PROIECT NR.

E1. ANALIZA SOSIRII AUTOVEHICULELOR ÎNTR-UN PUNCT

2. PRELUCRAREA DATELOR PRIMARE
Obiective:
• Înţelegerea instrumentelor statistice în analiza datelor experimentale.
• Abilităţi în utilizarea programului EXCEL.
• Competenţe de interpretare a datelor experimentale.
ETAPELE ANALIZEI SOSIRII AUTOVEHICULELOR ÎNTR-UN PUNCT.
1. Stabilirea tipurilor de vehicule şi identificarea coeficienţilor de echivalare.
Fluxurile de trafic rutier sunt compuse din vehicule de toate categoriile ceea ce conduce la
aspectul eterogen al acestora. În analizele efectuate asupra traficului, este obligatoriu ca
datele să fie colectate pe fişe speciale, pentru diferitele categorii de vehicule, realizând
echivalarea acestor vehicule cu vehiculul etalon sau unitar, care este autoturismul şi celelalte
vehicule din aceasta clasă (vezi tabelul de mai jos) pentru care coeficientul de echivalare are
valoarea 1,0.
Valoarea coeficienţilor de echivalare este prevăzută în STAS 7348-86, astfel:
Tabelul E.1: Tipurile de vehicule şi coeficienţii de echivalare
Tipul de vehicul Coeficient de
echivalare
Motociclete cu ataş şi fără ataş, scutere, motorete, motociclete,
0,5
mototriciclete;
Autoturisme fără sau cu remorci, autoturisme de tip Combi, microbuze,
1,0
autobuze de mică capacitate, autocamioane autofurgonete;
Autocamioane cu sarcină utilă sub 3 tone cu sau fără remorcă,
autocamioane cu sarcina utilă peste 3 tone fără remorcă, autobuze fără 2,0
remorcă, autocare, tractoare fără remorcă;
Autocamioane cu sarcina utilă peste 3 tone cu remorcă, autobuze cu o
3,5
remorcă, autotractoare cu o remorcă sau semiremorcă;
În cazul în care autocamioanele, autotractoarele sau tractoarele au două
1,5
sau mai multe remorci, pentru fiecare remorcă se adaugă:
Autobuz articulat 4,0
Troleibuz 3,0
Tramvai motor 4,0
Tramvai articulat 6,0
Pentru fiecare remorcă de tramvai 2,0
*) La stabilirea coeficienţilor de echivalare s-a considerat ca vehicul etalon, Vt
autoturismul.
Transformarea datelor privind numărul vehiculelor fizice în vehicule etalon.
Valorile obţinute, exprimate în vehicule etalon se însumează pe fiecare linie, şi reprezintă
numărul de vehicule ce sosesc în fiecare 10 secunde în locaţia analizată.
Prin gruparea valorilor înregistrate în coloana (10) pentru intervalele de timp de ∆t=10
secunde, se vor obţine valorile corespunzătoare lui xi pentru ∆t=20 secunde, respectiv ∆t=30
secunde.
Tabelul E.2
Nr.c Autotur 1 Autobuze 2 Troleibuze 3 Camioane 2 t=10s t=20s t=30s
rt isme <3t
(1) (2) (3) (4) (5) (6) (7) (8) (39 (10) (11) (12)
1 I 1 II 4 - 0 - 0 5
10
2 II 2 - 0 I 3 - 5 5 17
3 II 2 I 2 I 3 - 0 7
 PROIECT NR. 1

Prelucrarea datelor experimentale înregistrare în fişă se bazează pe caracterul aleator

al fluxurilor de trafic. În acest scop se defineşte variabila aletoare X.
Variabilele aleatoare utilizate în ingineria traficului rutier sunt de doua tipuri:
• Variabile aleatoare de tip discret (V.A.D.), de exemplu, vehiculele care sosesc într-o
anumită locaţie;
• Variabile aleatoare de tip continuu (V.A.C.), de exemplu, viteza unui vehicul,
înregistrată pe o porţiune de drum sau intervalele dintre vehiculele unui flux rutier,
etc.
Tabelul E.3.
pag /xi 0 1 2 3 4 5 6 7 8
1 3 10 11 16 6 1 1 0 0
2 6 10 6 11 11 6 3 1 0
3 3 9 16 9 9 4 2 1 1
4 7 14 6 7 11 4 3 2 0
5 3 5 9 13 10 8 2 4 0
6 0 6 15 10 11 8 3 1 0
7 3 3 15 7 8 4 2 0 0
Ni N0=25 N1=57 N2=78 N3=73 N4=66 N5=35 N6=16 N7=9 N8=1
O variabilă aleatoare discretă poate fi descrisă printr-un tablou de valori, astfel:

⎛x x2 . . . xn ⎞
X = ⎜⎜ 1 ⎟,
⎝ p1 p2 . . . pn ⎟⎠
unde xi este valoarea argumentului variabilei aleatoare, X, iar pi probabilitatea de aparitie a
acestuia sau fi care reprezintă frecvenţa relativă de apariţie, cu condiţia ca cu 0≥pi = fi ≤1,
n
oricare ar fi i şi ∑p
i =1
i =1.

sau

⎛x x2 . . . xn ⎞
X = ⎜⎜ 1 ⎟⎟ ,
⎝ N1 N 2 . . . N n ⎠
n
cu Ni≥0, numere naturale, oricare ar fi i şi ∑ Ni =N.
i =1

Pentru determinarea probabilităţilor (frecvenţelor relative) de apariţie este necesară

înregistrarea frecvenţelor absolute empirice, Ni în tabelul centralizator pentru ∆t=10
secunde, ∆t=20 secunde, respectiv ∆t=30 secunde.
Pentru uşurinţa înregistrărilor, urmăresc următorii paşi:
• se deschide o pagină Excel în care sunt înregistrate valorile din fişele de trafic pentru
fiecare interval de timp (∆t=10 secunde, ∆t=20 secunde, respectiv ∆t=30 secunde) şi
pentru fiecare zi sau ora în parte, pe câte o pagină.
• sunt selectate intervalele de timp de ∆t=10 secunde, ∆t=20 secunde, respectiv ∆t=30
secunde stabilind astfel frecvenţele absolute Ni, de apariţie a intervalelor de xi
vehicule. Care este în acest caz numărul total al observaţiilor efectuate?
Tabelul cuprinde rezultatele înregistrărilor efectuate în data de .....ora.....la intervale
de ∆t=10 secunde.
 PROIECT NR. 1

În mod asemănător, se vor obţine, pentru ficare măsurătoare trei analize independente,
pentru ∆t=10 secunde, ∆t=20 secunde, respectiv ∆t=30 secunde.
Datele cuprinse în prima şi ultima linie sunt transferate în tabelul centralizator cuprinzând
zece coloane, în prima şi doua coloană, astfel:
Tabelul E.4.
xi Ni fi f∑> f∑< x=xi*fi s²=(xi-x)²*fi P(X=x) Ni Ni²/Ni
(1) (2) (3) (4) (5) (6) (7) (8) (9) (10)
0 25 0,069444 0,069444 1 0 0,576222 0,056031 20,17126 30,98468
1 57 0,158333 0,227778 0,930556 0,158333 0,559944 0,161562 58,16232 55,86091
2 78 0,216667 0,444444 0,772222 0,433333 0,167999 0,232837 83,82146 72,58285
3 73 0,202778 0,647222 0,555556 0,608333 0,002893 0,223619 80,50302 66,19628
4 66 0,183333 0,830556 0,352778 0,733333 0,229745 0,161014 57,96489 75,14894
5 35 0,097222 0,927778 0,169444 0,486111 0,436727 0,092713 33,37662 36,70233
6 16 0,044444 0,972222 0,072222 0,266667 0,432486 0,04447 16,00933 15,99068
7 10 0,027778 1 0,027778 0,194444 0,471384 0,018276 6,579478 15,19877
∑ 360 1 1 2,880556 2,8774 356,5884 368,6654
n
3600 sec
Din tabel se observă că ∑ Ni =
10 sec
= 360 int
i =0
Cu ajutorul frecvenţelor absolute se pot determina frecvenţele relative, fi.
Ni
fi =
N
ce reprezintă probabilitatea de apariţie a fiecărui interval. Astfel N0, reprezintă probabilitatea
de apariţie a intervalului de zero vehicule, N1, reprezintă probabilitatea de apariţie a intervalului
de un vehicul, N2, reprezintă probabilitatea de apariţie a intervalului de două vehicule, etc.
Deducem deci,
n
∑ fi =1
i =0
În coloana 3, sunt calculate probabilităţile fi de apariţie a intervalelor de 10 secunde în care
sosesc xi vehicule .
Tabelul E.5.
Prelucrarea datelor
Date de intrare Prelucrarea datelor empirice teoretice
xi Ni fi f∑> f∑< x=xi*fi s²=(xi-x)²*fi P(X=x) Ni Ni²/Ni
(1) (2) (3) (4) (5) (6) (7) (8) (9) (10)
0 25 0,069444 0,069444 1 0 0,576222 0,056031 20,17126 30,98468
1 57 0,158333 0,227778 0,930556 0,158333 0,559944 0,161562 58,16232 55,86091
2 78 0,216667 0,444444 0,772222 0,433333 0,167999 0,232837 83,82146 72,58285
3 73 0,202778 0,647222 0,555556 0,608333 0,002893 0,223619 80,50302 66,19628
4 66 0,183333 0,830556 0,352778 0,733333 0,229745 0,161014 57,96489 75,14894
5 35 0,097222 0,927778 0,169444 0,486111 0,436727 0,092713 33,37662 36,70233
6 16 0,044444 0,972222 0,072222 0,266667 0,432486 0,04447 16,00933 15,99068
7 10 0,027778 1 0,027778 0,194444 0,471384 0,018276 6,579478 15,19877
∑ 360 1 1 2,880556 2,8774 356,5884 368,6654

Determinarea frecvenţele relative cumulate în sens crescător, fΣ> respectiv descrescător,

fΣ>, poate fi extrem de utilă în analiza datelor de trafic. Se pot obţine astfel, Calculul este
prezentat în coloana 4 respectiv coloana 5.
 PROIECT NR. 1

Tabelul E.6.
Date de intrare Prelucrarea datelor empirice Prelucrarea datelor teoretice
xi Ni fi f∑> f∑< x=xi*fi s²=(xi-x)²*fi P(X=x) Ni Ni²/Ni
(1) (2) (3) (4) (5) (6) (7) (8) (9) (10)
0 25 0,069444 0,069444 1 0 0,576222 0,056031 20,17126 30,98468
1 57 0,158333 0,227778 0,930556 0,158333 0,559944 0,161562 58,16232 55,86091
2 78 0,216667 0,444444 0,772222 0,433333 0,167999 0,232837 83,82146 72,58285
3 73 0,202778 0,647222 0,555556 0,608333 0,002893 0,223619 80,50302 66,19628
4 66 0,183333 0,830556 0,352778 0,733333 0,229745 0,161014 57,96489 75,14894
5 35 0,097222 0,927778 0,169444 0,486111 0,436727 0,092713 33,37662 36,70233
6 16 0,044444 0,972222 0,072222 0,266667 0,432486 0,04447 16,00933 15,99068
7 10 0,027778 1 0,027778 0,194444 0,471384 0,018276 6,579478 15,19877
∑ 360 1- 2,880556 2,8774 356,5884 368,6654

0,9

0,8

0,7

0,6
f>
0,5
f

f<
0,4

0,3

0,2

0,1

0
0 1 2 3 4 5 6 7 8
xi

Figura E.1: Graficele frecvenţelor cumulate

Corespunzător acestor două coloane se pot construi graficele frecvenţelor cumulate în
funcţie de numărul de vehicule ce sosesc pe intervalul de 10 secunde. Graficul poate fi
reprezentat prin histograme.
Calculul mediei variabilei aleatoare.
n
Coloana 6 conţine datele necesare mediei x = ∑ fi ⋅ x i = 2,88 vehicule sosesc în medie în
i =0
intervalul de 10 secunde.
Tabelul E.7.
Prelucrarea datelor
Date de intrare Prelucrarea datelor empirice teoretice
xi Ni fi f∑> f∑< x=xi*fi s²=(xi-x)²*fi P(X=x) Ni Ni²/Ni
(1) (2) (3) (4) (5) (6) (7) (8) (9) (10)
0 25 0,069444 0,069444 1 0 0,576222 0,056031 20,17126 30,98468
1 57 0,158333 0,227778 0,930556 0,158333 0,559944 0,161562 58,16232 55,86091
2 78 0,216667 0,444444 0,772222 0,433333 0,167999 0,232837 83,82146 72,58285
3 73 0,202778 0,647222 0,555556 0,608333 0,002893 0,223619 80,50302 66,19628
4 66 0,183333 0,830556 0,352778 0,733333 0,229745 0,161014 57,96489 75,14894
5 35 0,097222 0,927778 0,169444 0,486111 0,436727 0,092713 33,37662 36,70233
6 16 0,044444 0,972222 0,072222 0,266667 0,432486 0,04447 16,00933 15,99068
7 10 0,027778 1 0,027778 0,194444 0,471384 0,018276 6,579478 15,19877
∑ 360 1- 2,880556 2,8774 356,5884 368,6654
 PROIECT NR. 1

Tabelul E.8.
Date de intrare Prelucrarea datelor empirice Prelucrarea datelor teoretice
xi Ni fi f∑> f∑< x=xi*fi s²=(xi-x)²*fi P(X=x) Ni Ni²/Ni
(1) (2) (3) (4) (5) (6) (7) (8) (9) (10)
0 25 0,069444 0,069444 1 0 0,576222 0,056031 20,17126 30,98468
1 57 0,158333 0,227778 0,930556 0,158333 0,559944 0,161562 58,16232 55,86091
2 78 0,216667 0,444444 0,772222 0,433333 0,167999 0,232837 83,82146 72,58285
3 73 0,202778 0,647222 0,555556 0,608333 0,002893 0,223619 80,50302 66,19628
4 66 0,183333 0,830556 0,352778 0,733333 0,229745 0,161014 57,96489 75,14894
5 35 0,097222 0,927778 0,169444 0,486111 0,436727 0,092713 33,37662 36,70233
6 16 0,044444 0,972222 0,072222 0,266667 0,432486 0,04447 16,00933 15,99068
7 10 0,027778 1 0,027778 0,194444 0,471384 0,018276 6,579478 15,19877
∑ 360 1- 2,880556 2,8774 356,5884 368,6654
Calculul dispersiei variabilei aleatoare, D sau s sau σ . În exemplul nostru se notează s2.
2 2 2

Compararea mediei cu dispersia.

Media = 2,88055>Dispersia = 2,8774
Alegerea modelului repartiţiei (distribuţiei aleatoare)
Deoarece Media>Dispersia se adoptă distribuţia binomială.
Determinarea probabilităţilor ce descriu modelul propus (distribuţia binomială– coloana 8).
Tabelul E.9.
Date de intrare Prelucrarea datelor empirice Prelucrarea datelor teoretice
xi Ni fi f∑> f∑< x=xi*fi s²=(xi-x)²*fi P(X=x) Ni Ni²/Ni
(1) (2) (3) (4) (5) (6) (7) (8) (9) (10)
0 25 0,069444 0,069444 1 0 0,576222 0,056031 20,17126 30,98468
1 57 0,158333 0,227778 0,930556 0,158333 0,559944 0,161562 58,16232 55,86091
2 78 0,216667 0,444444 0,772222 0,433333 0,167999 0,232837 83,82146 72,58285
3 73 0,202778 0,647222 0,555556 0,608333 0,002893 0,223619 80,50302 66,19628
4 66 0,183333 0,830556 0,352778 0,733333 0,229745 0,161014 57,96489 75,14894
5 35 0,097222 0,927778 0,169444 0,486111 0,436727 0,092713 33,37662 36,70233
6 16 0,044444 0,972222 0,072222 0,266667 0,432486 0,04447 16,00933 15,99068
7 10 0,027778 1 0,027778 0,194444 0,471384 0,018276 6,579478 15,19877
∑ 360 1- 2,880556 2,8774 0,990523 356,5884 368,6654

Validarea modelului adică distribuţia binomială, se realizează cu criteriului de testare

statistică notat „Criteriul Hi-pătrat” sau „Criteriul χ2”.
Tabelul E.10.
Date de intrare Prelucrarea datelor empirice Prelucrarea datelor teoretice
xi Ni fi f∑> f∑< x=xi*fi s²=(xi-x)²*fi P(X=x) Ni’ Ni²/Ni
(1) (2) (3) (4) (5) (6) (7) (8) (9) (10)
0 25 0,069444 0,069444 1 0 0,576222 0,056031 20,17126 30,98468
1 57 0,158333 0,227778 0,930556 0,158333 0,559944 0,161562 58,16232 55,86091
2 78 0,216667 0,444444 0,772222 0,433333 0,167999 0,232837 83,82146 72,58285
3 73 0,202778 0,647222 0,555556 0,608333 0,002893 0,223619 80,50302 66,19628
4 66 0,183333 0,830556 0,352778 0,733333 0,229745 0,161014 57,96489 75,14894
5 35 0,097222 0,927778 0,169444 0,486111 0,436727 0,092713 33,37662 36,70233
6 16 0,044444 0,972222 0,072222 0,266667 0,432486 0,04447 16,00933 15,99068
7 10 0,027778 1 0,027778 0,194444 0,471384 0,018276 6,579478 15,19877
∑ 360 1- 2,880556 2,8774 0,990523 356,5884 368,6654
 PROIECT NR. 1

În acest scop se determină în coloana (9) din tabelul de mai sus, frecvenţa absolută
teoretică calculată cu relaţia:

N i' = P ( X = x ) ⋅ N
Pentru verificarea corectitudinii calculelor, dacă în coloana precedentă suma
probabilităţilor calculate se apropia de valoarea 1, atunci suma frecvenţelor absolute teoretice
se va apropia de valoarea lui N, numărul total al observaţiilor.
În etapa următoare se determină valoarea lui χ2 dată de suma pătratului abaterilor
frecvenţelor empirice faţă de frecvenţele teoretice raportate la frecvenţele teoretice, cu ecuaţia
următoare:

χ 2
=∑
n(N i − N i' )
2

=∑
n N i2
−N .
i =0 N i' i =0 N i'

N i2
În coloana (10) se determină doar rapoartele , care însumate în ultima linie, va
N i'
permite determinarea valorii criteriului χ2.
Tabelul E.11.
Date de intrare Prelucrarea datelor empirice Prelucrarea datelor teoretice
xi Ni fi f∑> f∑< x=xi*fi s²=(xi-x)²*fi P(X=x) Ni’ Ni²/Ni’
(1) (2) (3) (4) (5) (6) (7) (8) (9) (10)
0 25 0,069444 0,069444 1 0 0,576222 0,056031 20,17126 30,98468
1 57 0,158333 0,227778 0,930556 0,158333 0,559944 0,161562 58,16232 55,86091
2 78 0,216667 0,444444 0,772222 0,433333 0,167999 0,232837 83,82146 72,58285
3 73 0,202778 0,647222 0,555556 0,608333 0,002893 0,223619 80,50302 66,19628
4 66 0,183333 0,830556 0,352778 0,733333 0,229745 0,161014 57,96489 75,14894
5 35 0,097222 0,927778 0,169444 0,486111 0,436727 0,092713 33,37662 36,70233
6 16 0,044444 0,972222 0,072222 0,266667 0,432486 0,04447 16,00933 15,99068
7 10 0,027778 1 0,027778 0,194444 0,471384 0,018276 6,579478 15,19877
∑ 360 1- 2,880556 2,8774 0,990523 356,5884 368,6654

Figura E.2: Reprezentarea grafică a criteriului χ2.

Criteriul χ2 are reprezentarea grafică din figura următoare. care, aşa cum se poate observa,
depinde de valoarea ν a gradelor de libertate.
 PROIECT NR. 1

Graficul este caracterizat de următoarele caracteristici:

• Aria de sub curbă este egală cu unitatea;
• Valoarea de început este χ2=0.
Curba nu este simetrică; când ν (deci numărul observaţiilor) creşte, curba devine similară
cu cea normală. Se face precizarea că numărul gradelor de libertate ν = n − l − 1 , unde n -
este numărul intervalelor de grupare (numărul claselor Si ), iar l - numărul parametrilor
repartiţiei teoretice. De exemplu, dacă repartiţia este binomială sau Poisson, distribuţii care au
un singur parametru, atunci l = 1 şi ν = n − 1 − 1 = n − 2 grade de libertate. Dacă însă legea
este normală, care are doi parametri, atunci l = 2 şi ν = n − 2 − 1 = n − 3 grade de libertate.
Deci, numărul gradelor de libertate este o noţiune statistică strâns legată de cantitatea de
informaţie de care se dispune în cercetarea care se efectuează.

Figura E.3: Variaţia lui χ2 pentru δ = 0,05 şi α = 0,95.

Este recomandabil ca atunci când se aplică testul χ2, să fie N≥50, Ni≥5 şi 10 ≤ n ≤ 20.
Când au mai puţin de cinci elemente clasele extreme se contopesc cu cele alăturate şi
numărul υ scade corespunzător (ν = n − 3 ). Dacă numai o clasă se contopeşte cu cea
alăturată atunci ν = n − 2 . În situaţia când toate clasele au mai mult de cinci elemente atunci
ν = n −1 .
Eficienţa testului creşte când în fiecare clasă se află aproximativ acelaşi număr de date.
Testul are o mai mare putere de discriminare în cazul repartiţiilor simetrice şi dă rezultate
bune în cazul verificării caracteristicilor repartiţiilor empirice normale.
Aplicarea criteriului χ2 pentru un anumit prag de siguranţă δ, se reduce a verifica dacă:
P ( χ 2 < χ 02 ) = 1 − δ ,
unde χ 02 , este valoarea care se adoptă din tabelul de mai jos. pentru numărul gradelor de
libertate ν = n − 3 , unde n este numărul de componente ale variabilelor aleatoare sau
numărul intervalelor de grupare a datelor observate.
Dacă χ 2 < χ 02 , se consideră că între repartiţia empirică şi cea teoretică există
concordanţă cu coeficientul de încredere α = 1 − δ . Figura E.3. prezintă variaţia lui χ2 în
funcţie de ν pentru δ = 0,05 şi α = 0,95.
 PROIECT NR. 1

Tabelul E.12. Valorile χ2 pentru un anumit prag de siguranţă δ .

ν χ 02,995 χ 02,99 χ 02,975 χ 02,95 χ 02,05 χ 02,025 χ 02, 01 χ 02, 005 ν

1 0,000 0,000 0,001 0,004 3,841 5,024 6,635 7,879 1

2 0,010 0,020 0,051 0,103 5,991 7,378 9,210 10,597 2
3 0,072 0,115 0,216 0,352 7,815 9,348 11,345 12,838 3
4 0,207 0,297 0,484 0,711 9,488 11,143 13,277 14,860 4
5 0,412 0,554 0,831 1,145 11,070 12,832 15,086 16,750 5

6 0,676 0,872 1,237 1,635 12,592 14,449 16,812 18,548 6

7 0,989 1,239 1,690 2,167 14,067 16,013 18,475 20,278 7
8 1,344 1,646 2,180 2,733 15,507 17,535 20,090 21,955 8
9 1,735 2,088 2,700 3,325 16,919 19,023 21,666 23,589 9
10 2,156 2,558 3,247 3,940 18,307 20,483 23,209 25,188 10

11 2,609 3,053 3,816 4,575 19,675 21,920 24,725 26,757 11

12 3,074 3,571 4,404 5,226 21,026 23,337 26,217 28,300 12
13 3,565 4,107 5,009 5,892 22,362 24,736 27,688 29,819 13
14 4,075 4,660 5,629 6,571 23,685 26,119 29,141 31,319 14
15 4,601 5,229 6,262 7,261 24,996 27,488 30,578 32,801 15

16 5,142 5,812 6,908 7,962 26,296 28,845 32,000 34,267 16

17 5,697 6,408 7,564 8,672 27,587 30,191 33,409 35,718 17
18 6,265 7,015 8,231 9,390 28,869 31,526 34,805 37,156 18
19 6,844 7,633 8,907 10,117 30,144 32,852 36,191 38,582 19
20 7,434 8,260 9,591 10,851 31,410 34,170 37,566 39,997 20

21 8,034 8,897 10,283 11,591 32,671 35,479 38,932 41,401 21

22 8,643 9,542 10,982 12,338 33,924 36,781 40,289 42,796 22
23 9,260 10,196 11,689 13,091 35,172 38,076 41,638 44,181 23
24 9,886 10,856 12,401 13,848 36,415 39,364 42,980 45,558 24
25 10,520 11,524 13,120 14,611 37,652 40,646 44,314 46,928 25

26 11,160 12,198 13,844 15,379 38,885 41,923 45,642 48,290 26

27 11,808 12,879 14,573 16,151 40,113 43,194 46,963 49,645 27
28 12,461 13,565 15,308 16,928 41,337 44,461 48,278 50,993 28
29 13,121 14,256 16,047 17,708 42,557 45,722 49,588 52,336 29
30 13,787 14,953 16,791 18,493 43,773 46,979 50,892 53,672 30
Grafice
• Reprezentarea frecvenţei relative fi şi a funcţiei de probabilitate P(X=x).
• Reprezentarea frecvenţelor absolute experimentale şi teoretice sub forma histogramelor.
• Compararea graficelor corespunzătoare diferitelor benzi de circulaţie pentru care
înregistrarea datelor s-a realizat simultan.
• Compararea distribuţiilor obţinute pentru cele trei intervale de timp, pentru fiecare
înregistrare în parte, etc.
Valorile de trafic obţinute permit, de asemenea, construirea graficelor necesare pentru
compararea referitoare la:
• ponderea diferitelor categorii de vehicule, pentru fiecare bandă de circulaţie, în cazul unei
înregistrări;
• ponderea diferitelor categorii de vehicule, pentru aceeaşi bandă de circulaţie, pentru
înregistrări din zile sau ore diferite;
• analiza sosirii autovehiculelor destinate transportului public (de exemplu, frecvenţa
diferitelor autobuze sau troleibuze;
Interpretarea graficelor şi concluzii asupra analizei sosirii autovehiculelor într-un punct.
Studenţii vor formula concluzii personale, funcţie de capacitatea lor de analiză şi sintetiză
a datelor colectate, vor discuta în grup şi vor interpreta rezultatele pentru a realiza un raport
comun.