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 06:50:45 -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/t1228225916b1rzhkke34b31y9.htm/, Retrieved Sat, 25 May 2024 02:05:20 +0000
Statistical Computations at FreeStatistics.org, Office for Research Development and Education, URL https://freestatistics.org/blog/index.php?pk=27791, Retrieved Sat, 25 May 2024 02:05:20 +0000
QR Codes:

Original text written by user:
IsPrivate?No (this computation is public)
User-defined keywords
Estimated Impact219

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 18:40:39] [b98453cac15ba1066b407e146608df68]
F         [Law of Averages] [Non-stationary ti...] [2008-12-02 13:50:45] [d41d8cd98f00b204e9800998ecf8427e] [Current]
Feedback Forum
2008-12-04 10:42:26 [Steven Vercammen] [reply] 
Deze vraag heb ik correct opgelost, al mag de uitleg wat uitgebreider. Er wordt niet over de spectrums gesproken. Het dalende patroon op de raw periodogram en de zeer stijgende lijn op de cumulative periodogram wijzen op een lange termijn trend. Het cumulative periodogram kunnen we beschouwen als een soort R^2: 80% (y-as) kan verklaard worden door een zeer lage frequentie. De zeer steile stijging wijst dus op een lange termijn trend.
2008-12-07 09:45:05 [Käthe Vanderheggen] [reply] 
Inderdaad een zeer korte conclusie.
We zien een lage frequentie en dus een lange periode.
op de Yas zien we de intensiteit en op de Xas de frequentie.
We leggen de nadruk op de beweging met lage frequentie, wat typisch is voor een lange termijn tijdreeks.
We kunnen ongeveer 80% van de tijdreeks verklaren; hiervoor is een zeer lange termijnbeweging nodig.
2008-12-08 18:59:49 [Koen Van Baelen] [reply] 
Q4: Wat de student schrijft is correct, maar meer informatie is noodzakelijk. Uit twee bovenstaande grafieken kunnen we duidelijk een lage frequentie waarnemen (kunnen we bijvoorbeeld besluiten uit de Raw Periodogram omdat deze grafiek de intensiteit van de golfbewegingen duidelijk weergeeft). Een lage frequentie komt overeen met een lange periode die langzaam op en neer gaat, je kan dus spreken van een LT-trend. Om dit model dus te verbeteren zouden we d gelijkstellen aan 1, om zo de niet-seizoenele differentiatie toe te passen. De Cumulative Periodogram geeft ook de intensiteit weer op een schaal tussen 0 en 1. Het voordeel van de periodogram is dat hij geïnterpreteerd kan worden als de R². Hij geeft namelijk aan welke frequentie nodig is om welk percentage van de waarnemingen reeds te verklaren zijn. Als je bv 80% van de tijdreeks wil verklaren dan heb je zeer weinig frequenties nodig. Dit wordt veroorzaakt door de sterk stijgende lijn. Deze snelle stijging wijst opnieuw op een lange termijntrend. Als men deze trend verwijdert door d gelijk te stellen aan 1, zal men ook zien dat er sprake is van seizoenaliteit. Dit kan je zien aan de getrapte bewegingen die men dan verkrijgt.

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'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=27791&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=27791&T=0

Globally Unique Identifier (entire table): ba.freestatistics.org/blog/index.php?pk=27791&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


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
x <- b
bitmap(file='test1.png')
r <- spectrum(x,main='Raw Periodogram')
dev.off()
r
bitmap(file='test2.png')
cpgram(x,main='Cumulative Periodogram')
dev.off()