到达教学楼时间拟合

一、数据收集

  • 到达教学楼时间统计范围:7:50-8:40。
  • 统计数据方法:每分钟一组。
  • 数据记录方式:表格,共51组原始数据。原始数据如图1所示,直方图如图2所示。

图1 到达教学楼时间记录表图

图2 到达教学楼时间统计直方图

  • 数据优化:通过观察数据,由于样本量较小,时间间隔过小,出现个别偶然性数据噪声。现优化51组数据原1分钟每组合并为3分钟每组,为方便数据统计,设8:00为原点0,原7:50-8:40范围由(-10,40)调整为(-4,11),优化后数据如表1所示,直方图如图3所示,共16组。

表1 优化后数量表

图3 优化后数据直方图

二、数据拟合

  • 初步观察图3所示得统计数据绘制分布直方图,判断到达教学楼不同时间的人数符合高斯分布,故采用高斯分布模型拟合数据。

  • 采用Matlab中拟合函数fit( xx, yy,‘gauss1’ )。
    并求得参数样本均值为3.5,样本方差为4.7610。

  • 画图,拟合曲线和原始数据图像如图3所示。

图3 原始数据和拟合曲线图

三、 拟合检验

  • 使用cdf方法检验,调用matlab中normcdf()函数。
  • kstest(函数)检验是否符合置信区间为95%的正态分布。
    首先,由于正态分布的均值、标准差未知,因此先计算样本的均值和标准差,再做正态拟合。通过样本资料的计算建立假设:H0:样本数据服从均值为5.483,标准差为3.207的正态分布,H1:样本数据不服从均值为5.483,标准差为3.207的正态分布。取alpha=0.05,完成cdf的检验,最后检验是否符合置信区间为95%的正态分布,符合则输出符合,反之不符合。
    检验结果如图4所示,即服从 。

图4 KS检验数据是否符合高斯分布

四、总结

根据统计和结果分析,由原始数据分析得同学们到达教学楼时间均值为8:16,众值为8:21,由优化后数据分析到达时间服从 。

附录

clear;clc;close all
format compact
%正态分布的拟合
num = 16;
filename='time.xlsx'; %读取文件地址
% x=xlsread(filename,"Sheet1",'c2:c17'); %参数依次是:文件,sheet名称,读取的范围
% y=xlsread(filename,"Sheet1","d2:d17");
x=xlsread(filename,"Sheet1",'a2:a52'); %参数依次是:文件,sheet名称,读取的范围
y=xlsread(filename,"Sheet1","b2:b52");
xx = x(:);
yy = y(:);
bar(xx,yy)
example_mean = mean(xx);%样本均值
example_std = std(xx);%标准差
% Set up fittype and options.
[fitresult, gof] = fit( xx, yy,'gauss1' );%直接调用 高斯函数模型
fitresult;
% Plot fit with data.
figure;
plot(fitresult)
hold on
plot(xx, yy,'b*');
legend('拟合曲线','原始数据', 'Location', 'NorthEast');
title(['正态分布拟合,num=',num2str(num)])
xlabel('x');
ylabel('y');
grid on
saveas(gcf,'pic.png')
% 输出拟合参数
a = fitresult.a1;
wa = fitresult.b1;
xc = fitresult.c1;alpha = 0.05;
[mu,sigma]=normfit(xx);%求正态分布的参数值
p1=normcdf(xx,mu,sigma);%cdf检验
[H1,S1]=kstest(xx,[xx,p1],alpha);%检验是否符合置信区间为95%的正态分布
if H1 == 0disp("服从正态分布");
elsedisp("不服从");
end

系统仿真(一):到达教学楼时间拟合相关推荐

  1. wpf datagrid 计算两个列的差值_天体到达指定方位角的时间计算

    接上一篇天体的升起.中天.落下时间 - 且听风吟的文章 - 知乎,天体的升起落下和中天是满足一些特殊条件,对于一般情况,如指定一个方位角,要求其到达的时间,我们也可以计算出来. 可以先判断一个天体的方 ...

  2. 如何在cad中导入谷歌地图_如何在Google地图中设置出发和到达时间

    如何在cad中导入谷歌地图 Unless you work from home, Google Maps is fantastic at knowing where you need to be, a ...

  3. 三中新教学楼信息系统集成方案

    第 1 章 用户需求分析 信息化是我国现代化建设的组成部分,可以大大提高我国综合国力,它关系到各级政府部门,各经济.科技.文化机构,对整个社会的方方面面都会产生重要影响.目前,由国家各部委单位主持的国 ...

  4. 二、四维拟合股市理论的时空哲学

    笔者将其归为股市时空哲学,意思很明显,这个拟合理论有时候可用,有时候不可用.书中举例都是可用的例子,但是对于中枢行情,要谨慎这个V字时空转化理论无法拟合. 这幅图是空间转化为时间发生共振的两个例子. ...

  5. 日期类的时间从为什么是从1970年1月1日(格林威治时间)

    I suspect that Java was born and raised on a UNIX system. UNIX considers the epoch (when did time be ...

  6. 任务的插入时间复杂度优化到 O(1),Timing Wheel时间轮是怎么做到的?

    点击上方蓝色"方志朋",选择"设为星标" 回复"666"获取独家整理的学习资料! 在kafka中,有许多请求并不是立即返回,而且处理完一些异 ...

  7. winform 让他间隔一段时间 执行事件 且只执行一次_Redis 事件机制详解

    点击上方"程序员历小冰",选择"置顶或者星标" 你的关注意义重大! Redis 采用事件驱动机制来处理大量的网络IO.它并没有使用 libevent 或者 li ...

  8. Setup 和Hold (建立时间和保持时间)解析

    本文是第一篇,有空会继续更新.(转载请注明出处!!!) STA分析是基于同步电路设计模型的,在数据输入端,假设外部也是同时钟的寄存器的输出并且经过若干组合逻辑进入本级,而输出也被认为是驱动后一级的同时 ...

  9. 事务、事件(文件、时间、调度和执行)、复制、分片(范围、哈希)、简单的论坛系统分析

    1. 事务 一个事务包含了多个命令,服务器在执行事务期间,不会改去执行其它客户端的命令请求. 事务中的多个命令被一次性发送给服务器,而不是一条一条发送,这种方式被称为流水线. 它可以减少客户端与服务器 ...

最新文章

  1. 关于vue项目中在js中引入图片问题
  2. C# winform自己实现Windows消息处理
  3. 完整iOS APP发布App Store上架流程
  4. jQuery in BSP
  5. windows下安装zabbix_agent
  6. c语言模拟java面向对象_纯c语言实现面向对象分析与示例分享
  7. 对韩java_清华大学毕业的韩老师图解Java数据结构和算法教程
  8. 自己动手写操作系统(二)一个最小的“操作系统”
  9. 游标sql server_SQL Server游标教程
  10. oc-10-对象做参数
  11. 关闭selinux服务
  12. Rocky4.2下安装金仓v7数据库(KingbaseES)
  13. python打印文档添加条码_12行代码教会你用python读excel文件,提取数据,生成条形码...
  14. Cisco路由器上传和下载IOS
  15. 微信公众号网页链接失效解决方案
  16. 新快报:十年聚焦,巨杉数据库打造中国基础软件的“原创力”
  17. 手把手教你使用YOLOV5训练自己的目标检测模型-口罩检测-视频教程
  18. 【前端开发】在windows 10上安装gulp(详细讲解)
  19. 联想笔记本电脑主板分析与维修(型号G50-70M版号NM-A273) 问题:按电源开关不开机无反应,充电指示灯不亮
  20. 制作自己的标注数据集

热门文章

  1. php redis smove,Redis Smove 命令 - Redis 教程 - 自强学堂
  2. jpa 使用hql进行联表查询
  3. 2020东南大学考研916计算机网络概况大放送!!!
  4. Kali渗透测试-远程控制:6200端口变成“后门”
  5. TCP连接异常终止(RST包)
  6. MySQL 测试数据快速生成
  7. 下一波模式移转-订制化制造 打通物联网任督二脉
  8. 富兰克林自传-读书记
  9. Ribbon配置和实现原理
  10. 网课-文献管理与信息分析-罗昭峰作业答案(二)