80 lines
No EOL
3.5 KiB
Markdown
80 lines
No EOL
3.5 KiB
Markdown
# 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/](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.* |