T5557卡 参数

Posted 2023-05-12

T5557卡的一般参数就可以，谢谢！

参考技术A Temic T5557读写器（串口）
外型尺寸：140*100*30
读卡类型：T5557卡
读卡距离：20～80mm
读卡时间：<100ms
工作电压：DC5V
工作电流：50mA
工作频率：125KHz
输出方式：RS232
嵌入式模块，是以读、写T5557射频IC卡为主要任务，若配以相应的CPU和控制程序时具有多卡型操作的特点，同时也可以实现对EM系列RFID卡的只读操作具有良好的辨识能力。

补充说明：
≡≡≡≡≡≡≡≡≡≡≡≡≡≡≡≡≡≡≡≡≡≡≡≡≡≡≡≡≡≡≡≡≡≡≡≡≡≡≡≡≡≡≡≡

① T5557读写器的数据传输线中已包含5V直流电源线在内，5V电源经键盘转换口取得。因此，该 传输线的圆形6针转接头请先插在PC机的键盘接口上，再把键盘的6针插头插在转接头的6针插孔内；

② 再将9针扁插头插入“COM1”口，另一端的“RS485插头”插入读写器对应插口上，这样，读写 器与PC机的连接便告结束。

③ T5557读写器与运行的PC机接通时，读写器被加电，其上的“红灯”点亮，读写器内蜂鸣器鸣 响一短声，表述“COM1”端口已自动初始化成功，打开“T5557RWc.exe”程序，弹出程序界面，点击 相应 按钮即可读写或传输T5557卡的相关数据，读写成功时，“绿灯”会闪亮，蜂鸣器同步鸣响提示。

④ T5557读写器请勿与“COM2”端口连接，以免出错。

⑤ 如果你的电脑中还没有安装过 Adobe 电子阅读器，请先双击安装本光碟中附带的 Adobe 公司 最新电子阅读器软件中文版“ar50ch.exe”。在重启电脑后，你就可以直接点击打开光碟中的“**.pdf ”电子文档了。

⑥ 如果你之前安装过Adobe 电子阅读器软件，则光碟中的“*.pdf”文档应该有“PDF”图标出现 ，而不是 Windows 不能识别的“Windows窗口图标！否则，你应该安装或重新安装Adobe 电子阅读器软 件！

开发包及软件下载

python 数据分析不同情况下的t检验Wilcoxon符号秩检验Wilcoxon秩和检验卡方检验Fisher检验

目录

• 1 单样本和两样本均值的t检验
• 2 单样本和两样本关于中位数的非参数检验
• 3 拟合优度的$X^2$检验
• 4 列联表的$X^2$检验及Fisher检验

1 单样本和两样本均值的t检验

（1）单样本

举例：$H_0:\mu =3.1\rightleftharpoons H_1:\mu \ne 3.1$

import scipy.stats as stats
import numpy as np

np.random.seed(1010)
x = np.random.normal(3,1,500)
stat,p_value = stats.ttest_1samp(x,3,1)
print(stat,p_value)

（2）两样本

举例：$H_0:{\mu }_1={\mu }_2\rightleftharpoons H_1:\mu \ne {\mu }_2$

import scipy.stats as stats
import numpy as np

np.random.seed(1010)
x = np.random.normal(3,1,500)
y = np.random.normal(3.2,1,500)
stat,p_value = stats.ttest_ind(x,y,equal_var=False)#不假定方差相等
print(stat,p_value)

2 单样本和两样本关于中位数的非参数检验

（1）单样本之Wilcoxon符号秩检验

$$H_0:M=3.1\rightleftharpoons H_1:M\ne 3.1$$

import scipy.stats as stats
import numpy as np

np.random.seed(1010)
x = np.random.normal(3,1,500)
stat,p_value = stats.wilcoxon(x-3.1,correction=True)
print(stat,p_value)

（2）两样本之Wilcoxon秩和检验

$$H_0:M_1=M_2\rightleftharpoons H_1:M_1<M_2$$

import scipy.stats as stats
import numpy as np

np.random.seed(1010)
x = np.random.normal(3,1,500)
y = np.random.normal(3.2,1,500)

stat,p_value = stats.mannwhitneyu(x,y,alternative='less')
print(stat,p_value)

3 拟合优度的$X^2$检验

（1）$X^2$检验

拟合优度检验是检验一组样本观测值是不是来自一个已知分布的总体。拟合优度的$x^2$检验的原理为：根据假设的分布可以在一些任意划分的k个范围计算出期望值$E_1,E2,...,E_k$，而根据在这些区域所得到的观测值$O_1,O_2,...,O_k$可以得到检验统计量$X^2={\sim }_{i=1}^k\frac{(O_i-E_i{)}^2}{E_i}$，渐渐服从$x^2$分布。

import scipy.stats as stats
import numpy as np

# 初始化举例的数据
size = 5000
x= stats.poisson.rvs(10,size = size,random_state=1010)
fig = plt.figure(figsize=(12,5))
H = plt.hist(x,20,color='white','hatch='/')
E = np.diff(stats.poisson.cdf(H[1],10))*size
h_0 = H[0]
# 卡方检验
chisq,p = stats.chisquare(f_obs=h_0,f_exp=E)
print(chisq,p)

拟合优度检验还可以用Kolmogorov-Smirnov检验

stat,p_value = stats.kstest(x,lambda x:stats.poisson.cdf(x,10))
print(stat,p_value)

4 列联表的$X^2$检验及Fisher检验

（1）Pearson $X^2$检验检验

import scipy.stats as stats
import numpy as np

#列联表
X =np.array([[10,20,4],[20,9,8]])#2×3的列联表

chi2,p,df,exp = stats.chi2_contingency(X)
print(p,df)

（2）似然比$X^2$检验

import scipy.stats as stats
import numpy as np

#列联表
X =np.array([[10,20,4],[20,9,8]])#2×3的列联表

chi2,p,df,exp = stats.chi2_contingency(X,lambda_='log_likelihood')
print(p,df)

（3）Fisher $X^2$检验

import scipy.stats as stats
import numpy as np

#列联表
X1 =np.array([[10,20],[20,9]])#2×2的列联表
oddsratio,p = stats.fisher_exact(X1)
print(oddsratio,p)