好的。
出色地，谢谢，每个人，为了加入我们。
这标题的我们的项目
是设计一个数字的音乐旋律听力测试。
我是帕特里克朱利亚诺，
和我的共同主持人是查尔斯陈和石匠陈
谁不能是这里今天。
所以我是去至是呈现上他们的代表。
和这个是一个项目，
一个高的-学校干项目启发经过ESTEEM的方法论，
哪个是基本上干但和人工智能，数学，和统计数据出色地-融合的。
好的，所以只是至介绍这个项目
在这项目管理味道和这项目宪章。
这目的的这项目，在影响，是至设计一个测试
至测试这听力能力的一个音乐家。
这实验设计，哲学或者方法我们利用
是JMP的强大的，确定的筛选设计能力。
和我们设计的这测试基于上六音乐旋律变量
在命令至测试听力能力，
在哪里每个问题开始和一个短的旋律
跟随经过四选择，和在哪里只要一是重复
和这其他三旋律是相似的但不是完全相同的。
从这个测试，每个听众有至挑选他们的最好的选择
之中这选项可用的。
一次我们设计的这个测试，我们分析这测试民意调查结果。
我们建造一个灵敏度模型
在考虑的六音乐听力变量，
和然后屏幕这听众至决定哪个那些执行这最好的
在这音乐听力测试。
和在正在做所以，在这筛选过程，
我们分析这优势和弱点的他们的听力能力
在这服务的最终创造一个乐队
和一个等级的听众谁是高度有能力的至评估他们。
可以，然后呢在这服务的科学，
我们有一个介绍至这机制的听力
在哪里这耳朵是只是基本上一个频率-接收仪器
那收集声音和振动的这听小骨这耳朵
和原因这机械的振动至是已转换
进入一个电气刺激，哪个是解释的经过这脑
经过这听觉神经和最终经过这脑。
全部正确的，所以前我们得到进入这实验
和这变量那我们分析，
让我们讲话一个小的少量关于这频率范围的听力
之中个人取决于上他们的年龄。
所以人们的全部年龄没有听力减值
应该是有能力的至听到在一个频率的大约8,000赫兹，
和渐进的失利的灵敏度至更高频率和年龄
是一个普通的发生。
和所以什么这科学告诉我们
是那这听觉结构的更年轻人们
是通常更多的有能力的的吸收或者口译
听力更高频率声音，哪个是，的课程，
相关的在条款的哪个仪器人们是玩，
在哪里这小提琴有一个更高沥青比这大提琴，
所以也许一个更年轻人可能是更多的适合
为了玩这小提琴比一个年长的人。
和所以这个只是给你一个主意那基本上
人们那是在他们的五十年代也许可能只要是有能力的至听到
在12,000千赫... 或者12千赫相当， 12,000赫兹，
然而人们在他们的20 多岁能够听到向上至也许18千赫。
和只是至给一些语境，这平均频率范围
为了什么我们听为了这声音那我们听到最多经常每一个天
是之间250赫兹和6,000赫兹。
好的，所以什么是一些挑战联系和听力
在这语境的声音的不同的频率？
所以人们通常错过高的频率声音
更多的经常比低的频率那些。
和人们和高的频率听力失利，
他们有麻烦听力更高-投球声音，的课程，正确的？
和所以更高沥青声音能够通常来从女性或者孩子们
和是在这上二至八千赫兹范围。
和什么是还典型的
和高的频率听力失利在许多人们
是这在场的一个幻影声音，哪个是这（健康）状况叫耳鸣，
和那竞争感觉的声音能够还抑制一个人的能力
至区分其他高的频率声音。
所以清楚地，年龄是一个重要的因素在条款的设计
一个有效的听力测试和发展一个有效的控制板的听众
谁是调和至音乐。
虽然我们没有明确的考虑年龄在我们的实验，
作为你会看在这随后的幻灯片，
它确实可以是一个因素那我们可以探索更远
在我们的采样战略在条款的这民意调查受访者那我们选择。
好的，所以这基本的措施的听力表现
是叫一个听力图。
和什么你看在这图形上这正确的
是只是一个阴谋的听力临界点等级在分贝上这垂直的轴
相对频率上这水平的。
和你能够清楚地看那作为听力失利进步，
这临界点等级的声音和分贝开始至增加
和这降解和这表现是显示作为这阴谋
分裂这表现经过年移动下进入这正确的。
那是这弹道的这线那是连接这积分
移动下进入这正确的。
好的，所以只是一个小的少量更多的背景
前我们发射进入这设计的这民意调查和这分析。
这意图这里是只是至强调
那频率干涉能够是一个问题
在生产一个悠扬的和谐在一个乐队在特定
或者在任何种类的音乐作品。
和什么是基本上显示这里
是这区别之间什么是叫基本的频率和谐波
在这语境的一个钢琴，
在至少在这笔记规模表明的在这底部。
可以，然后呢什么做我们知道关于这音乐笔记频率光谱？
出色地，每个笔记有，不是出奇，基于上这介绍所以远的，
每个笔记有一个特定频率。
作为一个例子，中间C是在大约262赫兹，
和更高笔记，的课程，是去至有更高频率
和降低笔记有降低频率。
和这个滑动只是给你一个语境
为了什么频率笔记对应至。
所以笔记一个是大约很多更高， 440,
然后笔记C 在 261在这第二放上这正确的，
在这降低部分的这滑动。
好的，所以有一些关系之间频率和这数字的笔记。
频率需要至双倍的每一个12笔记，
和我们有12 个音符在每个八度，七白色的和五黑色的。
和所以你能够看那这个关系，
那频率跟随作为一个功能的这些笔记，
和n是一个力量-法律类型关系。
全部正确的，所以服用我们背部现在至这项目
和这执行和这分析。
所以这项目计划有三阶段。
这第一的阶段是什么我是去至覆盖，
它是这分析那我是去至讨论今天。
这第一的阶段是有效这过程的识别
哪个人们是最好的听力表演者从一个收藏的民意调查结果
那我们发送出去基于上这民意调查那我们设计的。
这第二阶段是识别这最好的听力表演者
从这民意调查结果在命令至服务作为法官。
在这个阶段，基本上，我们尝试至工作上成型这乐队
事先的至阶段三在哪里是实际上正在做这成型。
但在这个实例，是思维关于事物
喜欢哪个仪器有任何潜在的局限性。
和我们可能给这相同的旋律至不同的测试仪器，
和不是每一个乐器能够玩每一个旋律，明显地。
和所以这主意是，
如何做我们知道那这个人那是玩
是玩这些仪器准确？
出色地，我们需要法官谁有好的听能力。
所以这法官那我们策展人从阶段一
将要提供那出色的评估在阶段二。
所以一次我们有那在地方，在阶段三，
我们能够实际上真的形式这数字的乐队。
和出色地思考关于事物喜欢如何许多球员应该是涉及，
谁应该玩在哪里，明显地。
出色地有一个好的理解的如何这旋律可以是难的
为了肯定仪器。
和这个是为什么我们需要阶段二在这中间。
好的，所以这里是我们的设计或者民意调查问题设计。
所以我们已经确定六变量为了本次听证会测试
有关的至音乐，参数在音乐：
步，速度，笔记变了，笔记等级，一个重复多变的，
和一个困难多变的，一个分类的多变的，简单的或者难的。
这实验，作为我提及前，是是使用JMP的渠务署，
和在添加至这默认，是生成一个默认DSD，
和然后在影响，是增广该设计
经过添加二更多的中心点。
所以我们在正在做一个18-跑渠务署，
哪个包括一中心点，哪个是排数字三在这个桌子，
具有表明的和一个零和一个箭突出显示排三。
和然后是添加二更多的中央积分
在排10 和排20分别。
和这主意这里在条款的，是更换这些中心点，
是我们想至得到一个主意的如何持续的这结果是
始终这实验。
所以我们尝试至放一个大致中心点在这开始，在这中间，
和这结尾的这实验。
和这个是类似的至理解无论一个测量过程是稳定的，
如果你是在一个制造业环境，得到一个感觉为了那。
和然后这其他重要的事物关于我们的设计这里
是那是随机化这测试序列，
和那是某物那我们能够做在JMP 通过这一代的这设计。
和患病的节目一个小的少量关于那简要地
什么时候我们来至这下一个很少幻灯片。
和那随机化是真的重要的因为它帮助排除任何偏见
到期的至因素那不是在这实验
什么时候我们跑这测试。
和那偏见是提到至有时作为潜伏变化
或者变化到期的至潜伏变量。
好的，所以有其他考虑那我感动上。
它是在这语境的随机化，但它是轻微地不同的语境，
哪个是一个小的少量更多的独特的
至这个特定应用和实验。
和所以基本上，什么我们做过是生成了一个最初的随机的多变的
和分配一个随机的序列，一二三四，和随机的。
但我们做过一个重新编码上那。
所以我们贴上标签一一个，二乙，三C，和四个D，
和那'什么我们看
在条款的识别这正确的回答。
所以在这二列在这正确的在这个桌子，
在这个20-排桌子，
是识别什么这正确的回答应该是
在条款的这信，
哪个是联系和一个随机的多变的的一二三四，
w这里一对应至一个，两个到乙，三至C，和四至D.
和是正在做这个至确保一个制服分配
的这地点多变的。
和基本上什么那方法在实际的条款是那甲、乙、丙、和D
全部有平等的百分比的存在选择在随机的。
和这个是至避免这偏向情况
在哪里一个学生可能挑选这相同的回答超过和超过再次
在命令至可能增加他的或者她机会的表演出色地，
或者也许因为这民意调查受访者不是支付注意力
或者不是已订婚的在这民意调查。
好的，所以这里是在哪里我们来至一个评估
的这表现的这设计，的这渠务署设计。
这方法我们方法这个
是通过这评估的这统计力量的这实验
哪个是显示上这剩下，在控制板上这剩下
通过一个评估的这混杂图案
或者这程度至哪个因素是相关的在这实验设计，
那就是显示在这控制板在这中间，
和这均匀性，什么我们称呼这均匀度的这设计，
哪个是简单地，什么做这结构体的这设计看喜欢
在一个多元的空间？
有我们覆盖全部的这设计积分在一个大约制服方法
所以那是有能力的至预测穿过这全部的范围的这实验
和这相同的程度的精确？
那又怎样这些三表明，和去背部超过至这剩下，
是那这全面的力量为了每个的这因素在这实验
是更大比90%，哪个是好的。
和它节目我们那我们有好的灵敏度至探测效果，
如果他们是实际上那里在这人口。
这控制板在这中间节目
那这风险的什么我们称呼多重共线性
或者过多的相关性之中这实验因素是低的
因为全部的这成对的相关性在这个相关性矩阵，
最多的他们是蓝色的，
在哪里一个更多的偏蓝相关性对应至一个降低相关性，
在哪里坚硬的蓝色的表示零相关性。
和这正方形那是更近至一个红色的阴影
表明一个更高程度的相关性之中因素或者条款在这实验。
和所以全面的，什么我们看是那我们看为了相关性
那别超出0.3,
和那是通常全部这正方形在这个阴谋
和这例外的那些轻微地微红正方形
在哪里这相关性是一个小的少量更高。
和那是因为我们有分类的因素，正确的？
我们有在至少一分类的因素在这个实验。
和如果我们没有有这在场的一个分类的因素，
这个阴谋将看甚至更蓝。
所以我们说那在渠务署，我们别推荐
添加也许多分类的变量进入这实验，
因为如果我们做，然后我们增加这个相关性问题，
哪个影响我们的能力至生产估计在我们的模型那是精确的，
线索至通货膨胀的方差在我们的估计。
和这最后阴谋上这正确的，上这远的正确的，
哪个是一个指示的这均匀度的这个设计，
是一个分散阴谋矩阵在JMP,
和它节目每个多变的相对每一个其他多变的。
和什么是看着为了
是为了白色的空间至是最小的在这个阴谋。
什么我有画是一个小的圆圈这里哪个您的眼睛能够容易地挑选出去。
有一个小的少量的额外的白色的空间那里
在这路口的重复和步。
和那，再次，是因为我们有一个分类的多变的在我们的实验。
和所以老实说，
有不完美的零在这主要的效果，
不真的中心点在这主要的效果
到期的至这在场的那困难多变的，
这分类的多变的。
和那是反映在这非对称的图案
的这分散阴谋矩阵上这正确的，轻微地非对称，
在哪里那不对称是表明的在那白色的空间
和和这圆圈那我有画。
好的，所以前我讨论这个滑动，我只是想至迅速地节目你
如何我得到至这些设计诊断。
所以什么你是看见这里是这桌子那我只是显示你。
和我有生成这个设计使用这渠务署平台在下面这美国能源部菜单，
在下面确定的筛选和确定的筛选设计。
和后我做过那， JMP 已经产生，
后我完全的这设计桌子一代过程
和充满在这结果， JMP 生成能源部对话脚本，
保存它至这数据桌子，
和我能够实际上重新启动这美国能源部对话，
和我能够还评估这设计。
所以我是去至去先和迅速地点击上设计评估。
和这个是只是一个概述的这设计。
和正确的这里在下面设计评估
是在哪里我得到这诊断有关的最佳哦，
哪个我显示你上这剩下控制板上那滑动，
这诊断那表明
至这程度至哪个因素或条款在这实验是相关。
和那是显示在此处这颜色地图上这相关性。
和至产生这阴谋，
看着在这均匀度之中这因素，
我实际上有至去在和做那在秒赶上阴谋矩阵
在下面这图形菜单，S散点图矩阵。
所以那是只是一些语境为了你。
和现在，我是只是去至迅速地带来向上这下一个滑动
和然后来背部至JMP这里
只是至动态的节目你什么是正在做。
所以这里是大概这最多有趣的部分
的这个实验。
如何做我们增加这民意调查测试困难
和做它在一个聪明的方法？
出色地，我们能够利用分层的聚类分析至做那。
现在，我们已经知道这正确的回答。
它是表明的这里在这相应的柱子。
这选择柱子，
这列的这四变量上这正确的
哪个表明这选择相应的至这20旋律选择
是表明的那里。
所以我们知道，为了例子，在这第一的排，
这正确的答案是C对应至旋律一
在哪里这身份证数字是一。
所以我们已经知道这正确的回答
在哪里我们已经分配它在条款的排命令基于上一个随机的数字，
但如何做我们挑选这其他三答案？
出色地，基于上分层的聚类，
我们能够得到一个感觉的如何关每个的这其他三答案是
至这正确的回答。
和在这个方法，我们能够制作这测试一个小的更多的难的。
所以全部这回答选择是从这20旋律。
如何做我们挑选这更近手续为了每个问题，
或者这最近的手续，如果你将要，
或者甚至也许旋律那是相对地关一起
基于上这聚类标准，但不是尊重那标准严格来说，
正确的？
所以这个可能似乎一个小的少量朦胧，
但在影响，全部是真的正在做
是告诉跳转到分配一个聚类方案经过排
和基于上一些聚类标准那我们指定。
和经过默认，那标准是病房。
所以我是只是去至节目那动态的这里。
所以我有这桌子打开。
全部我做过这里是跑分层C光泽在下面C光泽菜单。
和一次我跑了这个，我去先和调用集群 S总结，
哪个我转身上这里。
和然后手表什么发生这里什么时候我点击上每个的这些集群。
所以你能够看那什么时候我点击上每个的这些集群。
这些是这集群。
所以七和18是联系和每个其他r,
14和十七、八和九，排二和13,和所以上。
所以这个是这主意。
是使用这力量的跳转到确认行
那是联系和每个其他。
和在这个方法，经过安排这回答选择关至每个其他，
我们制作它相对地关至每个其他经过下列的一些图式喜欢这个，
我们制作这测试更多的难的。
好的，所以只是发射背部进入幻灯片这里再次。
好的。
全部正确的，所以基本上这最后的步这里在条款的完成这个实验
是在添加至使用一个被动的标准为了增加这困难的这测试，
我们想一个积极的标准。
所以我们想至是有能力的至分离，
在影响，这初学者等级从这先进的等级。
所以思考的它喜欢这个。
如果每一个问题曾是极好的难的
或者如果全部这选择是非常难的至辨析从，
然后你不会是有能力的至区分之间一个先进的-等级受访者
和一个初学者-等级受访者
因为大家将错过全部的这问题。
相似地，如果你制成全部这问题也简单的，
然后你有全部专家和不初学者，
和所以你有不差异化。
所以基于上这科学，我们有一个假设那步和速度
是这最多重要的因素为了表现，
为了听力表现，为了歧视的之间一个好的旋律，
一个好的作品，和一个坏的音乐作品
和一个坏的一。
所以是我们当然关于那？
出色地，一事物我们能够做是我们可以重新代码这步和速度
经过一个减少 50%
如果它是困难重重等级平等的至难的。
和经过正在做那，在影响，我们仍然有五变量
和那些是表明的在这阴影，正确的？
所以这重新编码步，重新编码速度是这二列那是阴影。
和然后我们有这笔记变了，这笔记等级，和这重复。
所以这渠务署是仍然正交。
我们仍然有三水平。
我们有五变量，
但实际上我们可以包含向上至六在这渠务署设计。
所以如何做我们增加我们的价值在影响经过增加那多变的数字至六？
出色地，我们能够添加这困难多变的或者这分类的多变的
哪个表示任何一个简单的或者难的。
所以我们决定至利用步和速度，结合这些其他三变量，
和这全部的样本尺寸是仍然18加2或者20
和这二中央积分和这一中心点经过默认。
但现在，我们得到五水平为了速度和步，不是三。
所以通过正在做这个小的转型，
我们聪明地创造五水平上二变量
反而的只是有三水平，
哪个是通常什么我们将有在一个渠务署。
所以我思考这个是一个独特的方法
那是还相当具体的至这个问题语境
和给我们更多的水平在我们的设计。
可以，然后呢这个是我们的设计。
如何是我们去至创建...
什么软件是我们去至利用至基本上产生这听力测试？
好的，出色地，这个是只是一个概述的音乐小号软件S合成器，
哪个是什么我们利用，柔软的合成器。
和我们利用它至创造
24多选择音乐旋律听力测试。
它是明显地方便的和便携的和快速地。
全部正确的，所以如何做我们分发这个民意调查聪明？
出色地，我们的方法是...
许多人们做一采样方法。
但这里，我们的方法是至整合全部这不同的采样方法论，
簇采样，分层，和一些额外的聚类内
在命令至分发这民意调查至这正确的观众
至制作这民意调查这最多有用。
所以什么时候你是准备好至发送出去这测验，如何做你做它？
出色地，我有一些例子这里。
谁应该玩这音乐？
嗯，那里是人们谁知道这音乐和人们谁不。
所以我们只要想至发送这调查
至人们谁是已经熟悉的和这音乐，正确的？
因为最终，我们想至利用这些人们
至评估这表现的一个乐队。
在里面分层采样感觉，我们有不同的种类的仪器。
我们可能有五学生在一个特定水池
那知道如何至玩钢琴，
我们可能有二那知道如何至玩小提琴，
和我们可能想至样本聪明地
所以那我们只要挑选一个肯定数字内每个地层的球员，
人们谁玩特定仪器。
所以我们可能挑选随机内每个的这些地层
在一个肯定采样速度。
和再次，和尊重至聚类，
我们能够思考的地点在条款的实践地点或者地理
作为一个选择从许多不同的地理。
在一个感觉，我们簇和限制我们的选择标准
至只要这桑弗朗西斯科湾区域，
因为练习在人是很多更轻松比练习几乎。
好的，所以真的这观点是那这个民意调查传播
和民意调查数据收藏流程是非常整体的
和增加我们的机会的生产一个有效的测试放，如果你将要，
的评价者至帮助我们形式这最多高的-表演乐队。
可以，然后呢迅速地，至裹一切向上，
我们研究过这人类听力频率范围，
这乐器频率光谱，这音乐频率公式，
和我们设计的一个创新的音乐旋律听力测试使用渠务署。
我们还实施的二有趣的方法
至增加这困难的这测试，分层的聚类，
作为出色地作为重新缩放这水平
的这最多重要的预测因子上我们的回应为了这测试答案。
和我们利用这音乐合成器软件
至基本上传播这听力测试穿过这六音乐旋律变量。
和在我们的战略为了传播，我们利用这整体的采样方法。
所以这个在关闭，一些的这方法那我们利用
和这科学那我们发达可以是用过的至开发一个听力援助，
音乐旋律听力援助。
和在我们的当前的市场那是知道的的，
听力艾滋病是真的特别设计的为了人们和听力失利，
但这主意这里将是，如何关于制造一个听力援助
那是关于放大一个肯定信号从噪音，正确的？
和那将，在影响，
增加音乐旋律听力和检测，正确的？
所以主要的客观的这里
将是至堵塞出去噪音那是无关紧要的，
为了例子，噪音从这观众，和然后放大这信号部分
为了这特定频率那是重要的
为了玩一个特定乐器，或者甚至使用这个类型的技术
至甚至出去这沥青，至放大这过渡之间旋律。
和所以在未来工作，一个相似的渠务署设计能够是实施的
在条件发展这个种类的技术。
所以感谢你非常很多为了听和让我们知道如果你有任何问题。
