해당 커넥터에서 측정 된 장치의 전송 전력이 예상 값의 2dB 이내인지 확인해야하는 요구 사항이 있습니다 95 % 이상의 테스트 측정.전송 전력이 예상 값의 특정 제한 범위 내에서 테스트 측정 값의 95 % 이상인지 확인하십시오.
전 신호 분석기를 사용하여 전송 된 전력을 분석하고 있습니다. 나는 측정 값의 평균 전력 값, 최소값, 최대 값 및 표준 편차만을 얻고 개별 전력 값은 얻지 않습니다.
지금, 질문은 평균 전력, 최소, 최대 및 표준 출력을 사용하여 "95 % 것을"확인하는 방법입니다. 정상적인 분포를 사용하여 95 % 신뢰 수준을 찾을 수있는 것 같습니다.
누군가가 나를 도울 수 있으면 감사하겠습니다.
내가 이것을 읽고 있어요 방법을 예상
덕분에, 내가이 틀렸다면,이 답변의 나머지 부분은 아마도 모욕적 기본이 될 것입니다, 그래서 당신은 통계 초보자 것, 그리고 난 죄송합니다.
어쨌든 데이터 세트가 정상적으로 배포되고 모든 관측치가 서로 독립적 인 경우 데이터 포인트의 95 %가 평균의 1.96 표준 편차에 해당한다는 아이디어가 있습니다.
평균 전력은 측정 할 때마다 동일한 견적을 얻습니까? 아니면 독서에서 독서까지 약간의 임의적 인 차이가 있습니까? 내 추측은 두 번째 것입니다. 만약 당신이 힘을 한꺼번에 측정한다면 평균 파워 값을 히스토그램에 그릴 때마다 표본 평균의 히스토그램은 종 모양의 곡선을 가질 것입니다. 표본 평균의 종 곡선은 고유 한 평균 및 표준 편차를 가지며 각 평균 전력 값을 계산할 때 수천 또는 수백만 개의 데이터 요소가있는 경우 정규 분포라고 가정하는 것이 끔찍하지 않습니다. 이 현상에 대한 설명을 '중심 극한 정리 (central limit theorem)'라고하며, Khan academy's presentation of it과 the wikipedia page on it을 모두 권장합니다.
반면에 평균 전력이 예를 들어 n = 5 또는 n = 30과 같이 작은 수의 데이터 포인트의 평균 인 경우 표본 평균 분포의 가정은 상당히 나쁠 수 있습니다. 이 경우 평균 전력에 대한 95 % 신뢰 구간은 평균보다 작은 qt (0.975, n-1) * SD/sqrt (n)에서 위의 qt (0.975, n-1) * SD/sqrt 여기서 평균은 n-1 자유도를 갖는 t 분포의 97.5 번째 백분위 수이고 q는 (0.975, n-1)은 측정 된 표준 편차입니다.
그것은 중앙 한계 정리가 말하는 것이 아닙니다. CLT는 X의 합계 (평균 계산의 기초가되는 표본 평균)의 분포 동작에 대해 이야기합니다. 예를 들어, X의 기본 분포가 기하 급수적 인 경우, 더 많은 관측치를 얻으면 데이터가 점점 더 지수적일 것입니다. 마술처럼 변형되어 정상이되지 않습니다. – pjs
우, 쏘지 마! 얼마나 많은 표본을 가져 가든지 상관없이 지수 분포가 정상이되지 않을 것이라는 것에 전적으로 동의합니다. 나는 그런 말을하지 않았다. 제가 주장하는 바는, 어떤 통계 분포에서 취한 * 표본 평균 *의 분포는 충분한 표본과 함께 대략 정상이 될 것이고,이 결과는 중앙 한계 정리로부터 따릅니다. –
나는 당신의 답이 서면으로 분명하지 않고, 기술적으로는 정확하지 않다고 생각한다. 왜냐하면 표준은 표본 평균의 수가 증가함에 따라 표본 크기 *가 증가함에 따라 표본 평균이 증가하기 때문이다. 답변을 조금 더 명확하게 편집하십시오. – pjs
이 질문은 프로그래밍이나 소프트웨어 개발 대신 통계 및 [math.se]에 관한 것으로 보입니다. – Pang