Projektgruppe Business Intelligence Applications and Evaluation ...

Projektgruppe Cuberunner
Jinengo - DV Konzept
Die Wahrscheinlichkeit einer Zurücksetzung der Daten korreliert dabei mit der Sensibilität der Information
und ist daher beim Einkommen am höchsten.
Attribut Abhängig von Erklärung
name gender In Abhängigkeit vom vergebenen Geschlecht des zu erstellenden
Endanwenders wird einer von 10 männlichen oder
weiblichen Namen gewählt.
incomeRangeID - Das Einkommen wird den Anwendern über eine Zufallszahl
zugewiesen. Dabei ist die Wahrscheinlichkeit für ein niedriges
bis mittleres Einkommen höher, als für ein hohes Einkommen.
familyStatusID incomeRangeID Der Familienstand eines Anwenders wird vom Einkommen
beeinflusst. Hinzu kommt ein Verrauschungsfaktor in Form
einer Zufallszahl, welche dafür sorgt, dass nicht jeder Endanwender
mit einem guten Einkommen eine Familie hat.
ownsPEV incomeRangeID Umso höher das Einkommen eines Anwenders umso größer
ist die Wahrscheinlichkeit, dass er ein Plug-In Electric Vehicle
(PEV) besitzt. Die Wahrscheinlichkeit für diesen Fall
ist dennoch sehr gering gehalten.
ownsGasCar incomeRangeID Umso höher das Einkommen eines Anwenders umso größer
ist die Wahrscheinlichkeit, dass er ein Auto besitzt. Die
Wahrscheinlichkeit für diesen Fall ist deutlich höher als für
den Besitz des PEV.
ownsEBike - Der Besitz eines eBikes wird über eine Zufallszahl bestimmt.
Da eBikes heut zu Tage noch nicht sonderlich verbreitet
sind, liegt die Wahrscheinlichkeit für diesen Fall bei
20%.
publicTransport-
Member
railMembership
maxDistance-
ToWalk
- Hier wird dem Anwender ein rein zufälliger Wert zugewiesen.
maxDistance-
ToBike
ownsGasCar,
ownsPEV,
ownsEBike
incomeRangeID,
ownsGasCar
In Abhängigkeit von den Fahrzeugen, die der modellierte
Anwender besitzt wird Ihm eine Monatskarte zugeteilt.
Dabei erhöhen der Besitzt von PEV und eBike die Wahrscheinlichkeit,
während der Besitz eines Autos die Wahrscheinlichkeit
verringert.
Das Einkommen beeinflusst ob und welche Bahncard der
Anwender hat. Desto Wahrscheinlicher ist es, dass der Endanwender
eine teurere Bahncard besitzt. Außerdem erhöht
sich die Wahrscheinlichkeit für eine Bahncard 100, wenn
die abgebildete Person kein Auto besitzt.
ownsEBike
Im ersten Schritt erhält der Endanwender eine rein zufällig
gewählte Zahl für diese Eigenschaft. Anschließend wird
allerdings überprüft ob der Anwender ein eBike besitzt.
Sollte dies der Fall sein, wird seine minimale Distanz auf 10
Kilometer gesetzt.
Tabelle 4.2: Erläuterung der Attribut-Abhängigkeiten
92