L11 效能統計與實驗設計
本實驗使用的程式：models.py。文中指令以課程根目錄為工作目錄；建議下載教材套件，解壓後在 computer-networking 目錄執行。
目的、環境與預測
對應單元：15、16、18、20、23。Python 3.10 以上，標準函式庫；在課程根目錄執行。資料性質：離線模型或人工資料分析。
人工數列（ms）：A＝10、11、9、12、10、11、10、12、9、50；B＝13、14、12、13、15、14、13、12、14、16。先算 A 與 B 的中位數；p95 使用 nearest-rank 定義，排序後取第 ceil(0.95×n) 筆。
執行與紀錄
python3 labs/models.py L11Windows 可用 py -3 替換 python3。將輸出儲存，記錄日期、Python 版本、參數與預測。
| 條件 | 執行前預測 | 實際輸出 | 差異與解釋 |
|---|---|---|---|
| 原始設定 | 自行填寫 | 貼關鍵欄位 | 寫出依據 |
| 修改設定 | 自行填寫 | 貼關鍵欄位 | 一次改一個變因 |
完成預測與紀錄後，再到解答冊的「預期輸出」核對。
變更與判讀
填一份控制表：版本、CPU、路徑、RTT、丟包、頻寬、負載、次數、計時起迄。
A 比較快嗎？說明互動延遲中位與尾端需求。n=10 如何限制尾端結論？本例 nearest-rank p95 等於最大值，只由一筆觀測決定。
驗證範圍與提交
輸出是明示假設下的模型或人工資料；不能當成真實封包擷取、OS 核心狀態或 Internet 量測。
提交預測、原始／修改輸出、兩個判讀答案與模型限制。評分：預測 20%、紀錄 30%、推理 35%、限制 15%。標準推理見解答冊；輸出中的埠與真實計時可以變動。
B：期限內交付率
以下是人工完整分布，不是測量資料：100 份互動訊息，deadline=100 ms。設計 A 最終到達 95%，其中 99%在期限內；設計 B 最終全數到達，但只有 88%在期限內。計算各自期限內成功率、晚到率及未到率，再說明哪個指標適合即時互動。百分比可視為大量樣本的期望，不需取整數。
C：HTTP 與代理的比較計畫
不執行外網測速，只設計控制表。固定同一服務端、網路路徑、硬體與內容，分四格：首次／恢復 × 小請求／大檔案。另記 DNS 與連線是否重用、TLS 恢復及 0-RTT 是否真的啟用、快取是否命中、H2/H3 實作版本、並行 stream 數、RTT、丟包、CPU、goodput 及延遲分布。先寫各格假設，再列需要收集的證據；「恢復」不能直接推論用了 0-RTT。代理加密比較另固定核心版、cipher、payload 與加密層數。
將 B、C 附於原提交資料。評分沿用本實驗規準；沒有真實核心與原始量測，只能交實驗計畫與人工數值分析。