Μαθηματική Προσέγγιση στο Internet of Things
Μέσω των αισθητήρων λαμβάνουμε κάποια δεδομένα για τη θερμοκρασία, μέσω των οποίων μπορούμε να υπολογίσουμε:
Μέσο Όρο Θερμοκρασίας: Καταγράφουμε από τους αισθητήρες τιμές θερμοκρασίας, τις αθροίζουμε και διαιρούμε με το πλήθος των τιμών πχ. Παίρνουμε 3 τιμές θερμοκρασίας για 3 διαφορετικές ώρες. (Θ1+Θ2+Θ3)/3
Μέγιστη τιμή Θερμοκρασίας: Καταγράφουμε μέσω των αισθητήρων τις τιμές της θερμοκρασίας. Σε κάθε περίπτωση θα πρέπει να ισχύει Θ(i)>Θ για κάθε τιμή Θ του δείγματος. Ελάχιστη τιμή Θερμοκρασίας: Καταγράφουμε μέσω των αισθητήρων τις τιμές της θερμοκρασίας. Αυτήν τη φορά πρέπει να ισχύει Θ(i)<Θ για κάθε τιμή Θ του δείγματος. Με τον ίδιο τρόπο λαμβάνουμε δεδομένα για τα dB(ντεσιμπέλ), μέσω των οποίων μπορούμε να υπολογίσουμε:Μέσο Όρο dB(ντεσιμπέλ): Καταγράφουμε τα dB από τους ήχους της πόλης, τα αθροίζουμε και διαιρούμε με το πλήθος των τιμών πχ. Παίρνουμε 10 τιμές dB για 10 διαφορετικές ώρες. (Η1+ Η2+… + Η10)/10.
Από τον συγκεκριμένο Μέσο Όρο μπορούμε να κατατάξουμε την περιοχή που έγιναν οι μετρήσεις σε χαμηλού, μεσαίου ή υψηλού κινδύνου στην ηχορύπανση.
Ενδεικτικά:
- Μετρήσεις μικρότερες από 70 dB-> χαμηλός κίνδυνος για την υγεία των ζωντανών οργανισμών
- Μετρήσεις άνω των 70 dB και μικρότερες των 85 dB-> μεσαίος κίνδυνος για την υγεία των ζωντανών οργανισμών
- Μετρήσεις άνω των 85 dB -> υψηλός κίνδυνος για την υγεία των ζωντανών οργανισμών
![](https://ieee.cs.uowm.gr/citizension/wp-content/uploads/2022/05/3542817-300x200.jpg)
Έννοιες που θα χρειαστούμε:
Μέσος όρος [1]: είναι το άθροισμα των τιμών μιας ομάδας αριθμών διαιρούμενο με το πλήθος των αριθμών αυτής της ομάδας.
Δείγμα: Πρόκειται για ένα μέρος ενός πληθυσμού για τον οποίο εξάγουμε συμπεράσματα.