法。
SIMD可以做的是对N个值集的一种FOR语句，前提是迭代彼此独立。因此，例如在CUDA中，编译器可以将迭代分配给图形设备的处理元件，从而并行执行，在单次迭代时对所有数据运行FOR循环。
CUDA工具包提供了一个特定的C / C ++编译器（NVCC），其中特殊指令被分派到GPGPU而不是CPU，因此被分发到其并行处理元件。