Tldr: abbiamo trovato una differenza statistica tra l'utilizzo del DOC e la distribuzione delle dita e tra toccando il palmo e distribuzione delle dita, ma nessuna differenza significativa tra toccando il palmo e DOC. Ma continueremo a fare ricerche e avremo alcune idee interessanti per il prossimo esperimento.

La versione più lunga? Cominciamo a giugno dello scorso anno, dove volevamo rispondere a quella che ci sembrava una domanda abbastanza semplice: "Gli strumenti di distribuzione distribuiscono?"

Per testare ciò, abbiamo realizzato uno strumento da inserire in un cestello VST da 58 mm pieno di caffè (macinato su un macinino Mazzer su una tipica impostazione dell'espresso) dividendo il caffè "dove giaceva" in segmenti all'interno dello strumento. Sebbene i segmenti interno ed esterno avessero una forma diversa, avevano lo stesso volume. Lo strumento potrebbe quindi essere ribaltato e con un coperchio personalizzato potremmo rimuovere ogni singola sezione, pesandole utilizzando bilance analitiche accurate a 1/10.000 (!!!) di grammo. Abbiamo di più su questo strumento e le nostre idee iniziali per questo esperimento qui.

UN strumento di distribuzione che distribuisce efficacemente dovrebbe, in linea di principio, distribuire una quantità uniforme di caffè in ciascun segmento.

Abbiamo usato questo strumento su tre diversi stili di distribuzione: distribuzione con le dita il DOC (entrambi seguendo il protocollo consigliato di Sasa Sastic) e toccando il palmo. Sono stati prelevati 10 campioni di ciascun metodo.

Inizialmente avevamo previsto 20 campioni ciascuno, ma questo era un po' ambizioso. Ogni campione ha prodotto 10 punti dati: la dose stessa, lo spreco tra l'esterno dello strumento e la curva del cestello e gli otto segmenti stessi. Ciò è culminato in 300 misurazioni effettuate in due giorni. Questi risultati sono stati poi analizzati statisticamente in SPSS, uno strumento di analisi statistica progettato da IBM.

Abbiamo dovuto organizzare i dati in modo significativo per l'analisi, quindi abbiamo prima fatto la media delle misurazioni dei segmenti di ciascun campione, condensandole in un numero. Ciò ha determinato una dimensione media del segmento delle 10 misurazioni per ciascun metodo di distribuzione. La Figura 1, a sua volta, mostra la media di quei numeri.

Queste sono solo statistiche descrittive, poiché non avevamo nulla con cui confrontarle in modo significativo individualmente. Tuttavia, potremmo confrontare la media del segmento per ciascun metodo di distribuzione con la media totale mostrata nella figura 1, ottenendo quella che è nota come "deviazione media assoluta" (MAD) che poi facciamo nuovamente la media. Questa è una buona misura per la dispersione dei dati, con un numero inferiore che mostra una minore dispersione, quindi una distribuzione migliore o uniforme di ciascun segmento. La Figura 2 mostra questi risultati.

La nostra analisi iniziale ha mostrato che questi risultati erano distribuiti normalmente e che i valori anomali sono stati rimossi. Sebbene ciò abbia influito sull'ipotesi di uguali dimensioni del campione, l'analisi della varianza che abbiamo utilizzato (ANOVA) è considerata abbastanza robusta per deviazioni moderate da questa ipotesi. Potremmo quindi continuare con un'ANOVA unidirezionale, un'analisi statistica della varianza. Il test di Levene, una misura che verifica se le varianze nella popolazione del campione sono uguali, non era significativo, quindi potremmo anche assumere l'uguaglianza della varianza.

Questa ANOVA unidirezionale non era significativa. Questa è stata una misurazione inconcludente nel tentativo di discernere quale metodo di distribuzione dall'esperimento fosse più efficace. Boo.

Ma! Abbiamo ottenuto una grande quantità di dati da questo esperimento, quindi abbiamo potuto provare un'angolazione diversa.

Poiché abbiamo registrato la dose totale per ogni campione, insieme allo spreco, potremmo sottrarre lo spreco dalla dose e dividere il risultato per otto, dandoci una proxy di quella che potrebbe essere considerata "distribuzione perfetta" per ogni segmento, per ogni campione. Quindi sottraiamo questo numero dalla dimensione media del segmento per ciascun campione corrispondente, ottenendo la differenza tra "distribuzione perfetta" e "distribuzione effettiva". Convertendo questi numeri in valori assoluti, potremmo dire che più basso è questo numero, migliore è la distribuzione. La figura 3 mostra questi risultati.

I risultati sono stati relativamente uniformi, con l'OCD che ha di nuovo leggermente superato il gruppo con una media del segmento inferiore. Tuttavia, un'altra ANOVA unidirezionale per questi risultati non era ancora significativa.

Quindi abbiamo calcolato il MAD della differenza media tra la distribuzione perfetta e la distribuzione effettiva, l'abbiamo passata attraverso un'altra ANOVA unidirezionale (figura 4) e il successo! Abbiamo avuto un risultato significativo! L'analisi ha mostrato che 93% della varianza potrebbe essere spiegata dal metodo di distribuzione … Il che significa che non c'è praticamente alcuna differenza tra i metodi di distribuzione, nel senso che Tutti variare.

Ma! L'analisi post hoc dei risultati ha mostrato che i risultati significativi erano limitati al post-OCD e toccando il palmo metodi. Usando la differenza media MAD tra distribuzione perfetta e distribuzione effettiva, questo ha mostrato l'uso di un DOC dopo la distribuzione con le dita ti ha avvicinato alla distribuzione perfetta. Ha anche mostrato usando toccando il palmo Invece della distribuzione delle dita ti ha anche avvicinato alla distribuzione perfetta. lo ha fatto non mostra usando l'OCD over toccando il palmo era meglio, o quello toccando il palmo sopra l'OCD era meglio. In questo confronto, non c'era alcuna differenza significativa tra i due.

Hmmm. Dovevamo immergerci più a fondo, quindi c'era un'ultima angolazione che potevamo prendere. Dato che avevamo le misure per il esterno segmento di ciascun campione e misurazioni per il interno segmento di ciascun campione, potremmo sostenere che un metodo di distribuzione efficace avrebbe poca o nessuna differenza tra le misurazioni del segmento interno ed esterno. La media di questi numeri per ciascun campione ci darebbe una cifra in cui un numero inferiore significherebbe una distribuzione migliore o uniforme. La Figura 5 mostra questi risultati.

Abbiamo avuto di nuovo successo! Un'altra ANOVA unidirezionale ha mostrato una differenza significativa tra le medie. Questa volta 76% della varianza potrebbe essere spiegata dal metodo di distribuzione. Ma! L'analisi post hoc ha mostrato ancora una volta che questa differenza era tra pre-OCD e OCD e pre-OCD e toccando il palmo - ancora non tra DOC e toccando il palmo. Qui toccando il palmo aveva una differenza media inferiore (così come una varianza inferiore) ma questa differenza di due centesimi di grammo era non statisticamente significante. Un'altra ANOVA unidirezionale della differenza media MAD tra segmento interno ed esterno (figura 6) era ugualmente insignificante.

C'erano alcune limitazioni a questo esperimento che devono essere menzionate. Ovviamente, avremmo preferito un campione più grande. Tuttavia, il design di questo esperimento non si prestava a un facile campionamento. In questo senso, può essere più pratico progettare un esperimento incentrato sulla stessa segmentazione del disco da hokey su ghiaccio, ma sotto canestro mentre il tiro si sta effettivamente riversando. L'idea di "distribuzione perfetta" che significa dimensioni del segmento uguali rimarrebbe con questo design. C'è anche la variabile pratica della rincalzatura che era assente da questo esperimento. Sembra una pressione al ribasso di buon senso sul disco da hokey su ghiaccio influenzerebbe la distribuzione. Su entrambe queste considerazioni speriamo di concentrarci in futuro.

Quindi, un riassunto accurato di questi risultati? Oltre 300 misurazioni e sei ANOVA dopo, abbiamo trovato una differenza statisticamente significativa tra l'utilizzo del DOC o toccando il palmo sulla distribuzione delle dita. Tuttavia, il DOC non è una forma di distribuzione più efficace di toccando il palmo. Sulla base di questo, tuttavia, continueremo a ricercare e sperimentare per trovare una risposta conclusiva a questa domanda: "gli strumenti di distribuzione distribuiscono?"