• 引导应用程序的设计是执行统计分析的各种解码器级通过多的听众。 它使用一种称为引导采样，这意味着它运行的许多模拟使用随机版本的原始数据集的确定性原来的关系发生的机会。

    重新采样技术纳入相关的原始数据集，因而往往更加强大于自己的经典同行某些类型的数据集(歪曲的).

    自举程序进行重采样独立每个监听器(被阻止的分析)的默认。 这增加了电通过假设的收视率一听众产生是彼此相关，尽管所使用的数值范围由一个特定的听众不一定对应于该范围内使用的另一个。

    该程序调整p-值，以考虑到，多次测量增加机会的重大结果是在一个之间的比较两种解码器可能不显着，在上下文的总体实验。 该方案目前使用免费的步降p-值调整，但在未来将使用一个更强大受限制的p-值调整的技术。

  • बूटस्ट्रैप आवेदन डिजाइन किया गया था प्रदर्शन करने के लिए सांख्यिकीय विश्लेषण के विभिन्न codecs द्वारा मूल्यांकन कई श्रोताओं. यह का उपयोग करता है एक तकनीक कहा जाता है बूटस्ट्रैप resampling, जिसका मतलब है कि इसे चलाता है कई सिमुलेशन का उपयोग कर यादृच्छिक के संस्करणों में मूल डेटा सेट निर्धारित करने के लिए संभावना है कि मूल रिश्तों के संयोग से उत्पन्न हुई है ।

    Resampling तकनीक को शामिल सहसंबंध के मूल डेटा सेट, और इस तरह हो जाते हैं और अधिक शक्तिशाली की तुलना में उनकी शास्त्रीय समकक्षों के कुछ प्रकार पर डेटा सेट (विषम).

    बूटस्ट्रैप कार्यक्रम resamples स्वतंत्र रूप से प्रति श्रोता (अवरुद्ध विश्लेषण) डिफ़ॉल्ट रूप से । इस शक्ति बढ़ जाती है के द्वारा यह सोचते हैं कि रेटिंग एक श्रोता का उत्पादन कर रहे हैं के साथ सहसंबद्ध एक दूसरे, हालांकि मूल्यों की रेंज द्वारा इस्तेमाल के लिए एक विशेष श्रोता जरूरी नहीं अनुरूप श्रृंखला के लिए प्रयोग किया जाता है.

    कार्यक्रम को समायोजित कर देता है पी-मूल्यों के खाते में लेने के लिए है कि कई माप वृद्धि की संभावना है कि एक महत्वपूर्ण परिणाम एक तुलना के बीच दो codecs नहीं महत्वपूर्ण हो सकता है के संदर्भ में समग्र प्रयोग है । कार्यक्रम वर्तमान में उपयोग करता है एक नि: शुल्क कदम-नीचे p-मूल्य समायोजन, लेकिन भविष्य में उपयोग करेगा एक अधिक शक्तिशाली प्रतिबंधित p-मूल्य समायोजन तकनीक है ।

  • The Bootstrap application was designed to perform statistical analysis of various codecs rated by multiple listeners. It uses a technique called bootstrap resampling, which means that it runs many simulations using randomized versions of the original data set to determine the probability that the original relationships occurred by chance.

    Resampling techniques incorporate the correlations of the original data set, and thus tend to be more powerful than their classical counterparts on certain types of data sets (skewed).

    The bootstrap program resamples independently per listener (blocked analysis) by default. This increases power by assuming that the ratings a listener produces are correlated with each other, although the range of values used by a particular listener don't necessarily correspond to the range used by another.

    The program adjusts the p-values to take into account that multiple measurements increase the chances that a significant result in a single comparison between two codecs may not be significant in the context of the overall experiment. The program currently uses a free step-down p-value adjustment, but in the future will use a more powerful restricted p-value adjustment technique.