计算机网络中E1和T1中解释

Posted 2023-05-06

请问在计算机网络中E1和T1中E,T是什么单词的简称
可是E,T是哪个单词的简称呢。
为什么叫E,T呢？

你好~

北美的24路脉码调制PCM简称T1，速率是1.544Mbit/s 欧洲的30路脉码调制PCM简称E1，速率是2.048Mbit/s

我国采用的是欧洲的E1标准。

E1的一个时分复用帧（其长度T=125us）共划分为32相等的时隙，时隙的编号为CH0~CH31。其中时隙CH0用作帧同步用，时隙CH16用来传送信令，剩下CH1~CH15和CH17~CH31共30个时隙用作30个话路。每个时隙传送8bit，因此共用256bit。每秒传送8000个帧，因此PCM一次群E1的数据率就是2.048Mbit/s。 北美使用的T1系统共有24个话路，每个话路采样脉冲用7bit编码，然后再加上1位信令码元，因此一个话路占用8bit。帧同步码是在24路的编码之后加上1bit，这样每帧共有193bit，因此T1一次群的数据率为1.544Mbit/s。 参考技术A T1E1一般都是光纤入出的. E1基于ATM SDH. 如果你了解POS的话.

你可以去查阅关于POS网的资料.后来出现了CE1. CE1是一种可划份时隙的E1链路,和E1一样,都是2M. 到终端时需要E1或者CPOS板卡来支持.

------------------------------------------------

3.日本,欧洲一般用T1. 而中国,用E1.接口是G.703.本回答被提问者采纳

如何在 R 中解释 t.test

【中文标题】如何在 R 中解释 t.test

【英文标题】：How to interpret t.test in R

【发布时间】：2021-10-29 09:08:10

【问题描述】：

我有一个数据集，其中包含来自不同行业组的许多公司的两个变量（x1 和 x2）。我计算了大约 500 家公司的变量“test1”。我们得到以下代码：

 df$test1 <- df$x1 - df$x2

library(broom)
result.test <- df %>% 
  group_by(industry) %>% do(tidy(t.test(.$test1, , mu=0)))

结果按“行业”分组，但我不清楚 t 检验如何进​​行。是对每个变量“test1”进行t检验，然后在行业组中呈现平均结果，还是对每个行业组确定“test1”的平均值，然后进行t检验？

【问题讨论】：

我对你的问题有点不清楚。数据集中只有一个test1变量，所以我不知道你所说的“每个变量test1”是什么意思...？

我的数据集中有 500 家公司。为每个公司计算变量“test1”。我更新了我的问题

【参考方案1】：

我们也可以使用nest_by

library(dplyr)
library(tidyr)
library(broom)
mtcars %>%
    nest_by(cyl) %>%
    transmute(out = list(tidy(t.test(data$drat, alt = 'two.sided', 
         mu = 0)))) %>% 
    ungroup %>% 
    unnest(out)

-输出

# A tibble: 3 x 9
    cyl estimate statistic  p.value parameter conf.low conf.high method            alternative
  <dbl>    <dbl>     <dbl>    <dbl>     <dbl>    <dbl>     <dbl> <chr>             <chr>      
1     4     4.07      36.9 5.03e-12        10     3.83      4.32 One Sample t-test two.sided  
2     6     3.59      19.9 1.04e- 6         6     3.15      4.03 One Sample t-test two.sided  
3     8     3.23      32.4 7.93e-14        13     3.01      3.44 One Sample t-test two.sided  

【参考方案2】：

因此 t 检验适用于每个行业级别的子集，以下是 mtcars 的示例：

library(broom)
result.test <-
  mtcars %>% 
  group_by(cyl) %>%
  do(tidy(t.test(.$drat, , mu=0)))

# A tibble: 3 x 9
# Groups:   cyl [3]
    cyl estimate statistic  p.value parameter conf.low conf.high method            alternative
  <dbl>    <dbl>     <dbl>    <dbl>     <dbl>    <dbl>     <dbl> <chr>             <chr>      
1     4     4.07      36.9 5.03e-12        10     3.83      4.32 One Sample t-test two.sided  
2     6     3.59      19.9 1.04e- 6         6     3.15      4.03 One Sample t-test two.sided  
3     8     3.23      32.4 7.93e-14        13     3.01      3.44 One Sample t-test two.sided  

现在，我将只过滤 cyl = 4

mtcars %>% 
  filter(cyl == 4) %>% 
  do(tidy(t.test(.$drat, , mu=0)))

  estimate statistic  p.value parameter conf.low conf.high method            alternative
     <dbl>     <dbl>    <dbl>     <dbl>    <dbl>     <dbl> <chr>             <chr>      
1     4.07      36.9 5.03e-12        10     3.83      4.32 One Sample t-test two.sided 

我得到了相同的结果，所以这就像对分组变量的每个级别的每个子集应用 t 检验