|
|
本帖最后由 gzeratsg 于 2010-3-26 21:26 编辑
某日，在家觉得没事干，于是就专门来到这里，守候146分钟，拍下了31路车不全集。是的，不全集。
二、候车时间小分析
在第三次拍摄的时候，从15.29hr到17.55hr，共146分钟里，共看见39车次，33辆车，平均候车时间为146 ÷ 38 = 3.84 (3 s.f.)分钟。
39车次里看见33辆车，即表示有6辆车被看至少一次。事实是有6辆车被看见两次。他们两次被看见的间隔时间从86到138分钟不等，其中有部分车辆曾运行区间短线车。
首先是部分主要统计数据：
来自R：
int
Min. : 0.000
1st Qu.: 1.000
Median : 3.000
Mean : 3.842
3rd Qu.: 6.750
Max. :11.000
来自SAS：
注解：
平均等候时间：3.84分钟。
标准差：3.35分钟。
候车时间的中位数(median)为3分钟，即有一半的候车时间小于或等于3分钟。
Q3 = 6.75：75%的候车时间小于6分45秒。
下图是候车时间的统计直方图(SAS绘图)。
由上图可以看出，候车时间峰值(mode)为2分钟，其次是0分钟。图中曲线为假定正态分布。很明显，候车时间并不跟随正态分布。下面的多个检测结果也证实这一结果。
下图是候车时间的boxplot(R绘图)。
由上图可以看出，候车时间系skew to the right的。
假设检验：
假设检验1：H_0：平均等候时间为3分钟vs H_1：平均等候时间不是3分钟。
检验结果1：不拒绝H_0。
假设检验2：H_0：平均等候时间为3分钟vs H_1：平均等候时间大于3分钟。
检验结果2：不拒绝H_0。
假设检验3：H_0：平均等候时间为3分钟vs H_1：平均等候时间下于3分钟。
检验结果3：不拒绝H_0。
注：在实际生活中，候车时间应该呈连续型分布(continuous distribution)，但为了简便，在这里，我们把它离散化(discretise)，将它看作离散型分布(discrete distribution)分析。上面提到的R是一个免费的统计软件。
Remark: In fact, the waiting time interval is a continuous distribution. For simplicity sake, it is discretised and treated as a discrete distribution for analysis. The R mentioned before is a free statistical analysis software.
时间序列分析
现象：
Raw Scatter Plot：
SAS ACF and PACF plots：
R ACF and PACF plots：
从ACF和PACF图可以看出，等候时间的ACF和PACF均不显著。
Ljung Box Test：
The Ljung Box Test shows that there is no serial dependence among the waiting time interval. |
本帖子中包含更多资源
您需要 登录 才可以下载或查看，没有帐号？注册
x
|
[复制链接]
发表于 2010-3-9 20:46
QQ好友和群
QQ空间
腾讯微博
腾讯朋友
收藏
楼主