def probabilidade_causas_acidentes(self):
""" Calculates the probability of the causes of accidents
@brief Local variable:
query -
SQL instruction to query the number of accidents
by cause separated by year
data_frame -
Saves the results from the query in data frame
format
medias_list -
List of avarages grouped by cause
desvios_padroes_list -
List of standard deviations groupad by cause
probabilidade_causas_acidentes_list -
List with the probabilities of the causes of accidents
prob_causa_acidentes -
Instance of ProbabilidadeAcidentes
@return A list of objects containing the causes of accidents
"""
query = """SELECT causa, quantidade_ocorrencias, ano
FROM estatisticas_causa
ORDER BY causa, ano ; """
data_frame = self.executa_query(query, get_data_frame=True)
medias_list = data_frame.groupby(
'causa'
)['quantidade_ocorrencias'].mean()
desvios_padroes_list = data_frame.groupby(
'causa'
)['quantidade_ocorrencias'].std()
probabilidade_causas_acidentes_list = []
init_array = 0
for i in range(init_array, len(medias_list)):
prob_causa_acidentes = ProbabilidadeAcidentes()
prob_causa_acidentes.causa = medias_list.keys()[
i].decode('iso-8859-1').encode('utf8')
limits_min_one = 0
limits_max_one = 5000
limits_min_two = 5001
limits_max_two = 10000
limits_min_three = 10001
limits_max_three = 30000
limits_min_four = 30001
limits_max_four = 50000
limits_min_five = 50001
limites = [
(limits_min_one, limits_max_one),
(limits_min_two, limits_max_two),
(limits_min_three, limits_max_three),
(limits_min_four, limits_max_four),
(limits_min_five, sys.maxsize)
]
normalization_in_percent = 100
for (inferior, superior) in limites:
if (medias_list[i] >= inferior and medias_list[i] <= superior):
prob_causa_acidentes.probabilidade_por_limite_list.append(
normalization_in_percent * (
distribuicao_normal(
inferior,
medias_list[i],
desvios_padroes_list[i]
) + distribuicao_normal(
superior,
medias_list[i],
desvios_padroes_list[i]
)
)
)
elif (medias_list[i] >= inferior):
prob_causa_acidentes.probabilidade_por_limite_list.append(
normalization_in_percent * (
distribuicao_normal(
inferior,
medias_list[i],
desvios_padroes_list[i]
) - distribuicao_normal(
superior,
medias_list[i],
desvios_padroes_list[i]
)
)
)
elif (medias_list[i] <= inferior):
prob_causa_acidentes.probabilidade_por_limite_list.append(
normalization_in_percent * (
distribuicao_normal(
superior,
medias_list[i],
desvios_padroes_list[i]
) - distribuicao_normal(
inferior,
medias_list[i],
desvios_padroes_list[i]
)
)
)
probabilidade_causas_acidentes_list.append(
prob_causa_acidentes
)
return probabilidade_causas_acidentes_list
def probabilidade_tipos_acidentes(self):
"""
Calculates the probability of future accidents by type.
@brief Local variables:
query -
SQL instruction to query number of occurrences by type and year
data_frame -
Receives the query result in a predetermined format.
medias_list -
Takes the media of the number of occurrences by type and lists
then.
desvios_padroes_list -
Lists the standard deviation of the number of occurrences by
type.
probabilidade_tipo_list -
Lists the probability of a certain type of accident happening
again.
limites -
Limits the number of registers in the database.
probabilidade_tipo -
Receives the result of probability per each accident's type.
probabilidade_tipo.tipo -
Receives a key to encode from iso-8859-1 to utf8
inferior -
Determines the lower limit for the operation
superior -
Determines the higher limit for the operation
distribuicao_normal-
Calculates the normal distribution of the probability
@return List of probability by type.
"""
query = """SELECT tipo, quantidade_ocorrencias, ano
FROM estatisticas_tipo
ORDER BY tipo, ano ; """
data_frame = self.executa_query(query, get_data_frame=True)
medias_list = data_frame.groupby(
'tipo'
)['quantidade_ocorrencias'].mean()
desvios_padroes_list = data_frame.groupby(
'tipo'
)['quantidade_ocorrencias'].std()
probabilidade_tipo_list = []
for i in range(0, len(medias_list)):
probabilidade_tipo = ProbabilidadeAcidentes()
probabilidade_tipo.tipo = medias_list.keys()[
i].decode('iso-8859-1').encode('utf8')
limits_min_one = 0
limits_max_one = 5000
limits_min_two = 5001
limits_max_two = 10000
limits_min_three = 10001
limits_max_three = 30000
limits_min_four = 30001
limits_max_four = 50000
limits_min_five = 50001
limites = [
(limits_min_one, limits_max_one),
(limits_min_two, limits_max_two),
(limits_min_three, limits_max_three),
(limits_min_four, limits_max_four),
(limits_min_five, sys.maxsize)]
normalization_in_percent = 100
for (inferior, superior) in limites:
if (medias_list[i] >= inferior and medias_list[i] <= superior):
probabilidade_tipo.probabilidade_por_limite_list.append(
normalization_in_percent * (
distribuicao_normal(
inferior,
medias_list[i],
desvios_padroes_list[i]
) + distribuicao_normal(
superior,
medias_list[i],
desvios_padroes_list[i]
)
)
)
elif (medias_list[i] >= inferior):
probabilidade_tipo.probabilidade_por_limite_list.append(
normalization_in_percent * (
distribuicao_normal(
inferior,
medias_list[i],
desvios_padroes_list[i]
) - distribuicao_normal(
superior,
medias_list[i],
desvios_padroes_list[i]
)
)
)
elif (medias_list[i] <= inferior):
probabilidade_tipo.probabilidade_por_limite_list.append(
normalization_in_percent * (
distribuicao_normal(
superior,
medias_list[i],
desvios_padroes_list[i]
) - distribuicao_normal(
inferior,
medias_list[i],
desvios_padroes_list[i]
)
)
)
probabilidade_tipo_list.append(
probabilidade_tipo
)
return probabilidade_tipo_list
def test_estatisticas_distribuicao_normal(self):
self.assertIsNotNone(estatisticas_util.distribuicao_normal(None, None, None))
self.assertIsNotNone(estatisticas_util.distribuicao_normal(100, 50, 0.5))
self.assertEquals(estatisticas_util.distribuicao_normal(100, 50, 0.5), 0.5)
