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