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_rwalk.wasp
Title produced by softwareLaw of Averages
Date of computationTue, 02 Dec 2008 10:15:00 -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/t1228238163xilshs06h6wclxo.htm/, Retrieved Fri, 24 May 2024 23:58:04 +0000
Statistical Computations at FreeStatistics.org, Office for Research Development and Education, URL https://freestatistics.org/blog/index.php?pk=28098, Retrieved Fri, 24 May 2024 23:58:04 +0000
QR Codes:

Original text written by user:
IsPrivate?No (this computation is public)
User-defined keywords
Estimated Impact135

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] [NonStationaryTime...] [2008-12-02 17:15:00] [ff1f39dba9ec26bf89aa666d9dcb6cc1] [Current]
Feedback Forum
2008-12-05 14:13:23 [Angelique Van de Vijver] [reply] 
Goede berekening en conclusies van de student. De student heeft de ACF goed uitgelegd en gewezen op het langzaam dalend verloop. Goede vaststelling dat het hier over positieve autocorrelatie gaat en goed uitgelegd wat dit juist inhoudt. De waarden worden dus bepaald door het verleden wat ook vast te stellen is in de formule Y(t)= Y(t-1)+e(t).
De student kon ook nog vermelden dat alle waarden zich boven het betrouwbaarheidsinterval (blauwe stippellijn) bevinden en dus allemaal significant verschillend zijn van 0.
We stellen hier dus een langzaam dalend patroon vast dat we moeten elimineren via differentiatie.
2008-12-08 19:09:45 [Stef Vermeiren] [reply] 
Goede conclusie! De student had ook de 'law of averages' kunnen bespreken: Wanneer we twee opeenvolgende punten vergelijken wil zeggen dat als de vorige waarde hoog is, de volgende waarde ook hoog zal zijn. Dus geldt analoog: wanneer de vorige waarde klein is, zal de volgende waarde ook klein zijn.

Autocorrelatie: De blauwe stippellijn geeft het betrouwbaarheidsinterval van 95% weer. Dit patroon kan geen toeval zijn. We spreken van een stockastische trend op lange termijn. Deze kan later wel verwijderd worden door differentiatie.

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 time2 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 & 2 seconds \tabularnewline
R Server & 'Gwilym Jenkins' @ 72.249.127.135 \tabularnewline
\hline
\end{tabular}
%Source: https://freestatistics.org/blog/index.php?pk=28098&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]2 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=28098&T=0

Globally Unique Identifier (entire table): ba.freestatistics.org/blog/index.php?pk=28098&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 time2 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
bitmap(file='pic1.png')
racf <- acf(b,n/10,main='Autocorrelation',xlab='lags',ylab='ACF')
dev.off()
racf