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_variancereduction.wasp
Title produced by softwareVariance Reduction Matrix
Date of computationTue, 02 Dec 2008 10:47:50 -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/t1228240180zxw55g9ybvpybo8.htm/, Retrieved Sat, 25 May 2024 04:40:51 +0000
Statistical Computations at FreeStatistics.org, Office for Research Development and Education, URL https://freestatistics.org/blog/index.php?pk=28144, Retrieved Sat, 25 May 2024 04:40:51 +0000
QR Codes:

Original text written by user:
IsPrivate?No (this computation is public)
User-defined keywordsjenske_cole@hotmail.com
Estimated Impact171

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 18:31:28] [b98453cac15ba1066b407e146608df68]
F RMPD    [Variance Reduction Matrix] [time series q3] [2008-12-02 17:47:50] [120dfa2440e51a0cfc0f5296bc5d7460] [Current]
Feedback Forum
2008-12-07 13:48:19 [6066575aa30c0611e452e930b1dff53d] [reply] 
Bij deze vraag werd wel de variance reduction matrix gegeven, maar zonder uitleg. Men had hier kunnen vermelden dat D staat voor seizoenaal differentiëren, dit is omdat er eventueel seizoenaliteit in de tijdreeks zit en dat de kleine d staat voor het aantal keer dat er gedifferentieerd werd. Verder had men ook kunnen vermelden dat als ik een tijdreeks wil voorspellen, dat de variantie dan het risico voorstelt dat in de tijdreeks zit. We trachten dus de variantie zo klein mogelijk te maken. De kleinste variantie is 1139.35152171772(bij d=1 en D=0). Dit is dus bij 1 keer differentiëren. Bovendien vinden we dezelfde kleinste variantie ook bij d=0 en D=1. Ook bij de getrimde variantie (waar het effect van de outliers beperkt is) vinden we de kleinste variantie bij d=1 en D=0 en bij d=0 en D=1.
2008-12-07 14:22:42 [Stephanie Vanderlinden] [reply] 
De student bekomt de nodige tabel, maar geeft geen verklaring. D = seizoenaal differentiëren, dit wordt gebruikt om de seizoenaliteit te verwijderen. d= het aantal keer er gedifferentieerd word, niet seizoenaal. De variantie van een tijdreeks geeft het risico van die tijdreeks weer. We kunnen het meeste verklaren als de variantie klein is. We vinden de kleinste waarde bij d =1 en D=0. Dit wil zeggen dat we 1 keer differentiëren om een meer trendmatig verloop te bekomen en dat we niet moeten differentiëren om de seizoenaliteit te verwijderen.
2008-12-08 13:47:24 [58d427c57bd46519a715a3a7fea6a80f] [reply] 
Bij deze opdracht maken we gebruik van variance reduction matrix. Dit wil zeggen dat we nagaan welke differentiatie er nodig is om de tijdreeks stationair te maken. We moeten kijken wanneer de variantie het kleinst is, dit is het geval bij d=0 en D=1 d.w.z dat we 1 keer seizonaal differentieren over D. Bij dit:d = 1 en D = 0is de variantie ook het kleinst deze wilt zeggen de tijdreeks 1 keer te differentiëren en niet seizoenaal te differentiëren.

Post a new message

Dataset

Dataseries X:
Download CSV
Histogram
Boxplots 
112
118
132
129
121
135
148
148
136
119
104
118
115
126
141
135
125
149
170
170
158
133
114
140
145
150
178
163
172
178
199
199
184
162
146
166
171
180
193
181
183
218
230
242
209
191
172
194
196
196
236
235
229
243
264
272
237
211
180
201
204
188
235
227
234
264
302
293
259
229
203
229
242
233
267
269
270
315
364
347
312
274
237
278
284
277
317
313
318
374
413
405
355
306
271
306
315
301
356
348
355
422
465
467
404
347
305
336
340
318
362
348
363
435
491
505
404
359
310
337
360
342
406
396
420
472
548
559
463
407
362
405
417
391
419
461
472
535
622
606
508
461
390
432

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'Sir Ronald Aylmer Fisher' @ 193.190.124.24

\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 & 'Sir Ronald Aylmer Fisher' @ 193.190.124.24 \tabularnewline
\hline
\end{tabular}
%Source: https://freestatistics.org/blog/index.php?pk=28144&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]'Sir Ronald Aylmer Fisher' @ 193.190.124.24[/C][/ROW]
[/TABLE]
Source: https://freestatistics.org/blog/index.php?pk=28144&T=0

Globally Unique Identifier (entire table): ba.freestatistics.org/blog/index.php?pk=28144&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'Sir Ronald Aylmer Fisher' @ 193.190.124.24






Variance Reduction Matrix
V(Y[t],d=0,D=0)14391.9172008547Range518Trim Var.9847.79429133858
V(Y[t],d=1,D=0)1139.35152171772Range188Trim Var.612.29533808274
V(Y[t],d=2,D=0)1588.47427829388Range228Trim Var.876.603936507937
V(Y[t],d=3,D=0)3719.00577507599Range327Trim Var.2090.46334906897
V(Y[t],d=0,D=1)1139.35152171772Range188Trim Var.612.29533808274
V(Y[t],d=1,D=1)1588.47427829388Range228Trim Var.876.603936507937
V(Y[t],d=2,D=1)3719.00577507599Range327Trim Var.2090.46334906897
V(Y[t],d=3,D=1)10948.9103802672Range543Trim Var.6705.59085714286
V(Y[t],d=0,D=2)1588.47427829388Range228Trim Var.876.603936507937
V(Y[t],d=1,D=2)3719.00577507599Range327Trim Var.2090.46334906897
V(Y[t],d=2,D=2)10948.9103802672Range543Trim Var.6705.59085714286
V(Y[t],d=3,D=2)35462.4106975289Range1018Trim Var.21524.7421935484

\begin{tabular}{lllllllll}
\hline
Variance Reduction Matrix \tabularnewline
V(Y[t],d=0,D=0) & 14391.9172008547 & Range & 518 & Trim Var. & 9847.79429133858 \tabularnewline
V(Y[t],d=1,D=0) & 1139.35152171772 & Range & 188 & Trim Var. & 612.29533808274 \tabularnewline
V(Y[t],d=2,D=0) & 1588.47427829388 & Range & 228 & Trim Var. & 876.603936507937 \tabularnewline
V(Y[t],d=3,D=0) & 3719.00577507599 & Range & 327 & Trim Var. & 2090.46334906897 \tabularnewline
V(Y[t],d=0,D=1) & 1139.35152171772 & Range & 188 & Trim Var. & 612.29533808274 \tabularnewline
V(Y[t],d=1,D=1) & 1588.47427829388 & Range & 228 & Trim Var. & 876.603936507937 \tabularnewline
V(Y[t],d=2,D=1) & 3719.00577507599 & Range & 327 & Trim Var. & 2090.46334906897 \tabularnewline
V(Y[t],d=3,D=1) & 10948.9103802672 & Range & 543 & Trim Var. & 6705.59085714286 \tabularnewline
V(Y[t],d=0,D=2) & 1588.47427829388 & Range & 228 & Trim Var. & 876.603936507937 \tabularnewline
V(Y[t],d=1,D=2) & 3719.00577507599 & Range & 327 & Trim Var. & 2090.46334906897 \tabularnewline
V(Y[t],d=2,D=2) & 10948.9103802672 & Range & 543 & Trim Var. & 6705.59085714286 \tabularnewline
V(Y[t],d=3,D=2) & 35462.4106975289 & Range & 1018 & Trim Var. & 21524.7421935484 \tabularnewline
\hline
\end{tabular}
%Source: https://freestatistics.org/blog/index.php?pk=28144&T=1

[TABLE]
[ROW][C]Variance Reduction Matrix[/C][/ROW]
[ROW][C]V(Y[t],d=0,D=0)[/C][C]14391.9172008547[/C][C]Range[/C][C]518[/C][C]Trim Var.[/C][C]9847.79429133858[/C][/ROW]
[ROW][C]V(Y[t],d=1,D=0)[/C][C]1139.35152171772[/C][C]Range[/C][C]188[/C][C]Trim Var.[/C][C]612.29533808274[/C][/ROW]
[ROW][C]V(Y[t],d=2,D=0)[/C][C]1588.47427829388[/C][C]Range[/C][C]228[/C][C]Trim Var.[/C][C]876.603936507937[/C][/ROW]
[ROW][C]V(Y[t],d=3,D=0)[/C][C]3719.00577507599[/C][C]Range[/C][C]327[/C][C]Trim Var.[/C][C]2090.46334906897[/C][/ROW]
[ROW][C]V(Y[t],d=0,D=1)[/C][C]1139.35152171772[/C][C]Range[/C][C]188[/C][C]Trim Var.[/C][C]612.29533808274[/C][/ROW]
[ROW][C]V(Y[t],d=1,D=1)[/C][C]1588.47427829388[/C][C]Range[/C][C]228[/C][C]Trim Var.[/C][C]876.603936507937[/C][/ROW]
[ROW][C]V(Y[t],d=2,D=1)[/C][C]3719.00577507599[/C][C]Range[/C][C]327[/C][C]Trim Var.[/C][C]2090.46334906897[/C][/ROW]
[ROW][C]V(Y[t],d=3,D=1)[/C][C]10948.9103802672[/C][C]Range[/C][C]543[/C][C]Trim Var.[/C][C]6705.59085714286[/C][/ROW]
[ROW][C]V(Y[t],d=0,D=2)[/C][C]1588.47427829388[/C][C]Range[/C][C]228[/C][C]Trim Var.[/C][C]876.603936507937[/C][/ROW]
[ROW][C]V(Y[t],d=1,D=2)[/C][C]3719.00577507599[/C][C]Range[/C][C]327[/C][C]Trim Var.[/C][C]2090.46334906897[/C][/ROW]
[ROW][C]V(Y[t],d=2,D=2)[/C][C]10948.9103802672[/C][C]Range[/C][C]543[/C][C]Trim Var.[/C][C]6705.59085714286[/C][/ROW]
[ROW][C]V(Y[t],d=3,D=2)[/C][C]35462.4106975289[/C][C]Range[/C][C]1018[/C][C]Trim Var.[/C][C]21524.7421935484[/C][/ROW]
[/TABLE]
Source: https://freestatistics.org/blog/index.php?pk=28144&T=1

Globally Unique Identifier (entire table): ba.freestatistics.org/blog/index.php?pk=28144&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:

Variance Reduction Matrix
V(Y[t],d=0,D=0)14391.9172008547Range518Trim Var.9847.79429133858
V(Y[t],d=1,D=0)1139.35152171772Range188Trim Var.612.29533808274
V(Y[t],d=2,D=0)1588.47427829388Range228Trim Var.876.603936507937
V(Y[t],d=3,D=0)3719.00577507599Range327Trim Var.2090.46334906897
V(Y[t],d=0,D=1)1139.35152171772Range188Trim Var.612.29533808274
V(Y[t],d=1,D=1)1588.47427829388Range228Trim Var.876.603936507937
V(Y[t],d=2,D=1)3719.00577507599Range327Trim Var.2090.46334906897
V(Y[t],d=3,D=1)10948.9103802672Range543Trim Var.6705.59085714286
V(Y[t],d=0,D=2)1588.47427829388Range228Trim Var.876.603936507937
V(Y[t],d=1,D=2)3719.00577507599Range327Trim Var.2090.46334906897
V(Y[t],d=2,D=2)10948.9103802672Range543Trim Var.6705.59085714286
V(Y[t],d=3,D=2)35462.4106975289Range1018Trim Var.21524.7421935484


Figures (Output of Computation)

Input Parameters & R Code

Parameters (Session):
par1 = 1 ;
Parameters (R input):
par1 = 1 ;
R code (references can be found in the software module):
par1 <- as.numeric(par1)
n <- length(x)
sx <- sort(x)
load(file='createtable')
a<-table.start()
a<-table.row.start(a)
a<-table.element(a,'Variance Reduction Matrix',6,TRUE)
a<-table.row.end(a)
for (bigd in 0:2) {
for (smalld in 0:3) {
mylabel <- 'V(Y[t],d='
mylabel <- paste(mylabel,as.character(smalld),sep='')
mylabel <- paste(mylabel,',D=',sep='')
mylabel <- paste(mylabel,as.character(bigd),sep='')
mylabel <- paste(mylabel,')',sep='')
a<-table.row.start(a)
a<-table.element(a,mylabel,header=TRUE)
myx <- x
if (smalld > 0) myx <- diff(x,lag=1,differences=smalld)
if (bigd > 0) myx <- diff(myx,lag=par1,differences=bigd)
a<-table.element(a,var(myx))
a<-table.element(a,'Range',header=TRUE)
a<-table.element(a,max(myx)-min(myx))
a<-table.element(a,'Trim Var.',header=TRUE)
smyx <- sort(myx)
sn <- length(smyx)
a<-table.element(a,var(smyx[smyx>quantile(smyx,0.05) & smyxa<-table.row.end(a)
}
}
a<-table.end(a)
table.save(a,file='mytable.tab')