Опубликовано: Янв 25, 2018

Великие дебаты о распределении: результаты

Tldr: мы обнаружили статистическую разницу между использованием ОКР и распределения пальцев, а также между постукивание ладонью и распределение пальцев - но нет существенной разницы между постукивание ладонью и ОКР. Но мы собираемся продолжить исследования и у нас появятся интересные идеи для следующего эксперимента.

Более длинная версия? Начнем с июня прошлого года, когда мы хотели ответить на довольно простой, как нам казалось, вопрос: "Распространяют ли инструменты распространения?"

Чтобы проверить это, мы изготовили инструмент для вставки в 58-миллиметровую корзину VST, наполненную кофе (измельченную на кофемолке Mazzer при типичной настройке эспрессо), разделив кофе «там, где он лежал» на сегменты внутри инструмента. Хотя внутренний и внешний сегменты имели разную форму, они были равного объема. Затем инструмент можно было опрокинуть, и с помощью специальной крышки мы могли снять каждую отдельную секцию, взвесив их с помощью аналитических весов с точностью до 1/10 000 (!!!) грамма. Здесь у нас есть больше информации об этом инструменте и наших первоначальных идеях для этого эксперимента.

А инструмент распространения В принципе, при эффективном распределении кофе должно быть равномерно распределено по каждому сегменту.

Мы использовали этот инструмент для трех разных стилей распределения: распределение пальцев и ОКР (оба следуя протоколу, рекомендованному от Sasa Sastic) и постукивание ладонью. Было взято по 10 образцов каждого метода.

Первоначально мы планировали по 20 образцов каждый, но это было немного амбициозно. В каждом образце было получено 10 точек данных: сама доза, потери между внешней стороной инструмента и изгибом корзины и сами восемь сегментов. В результате за два дня было проведено 300 измерений. Затем эти результаты были статистически проанализированы в SPSS, инструменте статистического анализа, разработанном IBM.

Нам нужно было упорядочить данные осмысленным образом для анализа, поэтому мы сначала усреднили сегментные измерения каждого образца, сведя их в одно число. Это привело к среднему размеру сегмента из 10 измерений для каждого метода распределения. Рисунок 1, в свою очередь, показывает среднее значение для этих чисел.

Это только описательная статистика, поскольку нам не с чем было осмысленно сравнивать их по отдельности. Однако мы могли бы сравнить среднее значение сегмента для каждого метода распределения с общим средним показателем, показанным на рисунке 1, что дает нам так называемое «среднее абсолютное отклонение» (MAD), которое мы затем снова усредняем. Это хорошая мера для разброса данных: меньшее число показывает меньшую дисперсию, следовательно, лучшее или даже распределение каждого сегмента. На рисунке 2 показаны эти результаты.

Наш первоначальный анализ показал, что эти результаты имеют нормальное распределение, а выбросы были удалены. Хотя это повлияло на предположение о равных размерах выборки, используемый нами дисперсионный анализ (ANOVA) считается достаточно надежным для умеренных отклонений от этого предположения. Затем мы могли бы продолжить односторонний дисперсионный анализ - статистический дисперсионный анализ. Тест Левена, мера, проверяющая, равны ли дисперсии в выборочной совокупности, не был значимым, поэтому мы также могли предположить равенство дисперсии.

Этот односторонний дисперсионный анализ не имел значения. Это было безрезультатным измерением в попытке определить, какой метод распределения из эксперимента был наиболее эффективным. Бу.

Но! В ходе этого эксперимента мы получили множество данных, так что мы могли попробовать под другим углом.

Когда мы записали общую дозу для каждого образца вместе с потерями, мы могли вычесть потерю из дозы и разделить результат на восемь, дав нам пример того, что можно было бы считать «идеальным распределением» для каждого сегмента, для каждого образец. Затем мы вычитаем это число из среднего размера сегмента для каждой соответствующей выборки, что дает нам разницу между «идеальным распределением» и «фактическим распределением». Преобразуя эти числа в абсолютные значения, можно сказать, что чем ниже это число, тем лучше распределение. На рисунке 3 показаны эти результаты.

Результаты были относительно равными: ОКР снова немного опередил остальных с более низким средним показателем по сегменту. Однако другой односторонний дисперсионный анализ этих результатов снова не оказался значимым.

Итак, мы вычислили MAD средней разницы между идеальным распределением и фактическим распределением, прогнали его с помощью другого одностороннего дисперсионного анализа (рисунок 4) и добились успеха! У нас был значительный результат! Анализ показал, что 93% дисперсии можно объяснить методом распределения… Это означает, что между методами распределения практически нет разницы в том смысле, в каком они все отличаться.

Но! Постфактум анализ результатов показал, что значимые результаты были ограничены пост-ОКР и постукивание ладонью методы. Используя среднюю разницу MAD между идеальным распределением и фактическим распределением, это было показано с помощью OCD. после Распределение пальцев приблизило вас к идеальному распределению. Он также показал использование постукивание ладонью вместо Распределение пальцев также приблизило вас к идеальному распределению. Это сделал нет показать с использованием ОКР поверх постукивание ладонью было лучше, или это постукивание ладонью над ОКР было лучше. В этом сравнении между ними не было значительной разницы.

Хм. Нам нужно было нырнуть глубже, поэтому оставался последний угол, который мы могли выбрать. Поскольку у нас были измерения для внешний сегмент каждого образца и измерения для внутренний сегменте каждой выборки, мы могли бы утверждать, что эффективный метод распределения практически не будет иметь разницы между измерениями внутреннего и внешнего сегментов. Усреднение этих чисел для каждой выборки дало бы нам цифру, где меньшее число означало бы лучшее или равномерное распределение. На рисунке 5 показаны эти результаты.

Мы снова добились успеха! Другой односторонний дисперсионный анализ показал значительную разницу между средними значениями. На этот раз 76% дисперсии можно объяснить методом распределения. Но! Пост-хирургический анализ снова показал, что эта разница была между пред-ОКР и ОКР, и до ОКР и постукивание ладонью - опять таки нет между ОКР и постукивание ладонью. Здесь постукивание ладонью имели более низкую среднюю разницу (а также меньшую дисперсию), но эта разница в две 1/100 грамма была нет статистически значимый. Другой односторонний дисперсионный анализ MAD среднего различия между внутренним и внешним сегментом (рис. 6) был столь же незначительным.

У этого эксперимента было несколько ограничений, о которых стоит упомянуть. Очевидно, мы предпочли бы больший размер выборки. Однако план этого эксперимента не позволял легко отобрать образцы. В этом смысле может быть более практичным спланировать эксперимент, сосредоточенный на той же сегментации шайбу, а вот под корзиной, как на самом деле, льется выстрел. Идея «идеального распределения», означающего равные размеры сегментов, сохранится и в этом дизайне. Также существует практическая переменная утрамбовки, которая отсутствовала в этом эксперименте. Кажется, что здравый смысл оказывает понижательное давление на шайбу повлияет на распространение. Мы надеемся сосредоточить внимание на обоих этих соображениях в будущем.

Итак - аккуратное резюме этих результатов? 300+ измерений и шесть ANOVA позже, мы обнаружили статистически значимую разницу между использованием ОКР или постукивание ладонью над распределением пальцев. Однако ОКР - не более эффективная форма распространения, чем постукивание ладонью. Однако, исходя из этого, мы продолжим исследования и эксперименты, чтобы найти окончательный ответ на вопрос: «Распространяют ли инструменты распространения?»

0 Комментариев

Оставить комментарий

14-дневная бесплатная пробная версия - BH Unlimited!+
14-дневная бесплатная пробная версия - BH Unlimited!

Подпишитесь на безлимитную подписку BH сегодня и получите 14-дневную бесплатную пробную версию! Регистрация осуществляется без риска, и вы можете отменить подписку в любое время в течение пробного периода!