পরিসংখ্যানগুলিতে ডেসিবেল ব্যবহার করা

11

আমি এমন একটি প্রকল্পে কাজ করছি যার সাথে আরএফআইডি ট্যাগগুলি পড়া এবং আপনি অ্যান্টেনার কনফিগারেশনটি পরিবর্তন করার সময় পাঠক যে সিগন্যাল শক্তির সাথে তুলনা করছেন তার সাথে তুলনা করছেন (অ্যান্টেনার সংখ্যা, অবস্থান ইত্যাদি ...)। প্রকল্পের অংশ হিসাবে, আমাকে সেটআপগুলি তুলনা করতে হবে যা দেখতে সবচেয়ে কার্যকর।

আদর্শভাবে, আমি দুটি অ্যান্টেনার পজিশনের (বা একাধিকের মধ্যে মানোভা) মধ্যে একটি আনপায়ার্ড টি-টেস্ট বা একটি অ্যানোভা সম্পাদন করতে সক্ষম হব। যাইহোক, প্রতিক্রিয়াটি ডেসিবেলে যা লোগারিথমিক হয়, আমি ভাবছি যে এটির সাথে এগিয়ে যাওয়ার সর্বোত্তম উপায় কোনটি?

ফলাফলগুলিকে রৈখিক স্কেলে রূপান্তর করা এবং তারপরে আমি উল্লিখিত যে কোনও একটি পদ্ধতি ব্যবহার করে তুলনা করা ভাল কিনা, বা ডেসিবেলগুলিকে তুলনা করার জন্য একটি পৃথক পরিসংখ্যান পরীক্ষার সাথে ব্যবহার করা উচিত?

data-transformation linear-model descriptive-statistics

— ব্রায়ান ট্রুম্যান
সূত্র

2

ট্যাগ সম্পাদনা করার স্বাধীনতা গ্রহণ। গাণিতিক পরিসংখ্যান অনুশীলনে একটি অকেজো ট্যাগ। লোগারিদমিক সিরিজটি পৃথক পৃথক পৃথক কিছুকে পৃথক প্রতিক্রিয়ার সাথে উল্লেখ করে।

— নিক কক্স

1

যেহেতু আপনি গাউসীয় বিতরণ ধরে ধরে পরীক্ষা ব্যবহার করছেন, প্রতিক্রিয়াগুলি বিতরণ যদি লিনিয়ার স্কেলের চেয়ে ডিবিতে "আরও গাউসিয়ান" হয় (যেমন মূল তথ্যটি প্রায় লগ স্বাভাবিক) তবে লোগারিথমিক স্কেলে থাকার বিষয়টি বোধগম্য।

— লুকা সিটি

@ নিককক্স, আমি মনে করি প্রুফের mathematical-statisticsঅনুরোধ করার সময় ঠিকঠাক কাজ করে, সংশ্লিষ্ট ট্যাগটি আগের ট্যাগটির প্রতিশব্দ ছিল।

— রিচার্ড হার্ডি

সম্ভবত আমার "এই জাতীয় প্রশ্নের জন্য একটি অকেজো ট্যাগ" বলা উচিত ছিল।

— নিক কক্স

5

রূপান্তর করা হবে কিনা তা নির্ভর করে আপনি কোন স্কেলে আপনার অনুমানটি চান তার উপর।

সাধারণত, এর ফাংশনের ভেরিয়েন্স এর ভেরিয়েন্সের সাথে সমান হয় না । কারণ রূপান্তর সঙ্গে , তারপর তার উপর পরিসংখ্যানগত অনুমান (অনুমান পরীক্ষা বা আস্থা অন্তর) করণ , তারপরে ব্যাক-ট্রান্সফর্মিং প্রয়োগ করার জন্য এই অনুমানের ফলাফলগুলি অবৈধ (যেহেতু পরীক্ষার পরিসংখ্যান এবং সিআই উভয়ই বৈকল্পিকের একটি অনুমানের প্রয়োজন)। $x$ $x$ $\sigma^{2}_{f(x)} \ne f(\sigma^{2}_{x})$ $x$ $f$ $f(x)$ $f^{-1}$ $x$

রুপান্তরিত ভেরিয়েবল + এ সিআইএস ভিত্তিবিন্দু ব্যাক রূপান্তর নামমাত্র কভারেজ সম্ভাব্যতা ছাড়া অন্তর, একটি অনুমান উপর ভিত্তি করে এত ব্যাক রুপান্তরিত আস্থা উত্পাদন করে একটি অনুমান উপর ভিত্তি করে আস্থা নয় । $f(x)$ $x$

তেমনি, ট্রান্সফর্মড ভেরিয়েবলের উপর অনুমানের পরীক্ষার ভিত্তিতে অপরিবর্তিত ভেরিয়েবলগুলি সম্পর্কে সূচনা বলতে বোঝায় যে নীচের যে কোনওটি সত্য হতে পারে, উদাহরণস্বরূপ, কিছু গ্রুপিং ভেরিয়েবল উপর ভিত্তি করে সম্পর্কে তৈরি করার সময় : $x$ $y$

$x$ পুরো জুড়ে উল্লেখযোগ্যভাবে পৃথক , তবে পুরো জুড়ে উল্লেখযোগ্যভাবে পৃথক নয় । $y$ $f(x)$ $y$
$x$ পুরো জুড়ে উল্লেখযোগ্যভাবে পৃথক , এবং পুরো জুড়ে উল্লেখযোগ্যভাবে পৃথক । $y$ $f(x)$ $y$
$x$ পুরো জুড়ে উল্লেখযোগ্যভাবে আলাদা হয় না এবং পুরো জুড়ে উল্লেখযোগ্যভাবে পৃথক হয় না । $y$ $f(x)$ $y$
$x$ পুরো জুড়ে উল্লেখযোগ্যভাবে পৃথক হয় না , তবে পুরো জুড়ে উল্লেখযোগ্যভাবে পৃথক হয় । $y$ $f(x)$ $y$

সংক্ষেপে, গ্রুপগুলিতে উল্লেখযোগ্যভাবে পৃথক কিনা তা জেনেও পুরো জুড়ে আলাদা হয় কিনা তা আপনাকে জানায় না । $f(x)$ $y$ $x$ $y$

সুতরাং d ডিবিগুলিকে রূপান্তর করতে হবে কিনা এই প্রশ্নের উত্তর আপনি ডিবি বা ঘৃণিত ডিবি সম্পর্কে যত্নশীল কিনা তা দিয়েই দেওয়া হবে।

— অ্যালেক্সিস
সূত্র

14

সুনির্দিষ্টভাবে আপনার পরামর্শ দেওয়ার কোনও সুযোগ পাওয়ার জন্য আমাদের ডেটা দেখতে হবে তবে অনুমান করা সম্ভব।

আপনি যেমনটি বলেছেন, ডেসিবেলগুলি ইতিমধ্যে লগারিদমিক স্কেলে রয়েছে। এর অর্থ সম্ভবত বিভিন্ন শারীরিক এবং পরিসংখ্যানগত কারণে, তারা প্রায় ভবিষ্যদ্বাণীকারীদের উপর শর্তসাপেক্ষে প্রায় অ্যাডিটিভ, সমকামী এবং প্রতিসম বিতরণ করে ভাল আচরণ করার যথেষ্ট সম্ভাবনা রয়েছে। আপনি নিজের ডিজাইনের ভেরিয়েবলগুলি পরিবর্তন করার সাথে সাথে কীভাবে প্রতিক্রিয়া হওয়া উচিত তার একটি শারীরিক বা ইঞ্জিনিয়ারিং যুক্তি দিতে সক্ষম হতে পারেন।

আমি কোন সম্ভাব্য নীতি বা তত্ত্ব তার মানে আপনি কৃতজ্ঞ হয় তাদের একটি আবেদন করার আগে exponentiate জানি পরীক্ষা বা ANOVA। আমি আশা করব যে পরিসংখ্যানগত আচরণ আরও খারাপ করা, আরও ভাল নয়। $t$

একই ধরণের যুক্তি সাধারণত পিএইচ বা রিখটার স্কেলের মতো অন্যান্য "প্রাক-রূপান্তরিত" লোগারিথমিক স্কেলগুলির ক্ষেত্রে প্রযোজ্য।

পিএস: আরএফআইডি ট্যাগগুলি কী তা ধারণা নেই।

— নিক কক্স
সূত্র

4

আরএফআইডি এর ট্যাগগুলি হ'ল রেডিও ফ্রিকোয়েন্সি আইডি ট্যাগগুলি ... আপনার পাসপোর্ট, লাইব্রেরি উপকরণ, চিপড ক্রেডিট কার্ড ইত্যাদি that জিনিস যা টোকন-ভিত্তিক আইডি ওয়্যারলেস করে সম্ভব করে তোলে।

— অ্যালেক্সিস

2

সেখানে এলোমেলো মনে হচ্ছে ডাউনভোট। আমার কাছে অভিযোগ করার খুব বেশি কারণ নেই কারণ আমার অল্প কাজের জন্য বেশ কয়েকটি ভোট রয়েছে এবং এটি দুর্দান্ত উত্তর নয়। (কিছু ডেটা দেখার জন্য আমি আরও ভাল করে লিখতে পারতাম)) তবে ডাউনভোটটি নিরর্থক: কোনও কারণ ছাড়াই কারও মন পরিবর্তন করার সুযোগ নেই!

— নিক কক্স

3

আমি ঠিক জানি? আমি সত্যিই চাই ভোটাররা গঠনমূলক প্রতিক্রিয়া ছেড়ে দেবে।

— অ্যালেক্সিস

3

ঠিক আছে, এই প্রশ্নের যথাযথভাবে উত্তর দেওয়ার একমাত্র উপায় হ'ল কিছু ডেসিবেল ডেটা দেখার জন্য - কোনও সাধারণ বিতরণ কি আছে (উদাহরণস্বরূপ গাউসিয়ান বিতরণ) যা এটির জন্য একটি ভাল মডেল? বা ডেটা এর ঘনিষ্ঠতা কি আরও ভাল প্রার্থী? আমার অনুমান যে অ-তাত্পর্যপূর্ণ ডেটা প্রায় গাউসিয়ান এবং অতএব যে কোনও পরবর্তী বিশ্লেষণ আরও সহজ করে তুলতে আপনার এটি ব্যবহার করা উচিত, তবে আমি আপনাকে এর বিচারক হতে দেব।

আমি আপনার প্রস্তাবিত বিশ্লেষণ নিয়ে ইস্যুটি নিয়েছি, যা বিভিন্ন পরীক্ষাগুলির (যেমন পৃথক অ্যান্টেনার অবস্থানগুলি) থেকে পর্যবেক্ষণ করা তথ্যের জন্য তাত্পর্যপূর্ণ পরীক্ষা প্রয়োগ করা। এর পদার্থবিজ্ঞানের কথা বিবেচনা করে, কিছুটা পার্থক্য থাকতে হবে, সম্ভবত বিয়োগ, সম্ভবত যথেষ্ট stan তবে একটি অগ্রাধিকার কিছুটা পার্থক্য রয়েছে, অতএব বৃহত পরিমাণে ডেটা সেট করে আপনাকে অবশ্যই কোনও পার্থক্যের নাল অনুমানটি বাতিল করতে হবে। সুতরাং একটি তাত্পর্য পরীক্ষার প্রভাব কেবলমাত্র "আপনার কাছে / আপনার কাছে একটি বড় ডেটা সেট নেই" উপসংহারে আসে। এটি খুব কার্যকর বলে মনে হচ্ছে না।

আরও কার্যকর হবে বিভিন্ন অ্যান্টেনার পজিশনের মধ্যে পার্থক্যের পরিমাণ নির্ধারণ করা এবং কোন পজিশনটি নির্বাচন করা উচিত তা সিদ্ধান্ত নিতে অ্যাকাউন্টের ব্যয় এবং সুবিধাগুলিও গ্রহণ করতে হবে। পরিমাণযুক্ত পার্থক্য কখনও কখনও "প্রভাব আকার বিশ্লেষণ" বলা হয়; এর জন্য একটি ওয়েব অনুসন্ধানে কিছু সংস্থান তৈরি করা উচিত। ব্যয় এবং সুবিধা ইউটিলিটি তত্ত্ব এবং সিদ্ধান্ত তত্ত্বের শিরোনামে আসে; আবার অনুসন্ধানে কিছু সংস্থান খুঁজে পাওয়া যাবে।

— রবার্ট ডডিয়ের
সূত্র

2

(লোগারিদমিক) ডেসিবেল স্কেল দরকারী কারণ একটি সংকেতের শক্তি প্রায়শই একটি (পরিবর্তনশীল) সিরিজ (বা তরল পরিসীমা) দ্বারা গুণণের দ্বারা বর্ণিত হতে পারে।

উদাহরণস্বরূপ, যদি 1 সেমি পুরু প্রাচীর সিগন্যালটিকে পাওয়ার (10 ডেসিবেল হ্রাস) থেকে কমিয়ে দেয়। $\frac{1}{10}$
তারপরে 2 সেন্টিমিটার পুরু প্রাচীর সিগন্যালটিকে reduces পাওয়ার (20 ডেসিবেল রিডিউশন) হ্রাস করে। $\frac{1}{100}$
এবং একটি 3 সেমি পুরু প্রাচীর সিগন্যালটিকে পাওয়ার (30 ডেসিবেল হ্রাস) থেকে হ্রাস করে $\frac{1}{1000}$
প্রভৃতি

আরও সাধারণভাবে, আপনি যদি প্রাচীরের বেধকে অ-বিচ্ছিন্ন করেন তবে সিগন্যালটি (যদি আপনি এটি অপরিকল্পিত ইউনিটগুলিতে প্রকাশ করেন) একটি ঘনিষ্ঠ ফাংশন দ্বারা প্রকাশ করা যেতে পারে

P [m W] = P_{0} {(\frac{1}{10})}^{L [c m]}

$P[mW] = P_0 \left( \frac{1}{10} \right)^{L[cm]}$

এটি আরও সহজ, যদি আপনি একটি লিনিয়ার ফাংশন হিসাবে সিগন্যাল পাওয়ারের লগারিদমটি প্রকাশ করেন (যা আপনি যদি চান তবে পরম স্কেল সম্পর্কে কিছু সংজ্ঞা প্রয়োজন, এক্ষেত্রে 0 ডিবি 1 মেগাওয়াট সম্পর্কিত)

P [d B] = 10 (\log (P_{0} [m W]) - L [c m])

$P[dB] = 10 \left(\log(P_0[mW])-L[cm]\right)$

যখনই আপনার এমন একটি প্রক্রিয়া রয়েছে যা এর গুণক হয়:

X \propto e^{Y}

$X \propto e^Y$

প্যারামিটার সাধারণ বিতরণ: $Y$

Y \sim N (μ, σ^{2})

$Y \sim N(\mu,\sigma^2)$

তারপরে লগ-স্বাভাবিক বিতরণ এবং (বা অন্য কোনও লোগারিদমিক স্কেল যেমন এক্স ডিগ্রি স্কেল প্রকাশিত) এর একটি সাধারণ বিতরণ থাকে। $X$ $log(X)$

আমি আশা করি যে আপনার ত্রুটি শব্দটি এর মতো গুণক হবে । এটি হ'ল: সিগন্যাল শক্তিটি অনেকগুলি সাধারণ বিতরণ ত্রুটি শর্তগুলির সমষ্টি হবে (যেমন পরিবর্ধক তাপমাত্রার ওঠানামা, বায়ুমণ্ডলীয় পরিস্থিতি ইত্যাদি) যা সংকেত শক্তির জন্য অভিব্যক্তির প্রকাশকতে ঘটে ।

y_{i} = e^{x_{i} + ϵ_{i}}

$y_{i} = e^{x_i+\epsilon_i}$

— সেক্সটাস এম্পেরিকাস
সূত্র