Repository of Reproducible Computations

Free Statistics

of Irreproducible Research!

Author's title

Author

*The author of this computation has been verified*

R Software Module

rwasp_smp.wasp

Title produced by software

Standard Deviation-Mean Plot

Date of computation

Wed, 03 Dec 2008 07:41:41 -0700

Cite this page as follows

Statistical Computations at FreeStatistics.org, Office for Research Development and Education, URL https://freestatistics.org/blog/index.php?v=date/2008/Dec/03/t1228315464su674qripgixvny.htm/, Retrieved Fri, 19 Apr 2024 22:36:46 +0000

Statistical Computations at FreeStatistics.org, Office for Research Development and Education, URL https://freestatistics.org/blog/index.php?pk=28714, Retrieved Fri, 19 Apr 2024 22:36:46 +0000

QR Codes:

Paste this QR Code to cite your computation.

Original text written by user:

IsPrivate?

No (this computation is public)

User-defined keywords

Estimated Impact

345

Family? (F = Feedback message, R = changed R code, M = changed R Module, P = changed Parameters, D = changed Data)

-     [Univariate Data Series] [data set] [2008-12-01 19:54:57] [b98453cac15ba1066b407e146608df68]
F RMP     [Standard Deviation-Mean Plot] [Taak 10 Stap 1 St...] [2008-12-03 14:41:41] [286e96bd53289970f8e5f25a93fb50b3] [Current]
F    D      [Standard Deviation-Mean Plot] [Taak 10 Stap 1 St...] [2008-12-04 18:13:48] [819b576fab25b35cfda70f80599828ec] 
F    D        [Standard Deviation-Mean Plot] [Opdracht 8 - Stap...] [2008-12-08 12:38:30] [a7f04e0e73ce3683561193958d653479] 
-    D          [Standard Deviation-Mean Plot] [1.2 SMP - Sparen ...] [2008-12-14 12:04:50] [59aea967d9353ed104ab16378d373ac2] 
- R           [Standard Deviation-Mean Plot] [Step 1] [2008-12-08 16:20:44] [7458e879e85b911182071700fff19fbd] 
F             [Standard Deviation-Mean Plot] [Step 1] [2008-12-08 16:20:04] [74be16979710d4c4e7c6647856088456] 
-   P         [Standard Deviation-Mean Plot] [Identification an...] [2008-12-08 19:18:10] [79c17183721a40a589db5f9f561947d8] 
F           [Standard Deviation-Mean Plot] [Identification an...] [2008-12-08 18:58:52] [79c17183721a40a589db5f9f561947d8] 
F           [Standard Deviation-Mean Plot] [egobzvb] [2008-12-09 16:55:50] [36e149b0e818e09d2b19e9807cb730e0] 
F RM        [Variance Reduction Matrix] [sqvhiZIVB0P] [2008-12-09 17:04:30] [36e149b0e818e09d2b19e9807cb730e0] 
- RMP       [(Partial) Autocorrelation Function] [sdjvbsdjvk] [2008-12-09 17:13:28] [36e149b0e818e09d2b19e9807cb730e0] 
F RMP       [Spectral Analysis] [] [2008-12-09 17:19:22] [36e149b0e818e09d2b19e9807cb730e0] 
- RMPD      [] [step 1] [1970-01-01 00:00:00] [b85eb1eb4b13b870c6e7ebbba3e34fcc] 

Feedback Forum

2008-12-13 14:45:18 [An De Koninck] [reply] 
Deze vraag werd correct opgelost, ik kan hier niets aan toevoegen 
2008-12-14 09:39:13 [Kristof Van Esbroeck] [reply] 
Student gebruikt de correcte software, Standard Deviation - Mean Plot, om step 1 op te lossen. 
 
We dienen, zoals men aangeeft, de optimale lambawaarde te berekenen. 
 
Uit de tabel Regression: ln S.E.(k) = alpha + beta * ln Mean(k) kunnen we een lamba waarde van 0.467057973925013 afleiden. Student wenst af te ronden naar 0.5, dit is correct. 
 
Als we 1 in vermindering hadden gebracht met de Beta waarde had dit ook geresulteerd in de optimale Lamba Coëfficiënt. Nl, (1 - 0.532942026074987) is gelijk aan 0.467057973925013. 
 
Op de grafische weergave van de Standard Deviation – Mean Plot noteren we op de x as het gemiddelde en op y as de standaard fout. 
  2008-12-15 20:55:47 [Nilay Erdogdu] [reply] 
ik ben het eens met de uitleg van deze student. En ook merken we een outlier op, maar deze outliers kunnen we hier buiten beschouwing laten. De lambda waarde die de student heeft gevonden is ook correct. P-value is kleiner dan 5%, dus significant verschillend van 0, dus hebben we te maken met een positieve beta waarde. De student kiest ervoor 0.5 als lamda waarde te gebruiken. Dit mag zeker.
2008-12-14 10:36:31 [Jeroen Michel] [reply] 
De student gebruikt een correcte software module om dit te berekenen. Voorts geeft de student een (correcte) uitgebreide analyse die de output kan verklaren. Hij verwijst naar de grafiek en tabellen waarop de analyse/conclusie duidelijk is te zien. 
 
De student rond het gevonden resultaat voor de eenvoud af naar 0,5. Voor alle duidelijkheid, dit vormt geen probleem om een verdere analyse te vormen. 
 
2008-12-14 12:13:05 [Kevin Neelen] [reply] 
De student heeft hier gebruik gemaakt van de juiste methode om deze vraagstelling op te lossen, namelijk het Standard Deviation Mean Plot. 
 
In dit Mean Plot zien we dat de tijdreeks opgedeeld wordt in secties van 12 waarnemingen waarbij iedere stip op de grafieken 1 jaar representeert. We zien een outlier die voldoende in het midden gelegen is om niet van invloed te zijn op het verloop regressierechte zoals tijdens het hoorcollege door Dhr. Wessa is gezegd. Deze rechte loopt van linksonder naar rechtsboven, wat wil zeggen dat als de werkloosheid stijgt, de standaardfout ook stijgt. Er is dus sprake van heteroskedasticiteit. Dit wordt ook bevestigd door de positieve beta-waarde in de tweede tabel. Deze verschilt significant van 0 vanwege de p-waarde die kleiner is dan 5%. 
 
Het uiteindelijke doel van deze methode is het bepalen van de optimale Lambdawaarde. In de laatste tabel zien we dat deze optimale Lambdawaarde 0,467 bedraagt. Voor het gemak wordt deze afgerond tot 0,5.
2008-12-14 12:49:55 [Matthieu Blondeau] [reply] 
De SMP deelt de ingegeven data in sections(= elke bolleke is gelijk aan 1 jaar).   
 
Als we een lijn zouden trekken door ale de bollekes krijgen we een positief stijgende lijn. Als de werkloosheid stijgt, zal de standaard fout dus ook stijgen. 
 
De p-waarde bedraagt inderdaad 0,38%, waardoor dat de kans dat het resultaat er door toeval komt heel klein is. De Beta is positief, er is dus een stijgende lijn in de grafiek. De Lambda bedraagt 0,47 ~ 0,5. 
 
De student heeft dit correct opgelost.
2008-12-14 16:58:54 [Mehmet Yilmaz] [reply] 
De berekening en conclusies zijn correct.
2008-12-15 10:27:35 [Jef Keersmaekers] [reply] 
De onderstaande berekeningen zijn correct. De lijn door de scatter plot is significant van 0. Er bestaat dus wel degelijk een verband tussen de standaardfout en gemiddelde. 
De outlier die aanwezig is in het scatterplot heeft geen effect op onze resultaten. Mocht de outlier zich helemaal links of rechts bevinden in het plot zou dit wel voor problemen kunnen zorgen.
2008-12-15 17:42:00 [Steffi Van Isveldt] [reply] 
Op deze berekening valt niets aan te merken. De afronding van het resultaat kan hier geen kwaad, het beinvloed de verdere analyse niet. 
2008-12-15 19:02:20 [Michael Van Spaandonck] [reply] 
De tijdreeks wordt opgedeeld in secties van 12 waarnemingen, dus iedere stip op de grafieken representeert 1 jaar. We zien een outlier die voldoende in het midden gelegen is om niet van invloed te zijn op het verloop regressierechte. 
Deze rechte loopt van linksonder naar rechtsboven, wat wil zeggen dat wanneer de werkloosheid stijgt, de standardfout stijgt. Er is dus sprake van heteroskedasticiteit . 
Dit wordt bevestigd door de positive betawaarde in de tweede tabel. Deze verschilt significant van 0 vanwege de p-waarde die kleiner is dan 5%. 
 
In de laatste tabel vinden we een lambdawaarde van 0,467. Voor het gemak wordt dit afgerond tot 0,5. We hebben i.v.m. de vergelijking alvast: Yt 0,5

Post a new message

Dataseries X:

Download CSV

Histogram

Boxplots

Summary of computational transaction
Raw Input	view raw input (R code)
Raw Output	view raw output of R engine
Computing time	1 seconds
R Server	'George Udny Yule' @ 72.249.76.132

\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 & 'George Udny Yule' @ 72.249.76.132 \tabularnewline
\hline
\end{tabular}
%Source: https://freestatistics.org/blog/index.php?pk=28714&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]'George Udny Yule' @ 72.249.76.132[/C][/ROW]
[/TABLE]
Source: https://freestatistics.org/blog/index.php?pk=28714&T=0

Globally Unique Identifier (entire table): ba.freestatistics.org/blog/index.php?pk=28714&T=0

As an alternative you can also use a QR Code:

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

Summary of computational transaction
Raw Input	view raw input (R code)
Raw Output	view raw output of R engine
Computing time	1 seconds
R Server	'George Udny Yule' @ 72.249.76.132

Standard Deviation-Mean Plot
Section	Mean	Standard Deviation	Range
1	227.733333333333	29.1940010442162	106
2	363.65	36.3267119348834	139.3
3	328.916666666667	93.5458451857438	273.6
4	205.45	30.3247123946491	89.5
5	188.333333333333	27.3773739803621	86
6	181.25	26.1571995999016	85.2
7	353.341666666667	36.2089506346236	110.8
8	285.308333333333	46.6051783766048	138.5
9	275.125	35.0509272345255	108.8
10	285.85	30.7409262296136	86.7
11	460.166666666667	56.0969831198748	147.3
12	373.95	53.1021228817215	150.3
13	385.1	35.1442999387072	115.5
14	471.358333333333	64.2130184808676	179.1
15	394.208333333333	40.6847628018454	138.7
16	407	46.6030432092544	147.6
17	378.575	49.9696839912143	132
18	336.633333333333	51.5290973993129	146.3
19	287.841666666667	33.2699826033054	112.7
20	297.566666666667	30.476438987082	117
21	281.666666666667	40.7140434412173	131.1
22	283.033333333333	28.4860837901065	109
23	408.85	48.934882520271	128.5
24	499.333333333333	37.5159925494408	109.6
25	484.008333333333	48.4390236808249	133.1
26	430.433333333333	37.4665022103584	108.4
27	507.583333333333	53.8722703730919	196.2
28	782.975	48.4555489832973	137.4
29	728.8	53.3077684940777	187
30	685.558333333333	72.5442618285032	222.9
31	604.716666666667	50.4040372360882	144

\begin{tabular}{lllllllll}
\hline
Standard Deviation-Mean Plot \tabularnewline
Section & Mean & Standard Deviation & Range \tabularnewline
1 & 227.733333333333 & 29.1940010442162 & 106 \tabularnewline
2 & 363.65 & 36.3267119348834 & 139.3 \tabularnewline
3 & 328.916666666667 & 93.5458451857438 & 273.6 \tabularnewline
4 & 205.45 & 30.3247123946491 & 89.5 \tabularnewline
5 & 188.333333333333 & 27.3773739803621 & 86 \tabularnewline
6 & 181.25 & 26.1571995999016 & 85.2 \tabularnewline
7 & 353.341666666667 & 36.2089506346236 & 110.8 \tabularnewline
8 & 285.308333333333 & 46.6051783766048 & 138.5 \tabularnewline
9 & 275.125 & 35.0509272345255 & 108.8 \tabularnewline
10 & 285.85 & 30.7409262296136 & 86.7 \tabularnewline
11 & 460.166666666667 & 56.0969831198748 & 147.3 \tabularnewline
12 & 373.95 & 53.1021228817215 & 150.3 \tabularnewline
13 & 385.1 & 35.1442999387072 & 115.5 \tabularnewline
14 & 471.358333333333 & 64.2130184808676 & 179.1 \tabularnewline
15 & 394.208333333333 & 40.6847628018454 & 138.7 \tabularnewline
16 & 407 & 46.6030432092544 & 147.6 \tabularnewline
17 & 378.575 & 49.9696839912143 & 132 \tabularnewline
18 & 336.633333333333 & 51.5290973993129 & 146.3 \tabularnewline
19 & 287.841666666667 & 33.2699826033054 & 112.7 \tabularnewline
20 & 297.566666666667 & 30.476438987082 & 117 \tabularnewline
21 & 281.666666666667 & 40.7140434412173 & 131.1 \tabularnewline
22 & 283.033333333333 & 28.4860837901065 & 109 \tabularnewline
23 & 408.85 & 48.934882520271 & 128.5 \tabularnewline
24 & 499.333333333333 & 37.5159925494408 & 109.6 \tabularnewline
25 & 484.008333333333 & 48.4390236808249 & 133.1 \tabularnewline
26 & 430.433333333333 & 37.4665022103584 & 108.4 \tabularnewline
27 & 507.583333333333 & 53.8722703730919 & 196.2 \tabularnewline
28 & 782.975 & 48.4555489832973 & 137.4 \tabularnewline
29 & 728.8 & 53.3077684940777 & 187 \tabularnewline
30 & 685.558333333333 & 72.5442618285032 & 222.9 \tabularnewline
31 & 604.716666666667 & 50.4040372360882 & 144 \tabularnewline
\hline
\end{tabular}
%Source: https://freestatistics.org/blog/index.php?pk=28714&T=1

[TABLE]
[ROW][C]Standard Deviation-Mean Plot[/C][/ROW]
[ROW][C]Section[/C][C]Mean[/C][C]Standard Deviation[/C][C]Range[/C][/ROW]
[ROW][C]1[/C][C]227.733333333333[/C][C]29.1940010442162[/C][C]106[/C][/ROW]
[ROW][C]2[/C][C]363.65[/C][C]36.3267119348834[/C][C]139.3[/C][/ROW]
[ROW][C]3[/C][C]328.916666666667[/C][C]93.5458451857438[/C][C]273.6[/C][/ROW]
[ROW][C]4[/C][C]205.45[/C][C]30.3247123946491[/C][C]89.5[/C][/ROW]
[ROW][C]5[/C][C]188.333333333333[/C][C]27.3773739803621[/C][C]86[/C][/ROW]
[ROW][C]6[/C][C]181.25[/C][C]26.1571995999016[/C][C]85.2[/C][/ROW]
[ROW][C]7[/C][C]353.341666666667[/C][C]36.2089506346236[/C][C]110.8[/C][/ROW]
[ROW][C]8[/C][C]285.308333333333[/C][C]46.6051783766048[/C][C]138.5[/C][/ROW]
[ROW][C]9[/C][C]275.125[/C][C]35.0509272345255[/C][C]108.8[/C][/ROW]
[ROW][C]10[/C][C]285.85[/C][C]30.7409262296136[/C][C]86.7[/C][/ROW]
[ROW][C]11[/C][C]460.166666666667[/C][C]56.0969831198748[/C][C]147.3[/C][/ROW]
[ROW][C]12[/C][C]373.95[/C][C]53.1021228817215[/C][C]150.3[/C][/ROW]
[ROW][C]13[/C][C]385.1[/C][C]35.1442999387072[/C][C]115.5[/C][/ROW]
[ROW][C]14[/C][C]471.358333333333[/C][C]64.2130184808676[/C][C]179.1[/C][/ROW]
[ROW][C]15[/C][C]394.208333333333[/C][C]40.6847628018454[/C][C]138.7[/C][/ROW]
[ROW][C]16[/C][C]407[/C][C]46.6030432092544[/C][C]147.6[/C][/ROW]
[ROW][C]17[/C][C]378.575[/C][C]49.9696839912143[/C][C]132[/C][/ROW]
[ROW][C]18[/C][C]336.633333333333[/C][C]51.5290973993129[/C][C]146.3[/C][/ROW]
[ROW][C]19[/C][C]287.841666666667[/C][C]33.2699826033054[/C][C]112.7[/C][/ROW]
[ROW][C]20[/C][C]297.566666666667[/C][C]30.476438987082[/C][C]117[/C][/ROW]
[ROW][C]21[/C][C]281.666666666667[/C][C]40.7140434412173[/C][C]131.1[/C][/ROW]
[ROW][C]22[/C][C]283.033333333333[/C][C]28.4860837901065[/C][C]109[/C][/ROW]
[ROW][C]23[/C][C]408.85[/C][C]48.934882520271[/C][C]128.5[/C][/ROW]
[ROW][C]24[/C][C]499.333333333333[/C][C]37.5159925494408[/C][C]109.6[/C][/ROW]
[ROW][C]25[/C][C]484.008333333333[/C][C]48.4390236808249[/C][C]133.1[/C][/ROW]
[ROW][C]26[/C][C]430.433333333333[/C][C]37.4665022103584[/C][C]108.4[/C][/ROW]
[ROW][C]27[/C][C]507.583333333333[/C][C]53.8722703730919[/C][C]196.2[/C][/ROW]
[ROW][C]28[/C][C]782.975[/C][C]48.4555489832973[/C][C]137.4[/C][/ROW]
[ROW][C]29[/C][C]728.8[/C][C]53.3077684940777[/C][C]187[/C][/ROW]
[ROW][C]30[/C][C]685.558333333333[/C][C]72.5442618285032[/C][C]222.9[/C][/ROW]
[ROW][C]31[/C][C]604.716666666667[/C][C]50.4040372360882[/C][C]144[/C][/ROW]
[/TABLE]
Source: https://freestatistics.org/blog/index.php?pk=28714&T=1

Globally Unique Identifier (entire table): ba.freestatistics.org/blog/index.php?pk=28714&T=1

As an alternative you can also use a QR Code:

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

Standard Deviation-Mean Plot
Section	Mean	Standard Deviation	Range
1	227.733333333333	29.1940010442162	106
2	363.65	36.3267119348834	139.3
3	328.916666666667	93.5458451857438	273.6
4	205.45	30.3247123946491	89.5
5	188.333333333333	27.3773739803621	86
6	181.25	26.1571995999016	85.2
7	353.341666666667	36.2089506346236	110.8
8	285.308333333333	46.6051783766048	138.5
9	275.125	35.0509272345255	108.8
10	285.85	30.7409262296136	86.7
11	460.166666666667	56.0969831198748	147.3
12	373.95	53.1021228817215	150.3
13	385.1	35.1442999387072	115.5
14	471.358333333333	64.2130184808676	179.1
15	394.208333333333	40.6847628018454	138.7
16	407	46.6030432092544	147.6
17	378.575	49.9696839912143	132
18	336.633333333333	51.5290973993129	146.3
19	287.841666666667	33.2699826033054	112.7
20	297.566666666667	30.476438987082	117
21	281.666666666667	40.7140434412173	131.1
22	283.033333333333	28.4860837901065	109
23	408.85	48.934882520271	128.5
24	499.333333333333	37.5159925494408	109.6
25	484.008333333333	48.4390236808249	133.1
26	430.433333333333	37.4665022103584	108.4
27	507.583333333333	53.8722703730919	196.2
28	782.975	48.4555489832973	137.4
29	728.8	53.3077684940777	187
30	685.558333333333	72.5442618285032	222.9
31	604.716666666667	50.4040372360882	144

Regression: S.E.(k) = alpha + beta * Mean(k)
alpha	25.0818554501784
beta	0.0488516650103526
S.D.	0.0155384837695400
T-STAT	3.14391453728042
p-value	0.00382792717820021

\begin{tabular}{lllllllll}
\hline
Regression: S.E.(k) = alpha + beta * Mean(k) \tabularnewline
alpha & 25.0818554501784 \tabularnewline
beta & 0.0488516650103526 \tabularnewline
S.D. & 0.0155384837695400 \tabularnewline
T-STAT & 3.14391453728042 \tabularnewline
p-value & 0.00382792717820021 \tabularnewline
\hline
\end{tabular}
%Source: https://freestatistics.org/blog/index.php?pk=28714&T=2

[TABLE]
[ROW][C]Regression: S.E.(k) = alpha + beta * Mean(k)[/C][/ROW]
[ROW][C]alpha[/C][C]25.0818554501784[/C][/ROW]
[ROW][C]beta[/C][C]0.0488516650103526[/C][/ROW]
[ROW][C]S.D.[/C][C]0.0155384837695400[/C][/ROW]
[ROW][C]T-STAT[/C][C]3.14391453728042[/C][/ROW]
[ROW][C]p-value[/C][C]0.00382792717820021[/C][/ROW]
[/TABLE]
Source: https://freestatistics.org/blog/index.php?pk=28714&T=2

Globally Unique Identifier (entire table): ba.freestatistics.org/blog/index.php?pk=28714&T=2

As an alternative you can also use a QR Code:

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

Regression: S.E.(k) = alpha + beta * Mean(k)
alpha	25.0818554501784
beta	0.0488516650103526
S.D.	0.0155384837695400
T-STAT	3.14391453728042
p-value	0.00382792717820021

Regression: ln S.E.(k) = alpha + beta * ln Mean(k)
alpha	0.596066412617842
beta	0.532942026074986
S.D.	0.115396834084912
T-STAT	4.61834183148243
p-value	7.31833172336408e-05
Lambda	0.467057973925014

\begin{tabular}{lllllllll}
\hline
Regression: ln S.E.(k) = alpha + beta * ln Mean(k) \tabularnewline
alpha & 0.596066412617842 \tabularnewline
beta & 0.532942026074986 \tabularnewline
S.D. & 0.115396834084912 \tabularnewline
T-STAT & 4.61834183148243 \tabularnewline
p-value & 7.31833172336408e-05 \tabularnewline
Lambda & 0.467057973925014 \tabularnewline
\hline
\end{tabular}
%Source: https://freestatistics.org/blog/index.php?pk=28714&T=3

[TABLE]
[ROW][C]Regression: ln S.E.(k) = alpha + beta * ln Mean(k)[/C][/ROW]
[ROW][C]alpha[/C][C]0.596066412617842[/C][/ROW]
[ROW][C]beta[/C][C]0.532942026074986[/C][/ROW]
[ROW][C]S.D.[/C][C]0.115396834084912[/C][/ROW]
[ROW][C]T-STAT[/C][C]4.61834183148243[/C][/ROW]
[ROW][C]p-value[/C][C]7.31833172336408e-05[/C][/ROW]
[ROW][C]Lambda[/C][C]0.467057973925014[/C][/ROW]
[/TABLE]
Source: https://freestatistics.org/blog/index.php?pk=28714&T=3

Globally Unique Identifier (entire table): ba.freestatistics.org/blog/index.php?pk=28714&T=3

As an alternative you can also use a QR Code:

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

Regression: ln S.E.(k) = alpha + beta * ln Mean(k)
alpha	0.596066412617842
beta	0.532942026074986
S.D.	0.115396834084912
T-STAT	4.61834183148243
p-value	7.31833172336408e-05
Lambda	0.467057973925014

Figure 1

PNG link

Postscript link

PDF link

Figure 2

PNG link

Postscript link

PDF link

Parameters (Session):

par1 = 12 ;

Parameters (R input):

par1 = 12 ;

R code (references can be found in the software module):

par1 <- as.numeric(par1)
(n <- length(x))
(np <- floor(n / par1))
arr <- array(NA,dim=c(par1,np))
j <- 0
k <- 1
for (i in 1:(np*par1))
{
j = j + 1
arr[j,k] <- x[i]
if (j == par1) {
j = 0
k=k+1
}
}
arr
arr.mean <- array(NA,dim=np)
arr.sd <- array(NA,dim=np)
arr.range <- array(NA,dim=np)
for (j in 1:np)
{
arr.mean[j] <- mean(arr[,j],na.rm=TRUE)
arr.sd[j] <- sd(arr[,j],na.rm=TRUE)
arr.range[j] <- max(arr[,j],na.rm=TRUE) - min(arr[,j],na.rm=TRUE)
}
arr.mean
arr.sd
arr.range
(lm1 <- lm(arr.sd~arr.mean))
(lnlm1 <- lm(log(arr.sd)~log(arr.mean)))
(lm2 <- lm(arr.range~arr.mean))
bitmap(file='test1.png')
plot(arr.mean,arr.sd,main='Standard Deviation-Mean Plot',xlab='mean',ylab='standard deviation')
dev.off()
bitmap(file='test2.png')
plot(arr.mean,arr.range,main='Range-Mean Plot',xlab='mean',ylab='range')
dev.off()
load(file='createtable')
a<-table.start()
a<-table.row.start(a)
a<-table.element(a,'Standard Deviation-Mean Plot',4,TRUE)
a<-table.row.end(a)
a<-table.row.start(a)
a<-table.element(a,'Section',header=TRUE)
a<-table.element(a,'Mean',header=TRUE)
a<-table.element(a,'Standard Deviation',header=TRUE)
a<-table.element(a,'Range',header=TRUE)
a<-table.row.end(a)
for (j in 1:np) {
a<-table.row.start(a)
a<-table.element(a,j,header=TRUE)
a<-table.element(a,arr.mean[j])
a<-table.element(a,arr.sd[j] )
a<-table.element(a,arr.range[j] )
a<-table.row.end(a)
}
a<-table.end(a)
table.save(a,file='mytable.tab')
a<-table.start()
a<-table.row.start(a)
a<-table.element(a,'Regression: S.E.(k) = alpha + beta * Mean(k)',2,TRUE)
a<-table.row.end(a)
a<-table.row.start(a)
a<-table.element(a,'alpha',header=TRUE)
a<-table.element(a,lm1$coefficients[[1]])
a<-table.row.end(a)
a<-table.row.start(a)
a<-table.element(a,'beta',header=TRUE)
a<-table.element(a,lm1$coefficients[[2]])
a<-table.row.end(a)
a<-table.row.start(a)
a<-table.element(a,'S.D.',header=TRUE)
a<-table.element(a,summary(lm1)$coefficients[2,2])
a<-table.row.end(a)
a<-table.row.start(a)
a<-table.element(a,'T-STAT',header=TRUE)
a<-table.element(a,summary(lm1)$coefficients[2,3])
a<-table.row.end(a)
a<-table.row.start(a)
a<-table.element(a,'p-value',header=TRUE)
a<-table.element(a,summary(lm1)$coefficients[2,4])
a<-table.row.end(a)
a<-table.end(a)
table.save(a,file='mytable1.tab')
a<-table.start()
a<-table.row.start(a)
a<-table.element(a,'Regression: ln S.E.(k) = alpha + beta * ln Mean(k)',2,TRUE)
a<-table.row.end(a)
a<-table.row.start(a)
a<-table.element(a,'alpha',header=TRUE)
a<-table.element(a,lnlm1$coefficients[[1]])
a<-table.row.end(a)
a<-table.row.start(a)
a<-table.element(a,'beta',header=TRUE)
a<-table.element(a,lnlm1$coefficients[[2]])
a<-table.row.end(a)
a<-table.row.start(a)
a<-table.element(a,'S.D.',header=TRUE)
a<-table.element(a,summary(lnlm1)$coefficients[2,2])
a<-table.row.end(a)
a<-table.row.start(a)
a<-table.element(a,'T-STAT',header=TRUE)
a<-table.element(a,summary(lnlm1)$coefficients[2,3])
a<-table.row.end(a)
a<-table.row.start(a)
a<-table.element(a,'p-value',header=TRUE)
a<-table.element(a,summary(lnlm1)$coefficients[2,4])
a<-table.row.end(a)
a<-table.row.start(a)
a<-table.element(a,'Lambda',header=TRUE)
a<-table.element(a,1-lnlm1$coefficients[[2]])
a<-table.row.end(a)
a<-table.end(a)
table.save(a,file='mytable2.tab')

Free Statistics

Description of Statistical Computation

Tree of Dependent Computations

Dataset

Tables (Output of Computation)

Figures (Output of Computation)

Input Parameters & R Code