FreeStatistics.org

Free Statistics

of Irreproducible Research!

Description of Statistical Computation

Author's title

Author*Unverified author*
R Software Modulerwasp_rwalk.wasp
Title produced by softwareLaw of Averages
Date of computationTue, 02 Dec 2008 06:52:01 -0700
Cite this page as followsStatistical Computations at FreeStatistics.org, Office for Research Development and Education, URL https://freestatistics.org/blog/index.php?v=date/2008/Dec/02/t1228225941u9exfkk28nnft1f.htm/, Retrieved Fri, 17 May 2024 05:14:08 +0000
Statistical Computations at FreeStatistics.org, Office for Research Development and Education, URL https://freestatistics.org/blog/index.php?pk=27792, Retrieved Fri, 17 May 2024 05:14:08 +0000
QR Codes:

Original text written by user:
IsPrivate?No (this computation is public)
User-defined keywords
Estimated Impact187

Tree of Dependent Computations

Family? (F = Feedback message, R = changed R code, M = changed R Module, P = changed Parameters, D = changed Data)
F     [Law of Averages] [Random Walk Simul...] [2008-11-25 18:05:16] [b98453cac15ba1066b407e146608df68]
F         [Law of Averages] [] [2008-12-02 13:52:01] [d41d8cd98f00b204e9800998ecf8427e] [Current]
Feedback Forum
2008-12-07 13:00:43 [Käthe Vanderheggen] [reply] 
Dit is een correcte analyse. De student zou hier nog eventueel kunnen uitleggen wat een stochastische lange termijn trend is: namelijk het tegenovergestelde van deterministisch en betekent dat de trend kan veranderen (het hoeft dus niet lineair stijgend of dalend te zijn. Een trend op lange termijn zorgt ervoor dat het gemiddelde (langzaam) wijzigt.
2008-12-08 18:05:51 [Erik Geysen] [reply] 
Er is schijnbaar een negatieve trend te zien op de figuur. Aan de hand van de law averages kunnen we zien dat de rode lijn een positieve autocorrelatie weergeeft. Als we 2 punten nemen uit elke periode dan kunnen we de volgende beurskoers voorspellen. Dus indien de vorige waarde van de beurskoers hoog was, dan geldt dit ook voor de volgende beurskoers.

Alle correlaties liggen boven het 95% betrouwbaarheidsinterval. De gegevens zijn allemaal significant verschillend van 0, er is een positieve correlatie en we kunnen ook zien dat het patroon dalend is, door deze 3 opmerkingen kunnen we zeggen dat het resultaat niet door het toeval kan verklaard worden. We kunnen hierdoor concluderen dat dit typisch patroon een stochastische trend voorstelt op lange termijn. We moeten deze trend differentiëren om een trendmatig verloop te kunnen modeleren.
De student heeft dit allemaal vermeld en de vraag dus uitstekend opgelost.

Post a new message

Dataset

Tables (Output of Computation)





Summary of computational transaction
Raw Inputview raw input (R code)
Raw Outputview raw output of R engine
Computing time1 seconds
R Server'George Udny Yule' @ 72.249.76.132

\begin{tabular}{lllllllll}
\hline
Summary of computational transaction \tabularnewline
Raw Input & view raw input (R code)  \tabularnewline
Raw Output & view raw output of R engine  \tabularnewline
Computing time & 1 seconds \tabularnewline
R Server & 'George Udny Yule' @ 72.249.76.132 \tabularnewline
\hline
\end{tabular}
%Source: https://freestatistics.org/blog/index.php?pk=27792&T=0

[TABLE]
[ROW][C]Summary of computational transaction[/C][/ROW]
[ROW][C]Raw Input[/C][C]view raw input (R code) [/C][/ROW]
[ROW][C]Raw Output[/C][C]view raw output of R engine [/C][/ROW]
[ROW][C]Computing time[/C][C]1 seconds[/C][/ROW]
[ROW][C]R Server[/C][C]'George Udny Yule' @ 72.249.76.132[/C][/ROW]
[/TABLE]
Source: https://freestatistics.org/blog/index.php?pk=27792&T=0

Globally Unique Identifier (entire table): ba.freestatistics.org/blog/index.php?pk=27792&T=0

As an alternative you can also use a QR Code:  
QR Code


The GUIDs for individual cells are displayed in the table below:

Summary of computational transaction
Raw Inputview raw input (R code)
Raw Outputview raw output of R engine
Computing time1 seconds
R Server'George Udny Yule' @ 72.249.76.132


Figures (Output of Computation)

Input Parameters & R Code

Parameters (Session):
par1 = 500 ; par2 = 0.5 ;
Parameters (R input):
par1 = 500 ; par2 = 0.5 ;
R code (references can be found in the software module):
n <- as.numeric(par1)
p <- as.numeric(par2)
heads=rbinom(n-1,1,p)
a=2*(heads)-1
b=diffinv(a,xi=0)
c=1:n
pheads=(diffinv(heads,xi=.5))/c
bitmap(file='test1.png')
op=par(mfrow=c(2,1))
plot(c,b,type='n',main='Law of Averages',xlab='Toss Number',ylab='Excess of Heads',lwd=2,cex.lab=1.5,cex.main=2)
lines(c,b,col='red')
lines(c,rep(0,n),col='black')
plot(c,pheads,type='n',xlab='Toss Number',ylab='Proportion of Heads',lwd=2,cex.lab=1.5)
lines(c,pheads,col='blue')
lines(c,rep(.5,n),col='black')
par(op)
dev.off()
b
bitmap(file='pic1.png')
racf <- acf(b,n/10,main='Autocorrelation',xlab='lags',ylab='ACF')
dev.off()
racf