FreeStatistics.org

Free Statistics

of Irreproducible Research!

Description of Statistical Computation

Author's title

Author*Unverified author*
R Software Modulerwasp_bidensity.wasp
Title produced by softwareBivariate Kernel Density Estimation
Date of computationWed, 12 Nov 2008 11:30:35 -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/t1226514673rzl2ach1t0ss2k5.htm/, Retrieved Sun, 19 May 2024 11:10:27 +0000
Statistical Computations at FreeStatistics.org, Office for Research Development and Education, URL https://freestatistics.org/blog/index.php?pk=24354, Retrieved Sun, 19 May 2024 11:10:27 +0000
QR Codes:

Original text written by user:
IsPrivate?No (this computation is public)
User-defined keywordsSeverijns Britt
Estimated Impact170

Tree of Dependent Computations

Family? (F = Feedback message, R = changed R code, M = changed R Module, P = changed Parameters, D = changed Data)
-     [Bivariate Kernel Density Estimation] [Variuos EDA topic...] [2008-11-09 13:17:45] [3548296885df7a66ea8efc200c4aca50]
F    D    [Bivariate Kernel Density Estimation] [various EDA topic...] [2008-11-12 18:30:35] [78308c9f3efc33d1da821bcd963df161] [Current]
Feedback Forum
2008-11-23 15:37:47 [Aurélie Van Impe] [reply] 
Je hebt de grafieken wel gemaakt, maar je bent vergeten er commentaar bij te geven. Je had bij deze grafiek kunnen schrijven dat het gaat om een weergave van 2 dimensies. En dat de hoogtelijnen dienen om de concentratie weer te geven. De roze gebieden geven de kern weer, in kern is de waarschijnlijkheid het grootst dat hier gegevens liggen. Je ziet op de tekening meerdere kernen, en dus meerdere groepen van gegevens. Aangezien de kernen een ellipsvorm hebben, van links onder naar rechts boven, kunnen we zeggen dat er een positieve correlatie is tussen de 2 reeksen gegevens. Links van de rechte lijn, die het gemiddelde van alle gegevens voorstelt, zie je nog een cluster van gegevens. Deze gegevens wijken een beetje af van de andere gegevens, maar ook zij vormen een ellips, dus er is duidelijk een positief verband tussen deze twee variabelen. Wat ook logisch is, want beide variabelen gaan over het aantal werklozen. Dus het zou onlogisch zijn als er geen verband was tussen deze variabelen.
2008-11-23 16:11:22 [Alexander Hendrickx] [reply] 
De grafieken werden goed gemaakt, maar er staat geen conclusie bij. De biavariate kernel density plot is een goede manier om correlaties visueel voor te stellen. Ook de concentratie van de gegevens zijn gemakkelijk af te lezen aan de hand van de hoogtelijnen. Hoe dichter deze bij elkaar liggen hoe groter de concentratie en hoe meer kans je dus hebt dat een punt daar zal liggen. Met de partial correlatie, kan je twee variabelen met elkaar vergelijken terwijl je een derde constant houdt, wat handig is om de invloed van de verschillende variabelen op de correlatie te analyseren.
2008-11-23 17:33:21 [7bf28d4d60530086dbc44ae6b648927e] [reply] 
De bivariate Kernel density plot is een manier om het verband te zien tussen 2 variablen x en y. Er zijn hoogtlijnen te zien. Als er elipsvormige hoogtelijnen zijn dan is er een positief verband. De scatterplots zijn dan lineair. Wanneer ze cirkelvormig zijn is er geen verband. Hier is er wel een positief verband aanwezig.

Post a new message

Dataset

Dataseries X:
Download CSV
Histogram
Boxplots 
344744
338653
327532
326225
318672
317756
337302
349420
336923
330758
321002
320820
327032
324047
316735
315710
313427
310527
330962
339015
341332
339092
323308
325849
330675
332225
331735
328047
326165
327081
346764
344190
343333
345777
344094
348609
354846
356427
353467
355996
352487
355178
374556
375021
375787
372720
364431
370490
376974
377632
378205
370861
369167
371551
382842
381903
384502
392058
384359
388884
386586
387495
385705
378670
377367
376911
389827
387820
387267
380575
372402
376740
377795
376126
370804
367980
367866
366121
379421
378519
372423
355072
344693
342892
344178
337606
327103
323953
316532
306307
327225
329573
313761
307836
300074
304198
306122
300414
292133
290616
280244
285179
305486
305957
Dataseries Y:
Download CSV
Histogram 
492865
480961
461935
456608
441977
439148
488180
520564
501492
485025
464196
460170
467037
460070
447988
442867
436087
431328
484015
509673
512927
502831
470984
471067
476049
474605
470439
461251
454724
455626
516847
525192
522975
518585
509239
512238
519164
517009
509933
509127
500857
506971
569323
579714
577992
565464
547344
554788
562325
560854
555332
543599
536662
542722
593530
610763
612613
611324
594167
595454
590865
589379
584428
573100
567456
569028
620735
628884
628232
612117
595404
597141
593408
590072
579799
574205
572775
572942
619567
625809
619916
587625
565742
557274
560576
548854
531673
525919
511038
498662
555362
564591
541657
527070
509846
514258
516922
507561
492622
490243
469357
477580
528379
533590

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'Gwilym Jenkins' @ 72.249.127.135

\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 & 'Gwilym Jenkins' @ 72.249.127.135 \tabularnewline
\hline
\end{tabular}
%Source: https://freestatistics.org/blog/index.php?pk=24354&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]'Gwilym Jenkins' @ 72.249.127.135[/C][/ROW]
[/TABLE]
Source: https://freestatistics.org/blog/index.php?pk=24354&T=0

Globally Unique Identifier (entire table): ba.freestatistics.org/blog/index.php?pk=24354&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'Gwilym Jenkins' @ 72.249.127.135






Bandwidth
x axis8051.24435041897
y axis22572.23889631
Correlation
correlation used in KDE0.792846709181054
correlation(x,y)0.792846709181054

\begin{tabular}{lllllllll}
\hline
Bandwidth \tabularnewline
x axis & 8051.24435041897 \tabularnewline
y axis & 22572.23889631 \tabularnewline
Correlation \tabularnewline
correlation used in KDE & 0.792846709181054 \tabularnewline
correlation(x,y) & 0.792846709181054 \tabularnewline
\hline
\end{tabular}
%Source: https://freestatistics.org/blog/index.php?pk=24354&T=1

[TABLE]
[ROW][C]Bandwidth[/C][/ROW]
[ROW][C]x axis[/C][C]8051.24435041897[/C][/ROW]
[ROW][C]y axis[/C][C]22572.23889631[/C][/ROW]
[ROW][C]Correlation[/C][/ROW]
[ROW][C]correlation used in KDE[/C][C]0.792846709181054[/C][/ROW]
[ROW][C]correlation(x,y)[/C][C]0.792846709181054[/C][/ROW]
[/TABLE]
Source: https://freestatistics.org/blog/index.php?pk=24354&T=1

Globally Unique Identifier (entire table): ba.freestatistics.org/blog/index.php?pk=24354&T=1

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


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

Bandwidth
x axis8051.24435041897
y axis22572.23889631
Correlation
correlation used in KDE0.792846709181054
correlation(x,y)0.792846709181054


Figures (Output of Computation)

Input Parameters & R Code

Parameters (Session):
par1 = 50 ; par2 = 50 ; par3 = 0 ; par4 = 0 ; par5 = 0 ; par6 = Y ; par7 = Y ;
Parameters (R input):
par1 = 50 ; par2 = 50 ; par3 = 0 ; par4 = 0 ; par5 = 0 ; par6 = Y ; par7 = Y ;
R code (references can be found in the software module):
par1 <- as(par1,'numeric')
par2 <- as(par2,'numeric')
par3 <- as(par3,'numeric')
par4 <- as(par4,'numeric')
par5 <- as(par5,'numeric')
library('GenKern')
if (par3==0) par3 <- dpik(x)
if (par4==0) par4 <- dpik(y)
if (par5==0) par5 <- cor(x,y)
if (par1 > 500) par1 <- 500
if (par2 > 500) par2 <- 500
bitmap(file='bidensity.png')
op <- KernSur(x,y, xgridsize=par1, ygridsize=par2, correlation=par5, xbandwidth=par3, ybandwidth=par4)
image(op$xords, op$yords, op$zden, col=terrain.colors(100), axes=TRUE,main=main,xlab=xlab,ylab=ylab)
if (par6=='Y') contour(op$xords, op$yords, op$zden, add=TRUE)
if (par7=='Y') points(x,y)
(r<-lm(y ~ x))
abline(r)
box()
dev.off()
load(file='createtable')
a<-table.start()
a<-table.row.start(a)
a<-table.element(a,'Bandwidth',2,TRUE)
a<-table.row.end(a)
a<-table.row.start(a)
a<-table.element(a,'x axis',header=TRUE)
a<-table.element(a,par3)
a<-table.row.end(a)
a<-table.row.start(a)
a<-table.element(a,'y axis',header=TRUE)
a<-table.element(a,par4)
a<-table.row.end(a)
a<-table.row.start(a)
a<-table.element(a,'Correlation',2,TRUE)
a<-table.row.end(a)
a<-table.row.start(a)
a<-table.element(a,'correlation used in KDE',header=TRUE)
a<-table.element(a,par5)
a<-table.row.end(a)
a<-table.row.start(a)
a<-table.element(a,'correlation(x,y)',header=TRUE)
a<-table.element(a,cor(x,y))
a<-table.row.end(a)
a<-table.end(a)
table.save(a,file='mytable.tab')