Análisis estadístico general de mediciones de parámetros de la red celular en Quito
DOI:
https://doi.org/10.36825/RITI.10.21.011Resumen
La cantidad de datos que la conexión entre un terminal móvil y la red celular genera son altas, y analizar el comportamiento que éstos tienen es motivo de investigación para varios autores. Pero antes de comenzar un análisis es imprescindible realizar un análisis estadístico del conjunto de datos, que previamente debió haber sido preprocesado, para de esta manera conocer el comportamiento de las variables que conforman la base de datos. Este artículo presenta el análisis estadístico realizado a las mediciones de los parámetros de la red celular en la ciudad de Quito, recolectada a partir de aplicaciones celulares. Primero se describen los datos y herramientas de análisis, en este caso Python y algunas librerías, luego se desarrollan análisis estadísticos mediante el uso de gráficos, que facilitan su interpretación. Como resultados se identificaron las variables que definen el comportamiento de los datos y su distribución para considerarla como información de calidad. Además, se determinó la correlación de las variables significativas con las demás variables.
Citas
Bahra, N., Pierre, S. (2021). A Hybrid User Mobility Prediction Approach for Handover Management in Mobile Networks. Telecom, 2 (2), 199-212. https://doi.org/10.3390/telecom2020013
Mei, L., Gou, J., Cai, Y., Cao, H., Liu, Y. (2021). Realtime Mobile Bandwidth and Handoff Predictions in 4G/5G Networks. http://arxiv.org/abs/2104.12959
Yajnanarayana, V., Rydén, H., Hévizi, L. (2020). 5G Handover using Reinforcement Learning. IEEE 3rd 5G World Forum (5GWF), Bangalore, India. https://doi.org/10.1109/5GWF49715.2020.9221072
Zhao, S., Jiang, X., Jacobson, G., Jana, R., Hsu, W. L., Rustamov, R., Talasila, M., Aftab, S. A., Chen, Y., Borcea, C. (2020). Cellular Network Traffic Prediction Incorporating Handover: A Graph Convolutional Approach. 17th Annual IEEE International Conference on Sensing, Communication, and Networking (SECON), Como, Italy. https://doi.org/10.1109/SECON48991.2020.9158437
Abdah, H., Barraca, J. P., Aguiar, R. L. (2020). Handover Prediction Integrated with Service Migration in 5G Systems. IEEE International Conference on Communications (ICC), Dublin, Ireland. https://doi.org/10.1109/ICC40277.2020.9149426
Markopoulos, A., Pissaris, P., Kyriazakos, S., Dimitriadis, C., Sykas, E. D. (2002). Combining Position Location Information and Network Performance Data for Simulating Location Aided Handover. https://citeseerx.ist.psu.edu/viewdoc/download?doi=10.1.1.12.30&rep=rep1&type=pdf
Polese, M., Jana, R., Kounev, V., Zhang, K., Deb, S., Zorzi, M. (2021). IEEE Transactions on Mobile Computing, 20 (12), 3367-3382. https://doi.org/10.1109/TMC.2020.2999852
Mollel, M. S., Abubakar, A. I., Ozturk, M., Kaijage, S. F., Kisangiri, M., Hussain, S., Imran, M. A., Abbasi, Q. H. (2021). A Survey of Machine Learning Applications to Handover Management in 5G and Beyond. IEEE Access, 9, 45770-45802. https://doi.org/10.1109/ACCESS.2021.3067503
León Pirela, A. R., Pérez, C. E. (2019). Análisis estadístico en investigaciones positivistas: Medidas de tendencia central. Orbis: Revista Científica Electrónica de Ciencias Humanas, (43), 71-81. https://dialnet.unirioja.es/servlet/articulo?codigo=7065797
Weinberg, S. L., Harel, D., Abramowitz, S. K. (2021). Statistics Using R. Cambridge University Press.
Vázquez Carmona, E. V., Vázquez López, R., Herrera Lozada, J. C. (2019). Representación Gráfica de Datos Estadísticos en Python Utilizando la Biblioteca Matplotlib. https://www.boletin.upiita.ipn.mx/index.php/ciencia/845-cyt-numero-75/1775-representacion-grafica-de-datos-estadisticos-en-python-utilizando-la-biblioteca-matplotlib
Matplotlib. (2022). Matplotlib—Visualization with Python. https://matplotlib.org/
Ramos López, B. (2020). Librerías de Python para la visualización de datos. https://www.cursosgis.com/librerias-de-python-para-la-visualizacion-de-datos/
Publicado
Cómo citar
Número
Sección
Licencia
Derechos de autor 2022 Revista de Investigación en Tecnologías de la Información
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-SinDerivadas 4.0.
Esta revista proporciona un acceso abierto a su contenido, basado en el principio de que ofrecer al público un acceso libre a las investigaciones ayuda a un mayor intercambio global del conocimiento.
El texto publicado en la Revista de Investigación en Tecnologías de la Información (RITI) se distribuye bajo la licencia Creative Commons (CC BY-NC
), que permite a terceros utilizar lo publicado citando a los autores del trabajo y a RITI, pero sin hacer uso del material con propósitos comerciales.
