Welche spezifischen Methoden gibt es für die statistische Analyse experimenteller Daten?
Eine Nachricht hinterlassen
Die fachstatistische Analyse experimenteller Daten umfasst vier Schritte: „Vollständige Erfassung der Rohdaten → Manuelle Kennzeichnung und Klassifizierung → Berechnung der Kernindikatoren → Signifikanzüberprüfung.“ Jeder Schritt ist nützlich und garantiert anspruchsvolle und vertrauenswürdige statistische Ergebnisse:
Schritt 1: Rohdatenaufzeichnung abschließen (kein Informationsverlust)
Jeder Datenpunkt wird nach Beginn des Experiments wie folgt aufgezeichnet. Der Export als CSV- oder Excel-Tabelle wird empfohlen:
Sensor A Rohwert Sensor B Rohwert Algorithmus Ausgabeabweichung Alarm Ausgelöst Bemerkungen (manuelle Beschriftung) Tabelle Aufzeichnungszeit Prozessphase
Injektion 12.352 12.358 0.006 Wahrer Fehler/Falscher Alarm 2026-xx-xx xx:xx
Regeln für die Aufnahme:
Jedes Mal, wenn ein Alarm durch den Algorithmus ausgelöst wird, muss dieser vollständig protokolliert werden;
Die Abweichungsdaten müssen während der regulären Produktion ohne Warnungen nur einmal pro Stunde aufgezeichnet werden (die gesamten Daten müssen nicht für spätere 3σ-Statistiken gespeichert werden);
Um die Reaktionsverzögerung zu berechnen, sollte die Fehlerinjektionszeit während der Fehlersimulationstests unabhängig aufgezeichnet werden.
Schritt 2: Manuelle Klassifizierung (Unterscheidung zwischen echten und falschen Alarmen)
Sobald jede Alarmaufzeichnung abgeschlossen ist, kategorisieren Sie sie manuell einzeln:
Art des Alarms
Kriterien für die Beurteilung
Echter Alarm (TP)
Entweder wird manuell ein echter Defekt injiziert, oder es liegt ein echter Sensorfehler, eine Installationsabweichung oder eine Drift vor, die die Toleranz überschreitet (überprüft nach Austausch und Überprüfung).
Fehlalarm (FP)
Selbst wenn Sensor und Installation normal sind, wurde ein Alarm nur aufgrund von Störungen oder Schwankungen ausgelöst.
Alarm verpasst (FN)
Es liegt ein echtes Problem vor (entweder manuell eingeführt oder verifiziert), aber der Algorithmus konnte keine Warnung auslösen.
Hinweis: Bei verpassten Alarmen müssen nur „bekannte echte Fehler“ gezählt werden; Situationen ohne Fehler sind ausgenommen. Zählen Sie einfach, „wie oft ein bekannter Fehler keinen Alarm ausgelöst hat“.
Schritt 3: Quantitative Berechnung des Kernindikators
Verwenden Sie die folgenden Formeln, um die vier Basisindikatoren zu berechnen, und vergleichen Sie dann die Ergebnisse direkt:
1. Die Rate an Fehlalarmen (am meisten Kern)
Die Gesamtzahl der Alarme (TP + FP) geteilt durch die Fehlalarme (FP) mal 100 % ergibt die Fehlalarmrate.
Wenn es beispielsweise insgesamt 20 Warnungen gäbe und drei davon Fehlalarme wären, läge die Fehlalarmrate bei 3/20 oder 15 %.
2. Rate falscher Alarme
Die Gesamtzahl der tatsächlichen Fehler (TP + FN) geteilt durch Fehlalarme (FN) mal 100 % ergibt die Fehlalarmrate.
Beispielsweise wurden 10 tatsächliche Fehler injiziert, 0 Fehlalarme und eine Fehlalarmrate von 0 %.
3. Mittlere Reaktionszeit
Um die Verzögerung eines einzelnen -Versuchs für jeden echten Alarm zu bestimmen, berechnen Sie die Alarmzeit abzüglich der Fehlerauftrittszeit. Die durchschnittliche Antwortlatenz wird dann durch Mittelung aller Verzögerungen bei einzelnen Versuchen berechnet.
4. Stabilität über die Zeit (Änderungsrate der Fehlalarmrate)
Änderungsrate der Fehlalarmrate=|Fehlalarmrate nach drei Monaten - anfängliche Fehlalarmrate|
Beispielsweise erfüllen die anfängliche Fehlalarmrate von 2 %, die Fehlalarmrate nach drei Monaten von 2,8 % und die Änderungsrate von 0,8 % die guten Kriterien.
Schritt 4: Überprüfung der Relevanz der Ergebnisse (Vermeidung zufälliger Fehler)
Verwenden Sie den Chi{0}}-Quadrat-Test, um zu bestimmen, ob der Unterschied in den Fehlalarmraten zwischen den beiden Gruppen zufällig ist, wenn er nicht statistisch signifikant ist:
Bestimmen Sie den Chi-Quadratwert. Wenn p kleiner als 0,05 ist, bedeutet dies, dass die Reduzierung der Fehlalarmrate durch den optimierten Algorithmus echt und effektiv ist und keine zufällige Schwankung darstellt. Wenn p größer als 0,05 ist, bedeutet dies, dass der Unterschied nicht signifikant ist und dass mehr Testzeit erforderlich ist, bevor zusätzliche Statistiken durchgeführt werden können.
Wenn Sie mit dem Chi-Quadrat-Test nicht vertraut sind, können Sie sich einfach den „Prozentsatz zur Reduzierung der Fehlalarmrate“ ansehen: Daraus kann geschlossen werden, dass die Leistung für technische Szenarien besser und angemessen ist, wenn die Fehlalarmrate des optimierten Algorithmus größer oder gleich 60 % niedriger ist als die des ursprünglichen Algorithmus.
