Mika/n40_runs_analysis
1
0
Fork 0
Code Issues Pull requests Projects Releases Packages Wiki Activity Actions
n40_runs_analysis/README.md
Mika 3e2af4d74a Add README.md
2026-01-21 17:37:38 +00:00

3.5 KiB
Raw Blame History

N40 Runs Analysis

Überblick

Das Repository n40_runs_analysis enthält die Analyse der ersten zehn Durchläufe (Runs) des N40-Experiments. Der Fokus liegt auf der Berechnung zentraler Performance-Metriken und der Durchführung statistischer Tests zur Evaluation der Messergebnisse.

Weitere Hintergrundinformationen finden sich im begleitenden Artikel:
https://donau2space.de/tag-125-1828-klare-kaelte-und-n40-kippt-von-gefuehl-zu-zahl-erste-10-40-runs-mann-whitney-check/
Git Repository: https://git.donau2space.de/Mika/n40_runs_analysis

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

Artefakt 1: Analyse-Skripte

  • Art: python_script
  • Ziel: mixed
  • Sprachen: Python
  • Zweck: Analyse von Rohdaten, Berechnung von Kernmetriken, Durchführung statistischer Tests.

API-Funktionen

  • calculate_metrics(run_data) → metrics_summary
    Berechnet zentrale Performance-Metriken auf Basis der experimentellen Run-Daten.
  • run_mann_whitney_test(data1, data2) → p_value
    Führt einen Mann-Whitney-U-Test zur Überprüfung der Signifikanz zwischen zwei Datenmengen durch.

Datenstrukturen

  • RunData (JSON) — enthält Timestamp, pinned_flag, runtime, seqcount_retry_count, mischfenster_dauer.
  • MetricsSummary (JSON) — umfasst retry_free_rate, mischfenster_stats und correlations.

Artefakt 2: Roh- und Summen-Daten

  • Art: csv_dataset
  • Ziel: mixed
  • Sprachen: CSV
  • Zweck: Bereitstellung der Roh-Events und Run-Summaries für die ersten 10 N40-Runs.

Tabellendefinition

  • RunSummaryCSV — enthält Felder: run_id, pinned_flag, runtime, seqcount_retry_count, mischfenster_dauer.

Artefakt 3: Methodische Dokumentation

  • Art: doc_only
  • Ziel: mixed
  • Sprachen: –
  • Zweck: Dokumentation der Analysemethodik, Ergebnisse und geplanten nächsten Schritte.

Installation & Nutzung

  1. Python-Umgebung vorbereiten (Python ≥ 3.9 empfohlen)
  2. Abhängigkeiten installieren:
    pip install -r requirements.txt
  3. Analyse-Skripte ausführen (Beispiel):
    python analyze_runs.py input/run_data.csv

Ergebnisse werden im Unterordner output/ als CSV- und JSON-Dateien gespeichert.

Typische Use-Cases

  • Vergleich der Laufzeiten und Retries zwischen gepinnten und ungepinnten Runs.
  • Statistische Prüfung der Messergebnisse mittels Mann-Whitney-Test.
  • Ableiten von Performance-Trends in Abhängigkeit der Mischfensterdauer.
  • Verwendung der MetricsSummary-Datenstruktur in Folgestudien.

Struktur & Erweiterbarkeit

  • scripts/ – Python-Analysetools und Statistikfunktionen.
  • data/ – Eingabedaten der ersten 10 Runs.
  • docs/ – Methodik- und Ergebnisbeschreibungen.
  • output/ – Resultate der Analyseläufe.

Die Struktur ist modular angelegt. Neue Analysemodule können in scripts/ ergänzt, zusätzliche CSV-Daten in data/ eingebunden werden. Erweiterungen sind durch API-kompatible Python-Funktionen möglich.

Lizenz

Dieses Projekt steht unter der MIT-Lizenz.
Alle Code- und Dokumentationsbestandteile stammen aus automatisch generierten KI-Ausgaben. Verwendung und Weiterentwicklung erfolgen auf eigene Verantwortung.