數據分析 一月電費的誤差
我的電費:
1/2~2/6: 206.96, 其中白天218度,晚上236度
12/2~1/1:62.85, 其中白天73度, 晚上58度
去年8月: 134.30, 其中白天157度,晚上122度
這就出現奇怪的地方了,去年8月是最熱的一月,空調睡覺也是開的。而1月晚上睡覺的時候空調是關掉的(12點的樣子)但是今年1月晚上的.電費卻超過白天了。
而且我2/2~2/6有5天不在上海,也就是説一月只有31天
剛才去抄表了(空調天天開)2/7~2/18: 白天用電39度,晚上用電36度,空調開到晚上一點
按照3:1計算,這電費最多是白天117度,晚上108度,多出來的是為什麼?就算按照4:1計算,也才白天156度,晚上144度。
下面的為數據分析:
2/18晚上測試了下晚上10點以後的電費:
一小時10分鐘:1.3度,空調開的高風,電腦,冰箱全開,也就是説正常使用應該是一小時一度電左右。
另外:2/7~2/17號,在隔壁有一人的情況下(4晚上)其他條件同下,,我夜間用電36度,我空調空調一般開到一點,他的開到11:30。(10點以後空調使用累計是33H+6H=39H),多算一點可以説是一小時一度電(36/39=0.92)。
這樣來説一月份夜間用電應該為=31(我在上海天數)*2.5(那時候一般是12點睡覺,姑且多計算0.5H)+27*2(隔壁肯定12點前睡覺,算2小時)=131.5度
但是我1月的電錶夜間度數為236度,足足多出104.5度。
再計算下白天的電費,我11個白天,其中有4白天基本是整天在家宅,隔壁來了4天,10點前度數開空調大致6度(剛開制熱耗電)我的可以算3度每天。算上隔壁的1.5度每天(他只呆了27天,姑且也當31天),累計為4.5度每天,為了保險起見(白天時間比較機動),算5度每天。
這樣整個1月的31天白天用電就是5*31=155,實際電錶為218,誤差63度
這樣估算的用電白天155,晚上131.5與去年8月(白天157,晚上122)的史上最熱天氣差不多,比較合理。
結論:電力公司多扣我 用電:白天為63度, 晚上104.5度
電費:63*0.617+0.307*104.5=69.95,大約是70元
相關文章
-
關於數據分析與數據挖掘的數據10個問題
1,作為支付寶數據首席分析師,你怎麼看待“數據挖掘”這個詞?所謂的“數據挖掘”是基於用户的行為挖掘出有價值的東西,以及這個東西被用到商業環境上。比如非常著名的“啤酒與尿布”的案例,它的背景是在1992年的美國,每週四 -
分析電子商務網站數據挖掘系統數據模型
一、如何讓瀏覽網站的客户更多的下單?只有一個辦法,把更多的這個客户感興趣的商品放在他的面前。1,假設一,相同類別的客户關注相同的產品2,假設二,同類別客户的購買記錄對於該類別的其他客户非常有推薦意義3,在亞馬遜網站當 -
關注上海AT數據分析,體驗數據分析帶給我們的喜悦!
數據分析是指用適當的統計方法對收集來的大量第一手資料和第二手資料進行分析,以求最大化地開發數據資料的功能,發揮數據的作用。是為了提取有用信息和形成結論而對數據加以詳細研究和概括總結的過程。數據也稱觀測值,是 -
數據分析與辦公軟件:數據分析方法
對比分析法與目標不同時期(同、環比,活動前後或有無)不同單位(行業、公司、地區、部門)同一時間條件下對不同主體的同類指標的靜態比較,叫橫向比較,如不同部門、不同地區、不同國家相比較等對同一主體在不同時期的`指標 -
關於數據分析常見的三大誤區
本文目錄外貿業務員工作總結模板外貿業務員月度工作總結外貿業務員年終個人工作總結範文外貿業務員年終個人工作總結回顧過去一年來的工作與成效,我們幾個做外貿工作的同志都深深地體會到,我們是在新鋼聯公司領導的親自 -
數據分析行業案例:呼叫中心中的數據分析
數據分析對於任何一個呼叫中心都是非常重要的,剛剛開始做數據分析的人員總會提出類似這樣的問題:應該怎麼做數據分析呢?如何才能夠做好數據分析工作呢?本文將從提高對數據重要性的認識、提高對數據的敏感性以及對數據統 -
網站分析與網絡數據分析挖據的區別
網站分析與網絡數據分析挖據有什麼區別?一起來看看網站分析與網絡數據分析挖據的區別吧。 網站分析與網絡數據分析挖據有什麼區別從字面理解,網站分析WA似乎應該被包容在互聯網數據分析挖掘的大範疇裏面,但是實際情 -
網絡遊戲的數據挖掘與數據分析
近日在一個學術論壇中聽到了,北大光華商務統計及經濟計量系副教授張俊妮,主題為“數據挖掘的應用案例”的演講,結合網絡遊戲行業特點,簡要思考一下數據挖掘與數據分析,希望遇到同行業中從事此領域工作的朋友,建立聯繫和交流 -
從統計局的數據分析三月份一夜回到調控前的可恥説法
今天無聊跑到上海統計局的網上看了看2005年統計年鑑,看了一下歷年及2004年的房地產銷售統計,我們就可以發現媒體的所謂三月份回暖和一夜回到調控前的説法是多麼的可笑,多麼的可恥。大家可以到下面的鏈接看一下這個統計表 -
大數據理論指導交通數據分析的方法
智慧城市智慧交通的大力建設下,海量多源異構的`交通數據能提供的信息內容更加豐富,如何利用大數據的理論來指導交通數據分析?或者説有什麼比較好的將兩者結合的落腳點?近期成立的深圳市綜合交通運行指揮中心囊括深圳全