系统仿真（一）：到达教学楼时间拟合

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 == 0
   disp("服从正态分布");
else
   disp("不服从");
end