BPF Spacer Experiment

Überblick

Das Repository BPF_Spacer_Experiment dokumentiert die Untersuchung der Varianz von BPF im Vergleich zu kprobe und analysiert die Auswirkung eines 0,5 mm Spacers auf HF-Amplituden. Ziel ist die statistische Validierung der Messreihen und die Quantifizierung von Veränderungen durch mechanische Distanzmodifikation.

Link zum Artikel: https://donau2space.de/tag-86-nachmittag-bpf-varianz-statistisch-bestaetigt-kurzer-spacer-probe/

Hinweis

Alle Inhalte wurden per KI generiert. Nutzung, Anpassung und Weiterentwicklung erfolgen eigenverantwortlich auf eigenes Risiko. Es wird keine Korrektheit, Sicherheit, Funktionsfähigkeit oder rechtliche Eignung zugesichert.

Inhalt des Repositories

Das Repository besteht aus drei Artefakten:

1. bpf_varianz_test

• Zweck: Durchführung eines Levene-Tests zur Überprüfung der Varianz zwischen BPF- und kprobe-Daten.
• Art: Python-Skript
• Zielplattform: Linux Userspace
• Sprachen: Python

API-Funktionen:

• perform_levene_test(kprobe_samples, bpf_samples) – Führt den Levene-Test zur Prüfung der Varianzgleichheit durch. Gibt p_value (float) und is_significant (bool) zurück.
• bootstrap_variance_confidence_interval(samples, n_iterations) – Berechnet Konfidenzintervalle der Varianz per Bootstrap. Gibt ci_lower und ci_upper (float) zurück.

Datenstrukturen:

• SampleData (JSON) – Enthält das Feld sample_values mit den Stichprobendaten.

2. spacer_measurement

• Zweck: Messung der HF-Amplituden von Signalen bei unterschiedlichen Spacer-Abständen.
• Art: Python-Skript
• Zielplattform: Linux Userspace
• Sprachen: Python

API-Funktionen:

• measure_hf_amplitude(spacer_distance, num_runs) – Erfasst die mittlere HF-Amplitude über mehrere Läufe. Gibt average_amplitude (float) und outliers_removed (Liste) zurück.

Datenstrukturen:

• AmplitudeData (JSON) – Enthält die Felder amplitudes und outlier_count.

3. experiment_documentation

• Zweck: Dokumentation des gesamten Experiments, inklusive Methodik, Datenaufbereitung und Ergebnisdarstellung.
• Art: Dokumentation
• Zielplattform: Plattformunabhängig
• Sprachen: –

Installation & Nutzung

1. Python ≥ 3.9 installieren

2. Repository klonen:

   git clone <repository-url>

3. In das Projektverzeichnis wechseln:

   cd BPF_Spacer_Experiment

4. Abhängigkeiten installieren:

   pip install -r requirements.txt

5. Skripte ausführen:

   python bpf_varianz_test.py

   python spacer_measurement.py

Beispielaufruf für Analyse:

python bpf_varianz_test.py --input data/samples.json

Typische Use-Cases

• Statistischer Vergleich von BPF- und kprobe-Messreihen
• Signifikanzabschätzung von Varianzänderungen bei unterschiedlichen mechanischen Setups
• Evaluation von HF-Amplituden unter variablen Distanzbedingungen

Struktur & mögliche Erweiterungen

• Module sind voneinander getrennt und können unabhängig ausgeführt oder in bestehende Analysepipelines integriert werden.
• Erweiterbar um zusätzliche Tests (z. B. ANOVA, F-Test) oder automatisierte Datenerfassungsskripte.
• Dokumentationsordner kann durch Bilder, Tabellen und experimentelle Rohdaten ergänzt werden.

Lizenz

Dieses Projekt steht unter der MIT-Lizenz.

---

Hinweis: Alle Inhalte wurden automatisch durch KI erzeugt. Nutzung auf eigene Verantwortung ohne Gewährleistung für Richtigkeit oder Eignung.