Blog & Share Statistical Computations at FreeStatistics.org

Home » date » 2010 » Dec » 29 »

*The author of this computation has been verified*

R Software Module: /rwasp_regression_trees1.wasp (opens new window with default values)

Title produced by software: Recursive Partitioning (Regression Trees)

Date of computation: Wed, 29 Dec 2010 17:48:19 +0000

Cite this page as follows:

Statistical Computations at FreeStatistics.org, Office for Research Development and Education, URL http://www.freestatistics.org/blog/date/2010/Dec/29/t12936447693d0wpa3d6k3toek.htm/, Retrieved Wed, 29 Dec 2010 18:46:10 +0100

BibTeX entries for LaTeX users:

@Manual{KEY,
    author = {{YOUR NAME}},
    publisher = {Office for Research Development and Education},
    title = {Statistical Computations at FreeStatistics.org, URL http://www.freestatistics.org/blog/date/2010/Dec/29/t12936447693d0wpa3d6k3toek.htm/},
    year = {2010},
}
@Manual{R,
    title = {R: A Language and Environment for Statistical Computing},
    author = {{R Development Core Team}},
    organization = {R Foundation for Statistical Computing},
    address = {Vienna, Austria},
    year = {2010},
    note = {{ISBN} 3-900051-07-0},
    url = {http://www.R-project.org},
}

Original text written by user:

IsPrivate?

No (this computation is public)

User-defined keywords:

Dataseries X:

» Textbox « » Textfile « » CSV «

40 1 27 5 26 49 35 45 1 36 4 25 45 34 38 1 25 4 17 54 13 28 1 27 3 37 36 35 NA 2 25 3 35 36 28 38 2 44 3 15 53 32 39 1 50 4 27 46 35 37 1 41 4 36 42 36 30 1 48 5 25 41 27 30 2 43 4 30 45 29 30 2 47 2 27 47 27 26 2 41 3 33 42 28 29 1 44 2 29 45 29 31 2 47 5 30 40 28 27 2 40 3 25 45 30 25 2 46 3 23 40 25 39 1 28 3 26 42 15 35 1 56 3 24 45 33 27 2 49 4 35 47 31 40 2 25 4 39 31 37 34 2 41 4 23 46 37 32 2 26 3 32 34 34 34 1 50 5 29 43 32 38 1 47 4 26 45 21 21 1 52 2 21 42 25 33 2 37 5 35 51 32 27 2 41 3 23 44 28 35 1 45 4 21 47 22 33 2 26 4 28 47 25 36 1 NA 3 30 41 26 NA 1 52 4 21 44 34 37 1 46 2 29 51 34 37 1 58 3 28 46 36 37 1 54 5 19 47 36 32 1 29 3 26 46 26 25 2 50 3 33 38 26 31 1 43 2 34 50 34 33 2 30 3 33 48 33 18 2 47 2 40 36 31 42 1 45 3 24 51 33 26 2 48 1 35 35 22 26 2 48 3 35 49 29 32 2 26 4 32 38 24 31 1 46 5 20 47 37 29 2 NA 3 35 36 32 35 2 50 3 35 47 23 44 1 25 4 21 46 29 35 1 47 2 33 43 35 30 2 47 2 40 53 20 32 1 41 3 22 55 28 24 2 45 2 35 39 26 34 2 etc...

Output produced by software:

Enter (or paste) a matrix (table) containing all data (time) series. Every column represents a different variable and must be delimited by a space or Tab. Every row represents a period in time (or category) and must be delimited by hard returns. The easiest way to enter data is to copy and paste a block of spreadsheet cells. Please, do not use commas or spaces to seperate groups of digits!

Summary of computational transaction
Raw Input	view raw input (R code)
Raw Output	view raw output of R engine
Computing time	5 seconds
R Server	'RServer@AstonUniversity' @ vre.aston.ac.uk

Goodness of Fit
Correlation	0.4206
R-squared	0.1769
RMSE	6.2634

Actuals, Predictions, and Residuals
#	Actuals	Forecasts	Residuals
1	40	33.6666666666667	6.33333333333334
2	45	33.6666666666667	11.3333333333333
3	38	35.6666666666667	2.33333333333334
4	28	33.6666666666667	-5.66666666666666
5	38	35.6666666666667	2.33333333333334
6	39	33.6666666666667	5.33333333333334
7	37	33.6666666666667	3.33333333333334
8	30	33.6666666666667	-3.66666666666666
9	30	29.873417721519	0.126582278481013
10	30	29.873417721519	0.126582278481013
11	26	29.873417721519	-3.87341772151899
12	29	33.6666666666667	-4.66666666666666
13	31	29.873417721519	1.12658227848101
14	27	29.873417721519	-2.87341772151899
15	25	26.8611111111111	-1.86111111111111
16	39	26.8611111111111	12.1388888888889
17	35	33.6666666666667	1.33333333333334
18	27	29.873417721519	-2.87341772151899
19	40	29.873417721519	10.126582278481
20	34	29.873417721519	4.12658227848101
21	32	29.873417721519	2.12658227848101
22	34	33.6666666666667	0.333333333333336
23	38	26.8611111111111	11.1388888888889
24	21	26.8611111111111	-5.86111111111111
25	33	35.6666666666667	-2.66666666666666
26	27	29.873417721519	-2.87341772151899
27	35	26.8611111111111	8.13888888888889
28	33	26.8611111111111	6.13888888888889
29	36	33.6666666666667	2.33333333333334
30	37	35.6666666666667	1.33333333333334
31	37	33.6666666666667	3.33333333333334
32	37	33.6666666666667	3.33333333333334
33	32	33.6666666666667	-1.66666666666666
34	25	29.873417721519	-4.87341772151899
35	31	33.6666666666667	-2.66666666666666
36	33	29.873417721519	3.12658227848101
37	18	29.873417721519	-11.873417721519
38	42	35.6666666666667	6.33333333333334
39	26	26.8611111111111	-0.86111111111111
40	26	29.873417721519	-3.87341772151899
41	32	26.8611111111111	5.13888888888889
42	31	33.6666666666667	-2.66666666666666
43	29	29.873417721519	-0.873417721518987
44	35	26.8611111111111	8.13888888888889
45	44	33.6666666666667	10.3333333333333
46	35	33.6666666666667	1.33333333333334
47	30	35.6666666666667	-5.66666666666666
48	32	35.6666666666667	-3.66666666666666
49	24	29.873417721519	-5.87341772151899
50	34	35.6666666666667	-1.66666666666666
51	27	29.873417721519	-2.87341772151899
52	31	29.873417721519	1.12658227848101
53	38	35.6666666666667	2.33333333333334
54	41	29.873417721519	11.126582278481
55	40	35.6666666666667	4.33333333333334
56	25	29.873417721519	-4.87341772151899
57	19	26.8611111111111	-7.86111111111111
58	33	35.6666666666667	-2.66666666666666
59	27	29.873417721519	-2.87341772151899
60	45	33.6666666666667	11.3333333333333
61	27	29.873417721519	-2.87341772151899
62	30	29.873417721519	0.126582278481013
63	42	35.6666666666667	6.33333333333334
64	21	29.873417721519	-8.87341772151899
65	32	29.873417721519	2.12658227848101
66	31	29.873417721519	1.12658227848101
67	36	29.873417721519	6.12658227848101
68	34	33.6666666666667	0.333333333333336
69	11	26.8611111111111	-15.8611111111111
70	35	26.8611111111111	8.13888888888889
71	39	33.6666666666667	5.33333333333334
72	32	33.6666666666667	-1.66666666666666
73	28	29.873417721519	-1.87341772151899
74	45	35.6666666666667	9.33333333333334
75	18	26.8611111111111	-8.86111111111111
76	35	35.6666666666667	-0.666666666666664
77	35	35.6666666666667	-0.666666666666664
78	36	29.873417721519	6.12658227848101
79	34	33.6666666666667	0.333333333333336
80	34	33.6666666666667	0.333333333333336
81	38	29.873417721519	8.12658227848101
82	28	29.873417721519	-1.87341772151899
83	23	29.873417721519	-6.87341772151899
84	37	35.6666666666667	1.33333333333334
85	29	29.873417721519	-0.873417721518987
86	28	33.6666666666667	-5.66666666666666
87	30	33.6666666666667	-3.66666666666666
88	24	29.873417721519	-5.87341772151899
89	36	33.6666666666667	2.33333333333334
90	40	33.6666666666667	6.33333333333334
91	37	29.873417721519	7.12658227848101
92	27	29.873417721519	-2.87341772151899
93	25	29.873417721519	-4.87341772151899
94	22	26.8611111111111	-4.86111111111111
95	21	29.873417721519	-8.87341772151899
96	28	33.6666666666667	-5.66666666666666
97	34	35.6666666666667	-1.66666666666666
98	32	29.873417721519	2.12658227848101
99	23	26.8611111111111	-3.86111111111111
100	29	33.6666666666667	-4.66666666666666
101	35	26.8611111111111	8.13888888888889
102	31	29.873417721519	1.12658227848101
103	36	26.8611111111111	9.13888888888889
104	32	26.8611111111111	5.13888888888889
105	35	26.8611111111111	8.13888888888889
106	45	33.6666666666667	11.3333333333333
107	29	29.873417721519	-0.873417721518987
108	41	35.6666666666667	5.33333333333334
109	36	29.873417721519	6.12658227848101
110	37	33.6666666666667	3.33333333333334
111	25	26.8611111111111	-1.86111111111111
112	36	29.873417721519	6.12658227848101
113	34	29.873417721519	4.12658227848101
114	33	33.6666666666667	-0.666666666666664
115	32	29.873417721519	2.12658227848101
116	40	33.6666666666667	6.33333333333334
117	27	26.8611111111111	0.138888888888889
118	24	29.873417721519	-5.87341772151899
119	26	29.873417721519	-3.87341772151899
120	13	26.8611111111111	-13.8611111111111
121	22	29.873417721519	-7.87341772151899
122	29	29.873417721519	-0.873417721518987
123	30	29.873417721519	0.126582278481013
124	24	35.6666666666667	-11.6666666666667
125	26	29.873417721519	-3.87341772151899
126	37	29.873417721519	7.12658227848101
127	36	29.873417721519	6.12658227848101
128	38	33.6666666666667	4.33333333333334
129	34	29.873417721519	4.12658227848101
130	35	29.873417721519	5.12658227848101
131	32	33.6666666666667	-1.66666666666666
132	44	35.6666666666667	8.33333333333334
133	40	29.873417721519	10.126582278481
134	24	33.6666666666667	-9.66666666666666
135	36	29.873417721519	6.12658227848101
136	20	26.8611111111111	-6.86111111111111
137	28	29.873417721519	-1.87341772151899
138	18	29.873417721519	-11.873417721519
139	23	29.873417721519	-6.87341772151899
140	28	33.6666666666667	-5.66666666666666
141	30	26.8611111111111	3.13888888888889
142	30	33.6666666666667	-3.66666666666666
143	43	33.6666666666667	9.33333333333334
144	20	26.8611111111111	-6.86111111111111
145	37	29.873417721519	7.12658227848101
146	24	26.8611111111111	-2.86111111111111
147	33	29.873417721519	3.12658227848101
148	43	29.873417721519	13.126582278481
149	27	33.6666666666667	-6.66666666666666
150	22	29.873417721519	-7.87341772151899
151	28	29.873417721519	-1.87341772151899
152	18	26.8611111111111	-8.86111111111111
153	38	33.6666666666667	4.33333333333334
154	23	29.873417721519	-6.87341772151899
155	38	29.873417721519	8.12658227848101
156	21	26.8611111111111	-5.86111111111111
157	25	29.873417721519	-4.87341772151899
158	30	33.6666666666667	-3.66666666666666
159	25	26.8611111111111	-1.86111111111111
160	17	33.6666666666667	-16.6666666666667
161	26	26.8611111111111	-0.86111111111111
162	39	35.6666666666667	3.33333333333334
163	27	33.6666666666667	-6.66666666666666
164	33	33.6666666666667	-0.666666666666664
165	47	26.8611111111111	20.1388888888889
166	37	35.6666666666667	1.33333333333334
167	34	33.6666666666667	0.333333333333336
168	24	26.8611111111111	-2.86111111111111
169	25	29.873417721519	-4.87341772151899
170	20	26.8611111111111	-6.86111111111111
171	34	29.873417721519	4.12658227848101
172	22	29.873417721519	-7.87341772151899
173	39	33.6666666666667	5.33333333333334
174	33	33.6666666666667	-0.666666666666664
175	35	26.8611111111111	8.13888888888889
176	26	33.6666666666667	-7.66666666666666
177	32	33.6666666666667	-1.66666666666666
178	22	33.6666666666667	-11.6666666666667
179	39	29.873417721519	9.12658227848101
180	35	29.873417721519	5.12658227848101
181	21	35.6666666666667	-14.6666666666667
182	27	35.6666666666667	-8.66666666666666
183	31	29.873417721519	1.12658227848101
184	20	29.873417721519	-9.87341772151899
185	28	29.873417721519	-1.87341772151899
186	26	26.8611111111111	-0.86111111111111
187	36	29.873417721519	6.12658227848101
188	16	26.8611111111111	-10.8611111111111
189	34	29.873417721519	4.12658227848101
190	30	29.873417721519	0.126582278481013

Charts produced by software:

http://www.freestatistics.org/blog/date/2010/Dec/29/t12936447693d0wpa3d6k3toek/2vxbx1293644891.png (open in new window)

http://www.freestatistics.org/blog/date/2010/Dec/29/t12936447693d0wpa3d6k3toek/2vxbx1293644891.ps (open in new window)

http://www.freestatistics.org/blog/date/2010/Dec/29/t12936447693d0wpa3d6k3toek/3vxbx1293644891.png (open in new window)

http://www.freestatistics.org/blog/date/2010/Dec/29/t12936447693d0wpa3d6k3toek/3vxbx1293644891.ps (open in new window)

http://www.freestatistics.org/blog/date/2010/Dec/29/t12936447693d0wpa3d6k3toek/4o6bh1293644891.png (open in new window)

http://www.freestatistics.org/blog/date/2010/Dec/29/t12936447693d0wpa3d6k3toek/4o6bh1293644891.ps (open in new window)

Parameters (Session):

par1 = 1 ; par2 = none ; par3 = 3 ; par4 = no ;

Parameters (R input):

par1 = 1 ; par2 = none ; par3 = 3 ; par4 = no ;

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

library(party)

library(Hmisc)

par1 <- as.numeric(par1)

par3 <- as.numeric(par3)

x <- data.frame(t(y))

is.data.frame(x)

x <- x[!is.na(x[,par1]),]

k <- length(x[1,])

n <- length(x[,1])

colnames(x)[par1]

x[,par1]

if (par2 == 'kmeans') {

cl <- kmeans(x[,par1], par3)

print(cl)

clm <- matrix(cbind(cl$centers,1:par3),ncol=2)

clm <- clm[sort.list(clm[,1]),]

for (i in 1:par3) {

cl$cluster[cl$cluster==clm[i,2]] <- paste('C',i,sep='')

}

cl$cluster <- as.factor(cl$cluster)

print(cl$cluster)

x[,par1] <- cl$cluster

}

if (par2 == 'quantiles') {

x[,par1] <- cut2(x[,par1],g=par3)

}

if (par2 == 'hclust') {

hc <- hclust(dist(x[,par1])^2, 'cen')

print(hc)

memb <- cutree(hc, k = par3)

dum <- c(mean(x[memb==1,par1]))

for (i in 2:par3) {

dum <- c(dum, mean(x[memb==i,par1]))

}

hcm <- matrix(cbind(dum,1:par3),ncol=2)

hcm <- hcm[sort.list(hcm[,1]),]

for (i in 1:par3) {

memb[memb==hcm[i,2]] <- paste('C',i,sep='')

}

memb <- as.factor(memb)

print(memb)

x[,par1] <- memb

}

if (par2=='equal') {

ed <- cut(as.numeric(x[,par1]),par3,labels=paste('C',1:par3,sep=''))

x[,par1] <- as.factor(ed)

}

table(x[,par1])

colnames(x)

colnames(x)[par1]

x[,par1]

if (par2 == 'none') {

m <- ctree(as.formula(paste(colnames(x)[par1],' ~ .',sep='')),data = x)

}

load(file='createtable')

if (par2 != 'none') {

m <- ctree(as.formula(paste('as.factor(',colnames(x)[par1],') ~ .',sep='')),data = x)

if (par4=='yes') {

a<-table.start()

a<-table.row.start(a)

a<-table.element(a,'10-Fold Cross Validation',3+2*par3,TRUE)

a<-table.row.end(a)

a<-table.row.start(a)

a<-table.element(a,'',1,TRUE)

a<-table.element(a,'Prediction (training)',par3+1,TRUE)

a<-table.element(a,'Prediction (testing)',par3+1,TRUE)

a<-table.row.end(a)

a<-table.row.start(a)

a<-table.element(a,'Actual',1,TRUE)

for (jjj in 1:par3) a<-table.element(a,paste('C',jjj,sep=''),1,TRUE)

a<-table.element(a,'CV',1,TRUE)

for (jjj in 1:par3) a<-table.element(a,paste('C',jjj,sep=''),1,TRUE)

a<-table.element(a,'CV',1,TRUE)

a<-table.row.end(a)

for (i in 1:10) {

ind <- sample(2, nrow(x), replace=T, prob=c(0.9,0.1))

m.ct <- ctree(as.formula(paste('as.factor(',colnames(x)[par1],') ~ .',sep='')),data =x[ind==1,])

if (i==1) {

m.ct.i.pred <- predict(m.ct, newdata=x[ind==1,])

m.ct.i.actu <- x[ind==1,par1]

m.ct.x.pred <- predict(m.ct, newdata=x[ind==2,])

m.ct.x.actu <- x[ind==2,par1]

} else {

m.ct.i.pred <- c(m.ct.i.pred,predict(m.ct, newdata=x[ind==1,]))

m.ct.i.actu <- c(m.ct.i.actu,x[ind==1,par1])

m.ct.x.pred <- c(m.ct.x.pred,predict(m.ct, newdata=x[ind==2,]))

m.ct.x.actu <- c(m.ct.x.actu,x[ind==2,par1])

}

}

print(m.ct.i.tab <- table(m.ct.i.actu,m.ct.i.pred))

numer <- 0

for (i in 1:par3) {

print(m.ct.i.tab[i,i] / sum(m.ct.i.tab[i,]))

numer <- numer + m.ct.i.tab[i,i]

}

print(m.ct.i.cp <- numer / sum(m.ct.i.tab))

print(m.ct.x.tab <- table(m.ct.x.actu,m.ct.x.pred))

numer <- 0

for (i in 1:par3) {

print(m.ct.x.tab[i,i] / sum(m.ct.x.tab[i,]))

numer <- numer + m.ct.x.tab[i,i]

}

print(m.ct.x.cp <- numer / sum(m.ct.x.tab))

for (i in 1:par3) {

a<-table.row.start(a)

a<-table.element(a,paste('C',i,sep=''),1,TRUE)

for (jjj in 1:par3) a<-table.element(a,m.ct.i.tab[i,jjj])

a<-table.element(a,round(m.ct.i.tab[i,i]/sum(m.ct.i.tab[i,]),4))

for (jjj in 1:par3) a<-table.element(a,m.ct.x.tab[i,jjj])

a<-table.element(a,round(m.ct.x.tab[i,i]/sum(m.ct.x.tab[i,]),4))

a<-table.row.end(a)

}

a<-table.row.start(a)

a<-table.element(a,'Overall',1,TRUE)

for (jjj in 1:par3) a<-table.element(a,'-')

a<-table.element(a,round(m.ct.i.cp,4))

for (jjj in 1:par3) a<-table.element(a,'-')

a<-table.element(a,round(m.ct.x.cp,4))

a<-table.row.end(a)

a<-table.end(a)

table.save(a,file='mytable3.tab')

}

}

m

bitmap(file='test1.png')

plot(m)

dev.off()

bitmap(file='test1a.png')

plot(x[,par1] ~ as.factor(where(m)),main='Response by Terminal Node',xlab='Terminal Node',ylab='Response')

dev.off()

if (par2 == 'none') {

forec <- predict(m)

result <- as.data.frame(cbind(x[,par1],forec,x[,par1]-forec))

colnames(result) <- c('Actuals','Forecasts','Residuals')

print(result)

}

if (par2 != 'none') {

print(cbind(as.factor(x[,par1]),predict(m)))

myt <- table(as.factor(x[,par1]),predict(m))

print(myt)

}

bitmap(file='test2.png')

if(par2=='none') {

op <- par(mfrow=c(2,2))

plot(density(result$Actuals),main='Kernel Density Plot of Actuals')

plot(density(result$Residuals),main='Kernel Density Plot of Residuals')

plot(result$Forecasts,result$Actuals,main='Actuals versus Predictions',xlab='Predictions',ylab='Actuals')

plot(density(result$Forecasts),main='Kernel Density Plot of Predictions')

par(op)

}

if(par2!='none') {

plot(myt,main='Confusion Matrix',xlab='Actual',ylab='Predicted')

}

dev.off()

if (par2 == 'none') {

detcoef <- cor(result$Forecasts,result$Actuals)

a<-table.start()

a<-table.row.start(a)

a<-table.element(a,'Goodness of Fit',2,TRUE)

a<-table.row.end(a)

a<-table.row.start(a)

a<-table.element(a,'Correlation',1,TRUE)

a<-table.element(a,round(detcoef,4))

a<-table.row.end(a)

a<-table.row.start(a)

a<-table.element(a,'R-squared',1,TRUE)

a<-table.element(a,round(detcoef*detcoef,4))

a<-table.row.end(a)

a<-table.row.start(a)

a<-table.element(a,'RMSE',1,TRUE)

a<-table.element(a,round(sqrt(mean((result$Residuals)^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,'Actuals, Predictions, and Residuals',4,TRUE)

a<-table.row.end(a)

a<-table.row.start(a)

a<-table.element(a,'#',header=TRUE)

a<-table.element(a,'Actuals',header=TRUE)

a<-table.element(a,'Forecasts',header=TRUE)

a<-table.element(a,'Residuals',header=TRUE)

a<-table.row.end(a)

for (i in 1:length(result$Actuals)) {

a<-table.row.start(a)

a<-table.element(a,i,header=TRUE)

a<-table.element(a,result$Actuals[i])

a<-table.element(a,result$Forecasts[i])

a<-table.element(a,result$Residuals[i])

a<-table.row.end(a)

}

a<-table.end(a)

table.save(a,file='mytable.tab')

}

if (par2 != 'none') {

a<-table.start()

a<-table.row.start(a)

a<-table.element(a,'Confusion Matrix (predicted in columns / actuals in rows)',par3+1,TRUE)

a<-table.row.end(a)

a<-table.row.start(a)

a<-table.element(a,'',1,TRUE)

for (i in 1:par3) {

a<-table.element(a,paste('C',i,sep=''),1,TRUE)

}

a<-table.row.end(a)

for (i in 1:par3) {

a<-table.row.start(a)

a<-table.element(a,paste('C',i,sep=''),1,TRUE)

for (j in 1:par3) {

a<-table.element(a,myt[i,j])

}

a<-table.row.end(a)

}

a<-table.end(a)

table.save(a,file='mytable2.tab')

}

This work is licensed under a Creative Commons Attribution-Noncommercial-Share Alike 3.0 License.

Software written by Ed van Stee & Patrick Wessa

Disclaimer

Information provided on this web site is provided "AS IS" without warranty of any kind, either express or implied, including, without limitation, warranties of merchantability, fitness for a particular purpose, and noninfringement. We use reasonable efforts to include accurate and timely information and periodically update the information, and software without notice. However, we make no warranties or representations as to the accuracy or completeness of such information (or software), and we assume no liability or responsibility for errors or omissions in the content of this web site, or any software bugs in online applications. Your use of this web site is AT YOUR OWN RISK. Under no circumstances and under no legal theory shall we be liable to you or any other person for any direct, indirect, special, incidental, exemplary, or consequential damages arising from your access to, or use of, this web site.

We may request personal information to be submitted to our servers in order to be able to:

personalize online software applications according to your needs
enforce strict security rules with respect to the data that you upload (e.g. statistical data)
manage user sessions of online applications
alert you about important changes or upgrades in resources or applications

We NEVER allow other companies to directly offer registered users information about their products and services. Banner references and hyperlinks of third parties NEVER contain any personal data of the visitor.

We do NOT sell, nor transmit by any means, personal information, nor statistical data series uploaded by you to third parties.

We carefully protect your data from loss, misuse, alteration, and destruction. However, at any time, and under any circumstance you are solely responsible for managing your passwords, and keeping them secret.

We store a unique ANONYMOUS USER ID in the form of a small 'Cookie' on your computer. This allows us to track your progress when using this website which is necessary to create state-dependent features. The cookie is used for NO OTHER PURPOSE. At any time you may opt to disallow cookies from this website - this will not affect other features of this website.

We examine cookies that are used by third-parties (banner and online ads) very closely: abuse from third-parties automatically results in termination of the advertising contract without refund. We have very good reason to believe that the cookies that are produced by third parties (banner ads) do NOT cause any privacy or security risk.

FreeStatistics.org is safe. There is no need to download any software to use the applications and services contained in this website. Hence, your system's security is not compromised by their use, and your personal data - other than data you submit in the account application form, and the user-agent information that is transmitted by your browser - is never transmitted to our servers.

As a general rule, we do not log on-line behavior of individuals (other than normal logging of webserver 'hits'). However, in cases of abuse, hacking, unauthorized access, Denial of Service attacks, illegal copying, hotlinking, non-compliance with international webstandards (such as robots.txt), or any other harmful behavior, our system engineers are empowered to log, track, identify, publish, and ban misbehaving individuals - even if this leads to ban entire blocks of IP addresses, or disclosing user's identity.

FreeStatistics.org is powered by