Tugasan Pisah Ragaman(MODUL 9)

1. LMCP1352-ASAS ASAS
SAINS DATA DALAM
PENGANGKUTAN
MODUL 9:TUGASAN
PISAH RAGAMAN
VIKNISH A/L ARUMUGAM
(A181472)

2. SOALAN 1

3. MODEL FUNGSI LOGISTIKYANG SESUAI
Kadar Parkir Satu Jam Kebarangkalian beralih kepada pengangkutan awam(P)
0.5 0.04
1 0.06
1.5 0.1
2 0.17
2.5 0.28
3 0.39
3.5 0.5
4 0.65
4.5 0.75
5 0.8
5.5 0.83
6 0.86

4. GRAFKEBARANGKALIAN BERALIHKEPADAPENGANGKUTANAWAMMELAWANKADARPARKIR

5. DATA DALAM BENTUK ln(log e)
Kadar Parkir Satu Jam Kebarangkalian beralih kepada pengangkutan awam(P) (1-P)/P ln[(1-P)/P]
0.5 0.04 24 3.178
1 0.06 15.667 2.752
1.5 0.1 9 2.197
2 0.17 4.882 1.586
2.5 0.28 2.571 0.944
3 0.39 1.564 0.447
3.5 0.5 1 0
4 0.65 0.538 -0.619
4.5 0.75 0.333 -1.099
5 0.8 0.25 -1.386
5.5 0.83 0.205 -1.586
6 0.86 0.163 -1.815

6. GRAF GARISAN REGRESI

7. ANGKA-ANGKAPARAMETERFUNGSILOGISTIK
ln[(1-P)/P] = a X kadar + C
Y = -0.9623x +3.5107
a = -0.9623
C = 3.5107
P = [1/(1+e^(a x kadar + C))], x= kadar
=[1/(1+e^(-0.9623x+3.5107)]

8. KEBARANGKALIAN PENGGUNAKERETABERALIHKEPADAPENGANGKUTANAWAM
Kadar Parkir Satu Jam Kebarangkalian beralih kepada pengangkutan awam(P) (1-P)/P ln[(1-P)/P]Kadar parkir satu jamP=1/[1+e^9-0.9623xkadar+3.5107)]
0.5 0.04 24 3.178 14.928 0.046
1 0.06 15.667 2.752 10.085 0.073
1.5 0.1 9 2.197 5.947 0.112
2 0.17 4.882 1.586 3.027 0.17
2.5 0.28 2.571 0.944 0.98 0.249
3 0.39 1.564 0.447 -0.271 0.349
3.5 0.5 1 0 -1.25 0.464
4 0.65 0.538 -0.619 -2.35 0.584
4.5 0.75 0.333 -1.099 -3.182 0.694
5 0.8 0.25 -1.386 -3.761 0.786
5.5 0.83 0.205 -1.586 -4.233 0.856
6 0.86 0.163 -1.815 -4.734 0.906

9. SOALAN 2

10. TULIS LOGISTIK YANG SESUAI
P= [1/(1+e^(a(tambang)+B(masa) + C)]
[(1-P)/P] = e^[a(tambang)+B(masa)+C]
Ln[(1-P)/P] = a(tambang)+B(masa)+C

11. Data dalam bentuk ln(log e)
Tambang Jimat masa Kebarangkalian pengguna kereta beralih kepada bas (1-P)/P ln[(1-P)/P]
2.9 0 0.1 9 2.197
2.9 5 0.14 6.143 1.815
2.9 10 0.19 4.263 1.45
2.9 15 0.25 3 1.099
2.9 20 0.32 2.125 0.754
2.9 25 0.4 1.5 0.405
2.9 30 0.48 1.083 0.08
2 20 0.35 1.857 0.619
2.25 20 0.34 1.941 0.663
2.5 20 0.33 2.03 0.708
2.75 20 0.32 2.125 0.754
3 20 0.31 2.226 0.8
3.25 20 0.31 2.226 0.8
3.5 20 0.3 2.333 0.847
3.75 20 0.29 2.448 0.895

12. ANALISIS REGRESI

13. Model logistic dengan parameter dari analisis
regresi
Tambang Jimatmasa Kebarangkalian pengguna kereta beralih kepada bas (1-P)/P ln[(1-P)/P] P
2.9 0 0.1 9 2.197 0.250834
2.9 5 0.14 6.143 1.815 0.250834
2.9 10 0.19 4.263 1.45 0.250834
2.9 15 0.25 3 1.099 0.250834
2.9 20 0.32 2.125 0.754 0.250834
2.9 25 0.4 1.5 0.405 0.250834
2.9 30 0.48 1.083 0.08 0.250834
2 20 0.35 1.857 0.619 0.250834
2.25 20 0.34 1.941 0.663 0.250834
2.5 20 0.33 2.03 0.708 0.247519
2.75 20 0.32 2.125 0.754 0.248452
3 20 0.31 2.226 0.8 0.249376
3.25 20 0.31 2.226 0.8 0.25029
3.5 20 0.3 2.333 0.847 0.251195
3.75 20 0.29 2.448 0.895 0.252091