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 computationMon, 01 Dec 2008 02:51:41 -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/01/t1228125255rcsdjqoindtvrk9.htm/, Retrieved Sun, 05 May 2024 09:10:00 +0000
Statistical Computations at FreeStatistics.org, Office for Research Development and Education, URL https://freestatistics.org/blog/index.php?pk=26832, Retrieved Sun, 05 May 2024 09:10:00 +0000
QR Codes:

Original text written by user:
IsPrivate?No (this computation is public)
User-defined keywords
Estimated Impact217

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 17:50:19] [b98453cac15ba1066b407e146608df68]
F         [Law of Averages] [non stationary ti...] [2008-12-01 09:51:41] [d41d8cd98f00b204e9800998ecf8427e] [Current]
Feedback Forum
2008-12-04 14:11:54 [Vincent Vanden Poel] [reply] 
De grafiek toont ons een schijnbaar trendmatig verloop (op LT) waarmee voorspellingen gemaakt kunnen worden. Als we echter logisch nadenken weten we dat de stijgingen/dalingen die waarneembaar zijn in deze grafiek aan het toeval zijn overgelaten. De kans op kop is namelijk telkens opnieuw ½. Er wordt nooit belang gehecht aan vorige waarnemingen. Men kan dus geen betekenis hechten aan de stijgingen/dalingen van deze grafiek.
Verder is ook op te merken dat er via deze module, in tegenstelling tot wat jij beweert, geen seizoenaliteit waar te nemen is.

2008-12-08 14:37:23 [Kevin Vermeiren] [reply] 
De student geeft hier een beperkt antwoord. We kunnen hier niet spreken van seizoenaliteit, daar de vorige worp geen invloed heeft op de volgende worp. We kunnen stellen dat de kans dat er kop wordt gegooid indien men dit experiment 500 keer herhaalt ligt rond de theoretische 50%. Er is echter wel sprake van een trend. Deze is weliswaar een schijnbare trend. Dit kunnen we concluderen op basis van het feit dat de gegevens bekomen werden door het simuleren van het 500 keer opwerpen van een munt. Bijgevolg kunnen we zeggen dat de reeks schijnbaar voorspelbaar is. We kunnen dus besluiten dat een stijging of daling van het aantal keer kop gooien toe te schrijven is aan toeval.
2008-12-08 17:21:42 [Bénédicte Soens] [reply] 
Bij deze vraag maken we gebruik van de random-walk methode, we bekomen daardoor 2 grafieken met telkens op de x-as het aantal keer dat er gegooid wordt en bij de eerste grafiek staat op de y-as hoe vaak kop meer of minder dan munt wordt gesmeten/voorkomt. In de 2de grafiek wordt alles proportioneel vergeleken op de y-as. We kunnen er sowieso al vanuit gaan dat dit naar de 50% zal gaan na enige tijd.
We kunnen hier bij deze opgave een schijnbaar trendmatig verloop opmerken ( een stijgende trend). Maar er is hier sprake van toeval (een simulatie). Er is wel absoluut geen seizoenaliteit of lange termijn trend te zien.
2008-12-08 18:22:12 [Gilliam Schoorel] [reply] 
Je kan hier spreken van een LT trend. We kunnen een stijgende trend vaststellen op de bovenste grafiek. Deze stijgende trend is waarschijnlijk te wijten aan toeval.
Om verdere conclusies te trekken moeten we eerst kijken of er sprake is van een patroon. Hier is er duidelijk geen sprake van een patroon dat de grafiek uit het verleden terug opvolgt. Hierdoor kan er dus ook geen voorspelling worden gemaakt over het verloop van de grafiek in de toekomst.
Van seizoenaliteit is er eveneens geen sprake in deze grafiek.
Op de onderste grafiek kan je zien dat de grafiek ongeveer een constant verloop krijgt naar het einde toe. Hoe langer men gooit hoe harder de kans evolueert naar een fifty/fifty kans op het gooien van kop of let.
2008-12-08 19:49:13 [Erik Geysen] [reply] 
Random Walk is een simulatie van een experiment met een muntstuk. In the number of tosses vullen we het aantal keer in dat we gaan werpen met het muntstuk (x-as). P is in dit experiment 0.50. De Excess of heads op de y-as kan je zien hoeveel keer kop meer is gegooid dan let. Vanaf 100 wordt er meer let gegooid dan kop, dit gaat door tot 250. Vanaf dan wordt er meer kop gegooid dan munt. En dit gaat zo ongeveer stijgend door tot 500. Deze gebeurtenissen gebeuren op een onafhankelijke manier. Dat wil zeggen dat het muntstuk niet weet wat er in het verleden is geworpen. Bij de onderste figuur convergeert de Proportion of Heads ( y-as), uiteindelijk naar 50%. Dit experiment is wel afhankelijk van het verleden.
Er is schijnbaar een trendmatig verloop dat schijnbaar voorspelbaar is. De verschillende kop -en schouderpatronen geven je geen verklaring voor het patroon, omdat dit een simulatie is. Er is geen sprake van seizoenaliteit omdat we geen wederkerende patronen in de grafiek herkennen.
We mogen zeggen dat dit sterk lijkt op een beurskoers.

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=26832&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=26832&T=0

Globally Unique Identifier (entire table): ba.freestatistics.org/blog/index.php?pk=26832&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 ; par3 = ; par4 = ; par5 = ; par6 = ; par7 = ; par8 = ; par9 = ; par10 = ; par11 = ; par12 = ; par13 = ; par14 = ; par15 = ; par16 = ; par17 = ; par18 = ; par19 = ; par20 = ;
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()