统计方法在移动通信网络优化管理的应用 |
|
|
四分位距的数据称为极端异常数据在在图中红色‘+’表示该处数据为一粗大异常数据。 采用盒须图模型的优势[2],1.有强大的稳健性和耐抗性(抗崩溃),极端值几乎不影响。2.不需要分布的先验知识,对数据真实的呈现。3.能包含绝大多数带分布性质的合理数据,并且判断异常值是以四分位数和四分位距为依据,较为客观。多达25%的异常数据不能影响这个标准。4.可视化直观间接的观察数据的统计性质,可通过盒中横线、盒形长短、盒须长短和红十字观察到中位数、四分位距、合理范围和异常值等情况。此外,还可以观察到分布的偏态和尾重。若数据分布为正态分布,中位数和数学期望将重合,异常值判定约在±2.638σ以外,异常数据占全部数据不大于0.7%,与莱特准则接近。 1.3应用实例 我们以2010年11月1日到2011年2月23日,某省话务量最大的四个城市(一类城市)的寻呼成功率为例子,演示计算过程、画出盒须图(非异常数据占总数据比)。见图2: 我们再以这四个一类城市的2010.9.8~2011.2.23的PDCH复用度所有指标数据,应用盒须图模型,考察它的合理数据(非异常数 据)的占比,见表1。来源:Www.Ybask.Com 。 另外,我们对某省21个地级市的2010.11.1~2011.2.23信道完好率指标做盒须图横向对比,观察它所呈现的数据特性,见图3。 根据以上的结论,我们可以验证用盒须图模型的方法观察数据: 1)异常数据只是占数据总体的少量部分,并且都有明显的离群的现象。 2)考虑了数据的分布形态,尊重了地市的现实情况。 3)直观、可视化,并为从事质量管理提供了如数据中心、分布离散程度等其他相信息。 2地市分类 由于各地市在经济发展速度、网络建设、人口和社会环境等各种因素的不均衡,要有根据的对不同地市分类比较,才能做到尊重地区差异的情况。因此,要科学合理的根据话务统计指标划分地市,必须要采用统计学的方法,为网优管理提供有效的决策支持。 因此,我们尝试用移动通信KPI、话务量和数据业务量等数据,采用K-均值聚类的方法来研究移动通信的地市分上一页 [1] [2] [3] [4] [5] 下一页 |
|
|
|
上一个论文: 县乡统计方法制度改革创新探索 下一个论文: 浅谈医学统计方法在临床医学科研中的应用 |
|