Apakah kaedah khusus untuk analisis statistik data eksperimen?

Empat langkah terlibat dalam analisis statistik khusus data eksperimen: "Rakaman Lengkap Data Mentah → Pelabelan dan Pengelasan Manual → Pengiraan Penunjuk Teras → Pengesahan Kepentingan." Setiap peringkat adalah berguna dan menjamin hasil statistik yang tepat dan boleh dipercayai:

 

Langkah 1: Lengkapkan Rakaman Data Mentah (Tiada Maklumat Hilang)

Setiap titik data direkodkan dengan cara berikut sebaik sahaja percubaan dimulakan. Mengeksportnya sebagai jadual CSV atau Excel adalah dinasihatkan:

Penderia A Penderia Nilai Mentah B Penderia Nilai Mentah Algoritma Sisihan Output Penggera Dicetuskan (Pelabelan Manual) Peringkat Masa Merakam Jadual

Suntikan 12.352 12.358 0.006 True Fault/False Alarm 2026-xx-xx xx:xx

Peraturan untuk Rakaman:

Setiap kali penggera dimatikan oleh algoritma, ia mesti dilog sepenuhnya;

Data sisihan hanya perlu direkodkan sekali setiap jam semasa pengeluaran biasa tanpa makluman (seluruh data tidak perlu disimpan untuk statistik 3σ kemudian);

Untuk mengira kelewatan tindak balas, masa suntikan kerosakan hendaklah direkodkan secara bebas semasa ujian simulasi kerosakan.

 

Langkah 2: Pengelasan dengan Tangan (Membezakan Antara Penggera Betul dan Palsu)

Setelah setiap rekod penggera telah selesai, kategorikan setiap satu secara manual secara individu:

Jenis Penggera

Kriteria untuk Penghakiman

Penggera Sebenar (TP)

Sama ada kecacatan sebenar disuntik secara manual, atau terdapat kerosakan sensor sebenar, sisihan pemasangan atau hanyut yang melebihi toleransi (disahkan selepas pertukaran dan pengesahan).

Penggera Palsu (FP)

Walaupun penderia dan pemasangan adalah normal, penggera dimatikan hanya kerana gangguan atau turun naik.

Penggera Terlepas (FN)

Terdapat masalah sebenar (sama ada diperkenalkan secara manual atau disahkan), tetapi algoritma gagal membunyikan amaran.

Nota: Hanya "kesalahan tulen yang diketahui" dalam penggera yang terlepas mesti dikira; situasi tanpa kesalahan adalah dikecualikan. Hanya hitung "bilangan kali kesalahan yang diketahui tidak mencetuskan penggera."

 

Langkah 3: Pengiraan Kuantitatif Penunjuk Teras

Gunakan formula berikut untuk mengira empat penunjuk asas, kemudian bandingkan hasil secara langsung:

1. Kadar penggera palsu (kebanyakan teras)

Jumlah Penggera (TP + FP) dibahagikan dengan Penggera Palsu (FP) darab 100% ialah Kadar Penggera Palsu.

Sebagai contoh, jika terdapat 20 amaran secara keseluruhan dan 3 daripadanya adalah penggera palsu, kadar penggera palsu ialah 3/20, atau 15%.

2. Kadar Penggera Palsu

Jumlah Kerosakan Sebenar (TP + FN) dibahagikan dengan Penggera Palsu (FN) dikali 100% ialah Kadar Penggera Palsu.

Sebagai contoh, terdapat 10 kecacatan sebenar yang disuntik, 0 penggera palsu dan kadar penggera palsu sebanyak 0%.

3. Purata Masa Tindakbalas

Untuk menentukan kelewatan-percubaan tunggal bagi setiap penggera tulen, hitung masa penggera tolak masa kejadian kerosakan. Purata kependaman respons kemudian dikira dengan purata semua-kelewatan percubaan.

4. Kestabilan dari semasa ke semasa (kadar perubahan kadar penggera palsu)

Kadar perubahan kadar penggera palsu=|Kadar penggera palsu selepas tiga bulan - kadar penggera palsu awal|

Sebagai contoh, kadar penggera palsu awal sebanyak 2%, kadar penggera palsu selepas tiga bulan sebanyak 2.8%, dan kadar perubahan sebanyak 0.8% memenuhi kriteria yang baik.

 

Langkah 4: Mengesahkan kaitan keputusan (mengelakkan ralat rawak)

Gunakan ujian chi-kuasa dua untuk menentukan sama ada perbezaan dalam kadar penggera palsu antara kedua-dua kumpulan adalah rawak jika ia tidak signifikan secara statistik:

Tentukan nilai chi-kuasa dua. Jika p kurang daripada 0.05, ia menunjukkan bahawa pengurangan algoritma yang dioptimumkan dalam kadar penggera palsu adalah tulen dan berkesan dan bukannya turun naik rawak; jika p lebih besar daripada 0.05, ia menunjukkan perbezaan itu tidak ketara dan lebih banyak masa ujian diperlukan sebelum menjalankan statistik tambahan.

Jika anda tidak biasa dengan ujian chi-kuasa dua, anda hanya boleh melihat "peratusan pengurangan kadar penggera palsu": Dapat disimpulkan bahawa prestasi adalah lebih baik dan mencukupi untuk senario kejuruteraan jika kadar penggera palsu algoritma yang dioptimumkan adalah Lebih Besar daripada atau sama dengan 60% lebih rendah daripada algoritma asal.