FreeStatistics.org

Free Statistics

of Irreproducible Research!

Description of Statistical Computation

Author's title

Author*The author of this computation has been verified*
R Software Modulerwasp_cloud.wasp
Title produced by softwareTrivariate Scatterplots
Date of computationWed, 12 Nov 2008 04:00:52 -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/Nov/12/t12264877091nwpdn6sdo9jwl6.htm/, Retrieved Sun, 19 May 2024 08:42:16 +0000
Statistical Computations at FreeStatistics.org, Office for Research Development and Education, URL https://freestatistics.org/blog/index.php?pk=24118, Retrieved Sun, 19 May 2024 08:42:16 +0000
QR Codes:

Original text written by user:
IsPrivate?No (this computation is public)
User-defined keywords
Estimated Impact157

Tree of Dependent Computations

Family? (F = Feedback message, R = changed R code, M = changed R Module, P = changed Parameters, D = changed Data)
F       [Trivariate Scatterplots] [Trivariate scatte...] [2008-11-12 11:00:52] [a16dfd7e948381d8b6391003c5d09447] [Current]
Feedback Forum
2008-11-16 17:32:21 [006ad2c49b6a7c2ad6ab685cfc1dae56] [reply] 
Te weinig uitleg. Een trivariate scatterplot gaat de verbanden na tussen 3 variabelen tegelijkertijd. De kubus wordt vanuit verschillende perspectieven bekeken. In de vierde grafiek maakt men gebruik van gestandaardiseerde projecties. Het nadeel van deze methode is dat elke scatterplot een beetje vertekend is doordat bepaalde dimensies gereduceerd zijn. Toch moet je proberen er nuttige info uit te halen. In dit geval kan je toch bepaalde verbanden vinden als je kijkt naar de verdeling van de puntenwolken.
2008-11-22 10:30:50 [Stephanie Vanderlinden] [reply] 
Hier ontbreekt de uitleg over de trivariate scatterplot. Eerst zijn er drie kubussen waarneembaar, die telkens vanuit verschillende perspectieven bekeken worden. Het is moeilijk om hier een analyse van te maken, daarom worden deze kubussen afgebeeld op een twee-dimensionaal vlak (=histogram). Dit histogram geeft scatterplots van alle mogelijke combinaties. Elke scatterplot is echter vertekend omdat niet elke variabele in rekening wordt gebracht. Een oplossing hiervor is de bivariate density plot. Deze geeft de correlatie tussen de variabelen weer aan de hand van regressierechten en hoogtelijnen. Als de hoogtelijnen elipsvormig zijn, kan je spreken van een verband tusssen de vraiabelen. Als deze ellipsen een stijgend verloop kennen is er een positief verband, als de ellipsen een dalend verloop kennen, is er een negatief verband.


Post a new message

Dataset

Dataseries X:
Download CSV
Histogram
Boxplots 
6,6
6,4
6
5,8
5,5
5,4
5,4
5,6
5,5
5,8
5,8
5,7
5,5
5,3
5,2
5,3
5,3
5
4,8
4,9
5,3
6
6,2
6,4
6,4
6,4
6,2
6,1
6
5,9
6,2
6,2
6,4
6,8
6,9
7
7
6,9
6,7
6,6
6,5
6,4
6,5
6,5
6,6
6,7
6,8
7,2
7,6
7,6
7,3
6,4
6,1
6,3
7,1
7,5
7,4
7,1
6,8
6,9
7,2
7,4
7,3
6,9
6,9
6,8
7,1
7,2
7,1
7
6,9
7
7,4
7,5
7,5
7,4
7,3
7
6,7
6,5
6,5
6,5
6,6
6,8
6,9
6,9
6,8
6,8
6,5
6,1
6
5,9
5,8
5,9
5,9
6,2
6,3
6,2
6
5,8
5,5
5,5
5,7
5,8
5,7
Dataseries Y:
Download CSV
Histogram 
5,6
5,3
5
4,7
4,4
4,2
4,2
4,3
4,3
4,7
4,8
4,7
4,6
4,5
4,5
4,8
4,8
4,6
4,3
4,3
4,6
5,4
5,5
5,5
5,3
5,2
5,2
5,4
5,3
5
4,9
4,9
5,3
6,3
6,7
6,7
6,4
6,1
6
6,2
6,1
6
6
5,9
5,9
6
6,1
6,4
6,7
6,7
6,5
5,9
5,6
5,7
6
6,3
6,3
6,2
6,1
6,3
6,5
6,6
6,5
6,2
6,2
5,9
6,1
6,1
6,1
6,1
6,1
6,3
6,7
6,9
6,9
6,9
6,8
6,4
5,9
5,5
5,6
5,6
5,8
5,9
6,1
6,1
6
6
5,8
5,5
5,5
5,4
5,2
5,2
5,2
5,5
5,7
5,7
5,6
5,4
5,1
5,1
5,3
5,3
5,3
Dataseries Z:
Download CSV
Histogram 
8
7,7
7,4
7,3
7
6,9
7,1
7,3
7,1
7,3
7,2
7
6,7
6,4
6,1
6,1
5,9
5,6
5,5
5,7
6,1
6,8
7,1
7,5
7,8
7,9
7,6
7
6,9
7,1
7,9
8
7,9
7,4
7,2
7,3
7,7
7,8
7,6
7,3
7
6,9
7,2
7,3
7,5
7,5
7,7
8,2
8,8
8,7
8,3
7,1
6,8
7,2
8,5
9,1
8,9
8,2
7,6
7,7
8,1
8,3
8,3
7,9
7,8
8
8,5
8,6
8,5
8,1
7,8
7,9
8,2
8,3
8,2
8,1
8
7,8
7,8
7,7
7,7
7,6
7,6
7,8
8
8
7,9
7,7
7,4
6,9
6,7
6,5
6,4
6,6
6,8
7
6,9
6,7
6,4
6,2
5,9
6
6,3
6,3
6,1

Tables (Output of Computation)





Summary of computational transaction
Raw Inputview raw input (R code)
Raw Outputview raw output of R engine
Computing time6 seconds
R Server'Herman Ole Andreas Wold' @ 193.190.124.10:1001

\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 & 6 seconds \tabularnewline
R Server & 'Herman Ole Andreas Wold' @ 193.190.124.10:1001 \tabularnewline
\hline
\end{tabular}
%Source: https://freestatistics.org/blog/index.php?pk=24118&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]6 seconds[/C][/ROW]
[ROW][C]R Server[/C][C]'Herman Ole Andreas Wold' @ 193.190.124.10:1001[/C][/ROW]
[/TABLE]
Source: https://freestatistics.org/blog/index.php?pk=24118&T=0

Globally Unique Identifier (entire table): ba.freestatistics.org/blog/index.php?pk=24118&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 time6 seconds
R Server'Herman Ole Andreas Wold' @ 193.190.124.10:1001


Figures (Output of Computation)

Input Parameters & R Code

Parameters (Session):
par1 = 50 ; par2 = 50 ; par3 = Y ; par4 = Y ; par5 = Totaal ouder dan 25 ; par6 = Mannen ouder dan 25 ; par7 = Vrouwen ouder dan 25 ;
Parameters (R input):
par1 = 50 ; par2 = 50 ; par3 = Y ; par4 = Y ; par5 = Totaal ouder dan 25 ; par6 = Mannen ouder dan 25 ; par7 = Vrouwen ouder dan 25 ;
R code (references can be found in the software module):
x <- array(x,dim=c(length(x),1))
colnames(x) <- par5
y <- array(y,dim=c(length(y),1))
colnames(y) <- par6
z <- array(z,dim=c(length(z),1))
colnames(z) <- par7
d <- data.frame(cbind(z,y,x))
colnames(d) <- list(par7,par6,par5)
par1 <- as.numeric(par1)
par2 <- as.numeric(par2)
if (par1>500) par1 <- 500
if (par2>500) par2 <- 500
if (par1<10) par1 <- 10
if (par2<10) par2 <- 10
library(GenKern)
library(lattice)
panel.hist <- function(x, ...)
{
usr <- par('usr'); on.exit(par(usr))
par(usr = c(usr[1:2], 0, 1.5) )
h <- hist(x, plot = FALSE)
breaks <- h$breaks; nB <- length(breaks)
y <- h$counts; y <- y/max(y)
rect(breaks[-nB], 0, breaks[-1], y, col='black', ...)
}
bitmap(file='cloud1.png')
cloud(z~x*y, screen = list(x=-45, y=45, z=35),xlab=par5,ylab=par6,zlab=par7)
dev.off()
bitmap(file='cloud2.png')
cloud(z~x*y, screen = list(x=35, y=45, z=25),xlab=par5,ylab=par6,zlab=par7)
dev.off()
bitmap(file='cloud3.png')
cloud(z~x*y, screen = list(x=35, y=-25, z=90),xlab=par5,ylab=par6,zlab=par7)
dev.off()
bitmap(file='pairs.png')
pairs(d,diag.panel=panel.hist)
dev.off()
x <- as.vector(x)
y <- as.vector(y)
z <- as.vector(z)
bitmap(file='bidensity1.png')
op <- KernSur(x,y, xgridsize=par1, ygridsize=par2, correlation=cor(x,y), xbandwidth=dpik(x), ybandwidth=dpik(y))
image(op$xords, op$yords, op$zden, col=terrain.colors(100), axes=TRUE,main='Bivariate Kernel Density Plot (x,y)',xlab=par5,ylab=par6)
if (par3=='Y') contour(op$xords, op$yords, op$zden, add=TRUE)
if (par4=='Y') points(x,y)
(r<-lm(y ~ x))
abline(r)
box()
dev.off()
bitmap(file='bidensity2.png')
op <- KernSur(y,z, xgridsize=par1, ygridsize=par2, correlation=cor(y,z), xbandwidth=dpik(y), ybandwidth=dpik(z))
op
image(op$xords, op$yords, op$zden, col=terrain.colors(100), axes=TRUE,main='Bivariate Kernel Density Plot (y,z)',xlab=par6,ylab=par7)
if (par3=='Y') contour(op$xords, op$yords, op$zden, add=TRUE)
if (par4=='Y') points(y,z)
(r<-lm(z ~ y))
abline(r)
box()
dev.off()
bitmap(file='bidensity3.png')
op <- KernSur(x,z, xgridsize=par1, ygridsize=par2, correlation=cor(x,z), xbandwidth=dpik(x), ybandwidth=dpik(z))
op
image(op$xords, op$yords, op$zden, col=terrain.colors(100), axes=TRUE,main='Bivariate Kernel Density Plot (x,z)',xlab=par5,ylab=par7)
if (par3=='Y') contour(op$xords, op$yords, op$zden, add=TRUE)
if (par4=='Y') points(x,z)
(r<-lm(z ~ x))
abline(r)
box()
dev.off()