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 computationMon, 01 Dec 2008 05:51:29 -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/t1228135935mnpwx3k3onba0qr.htm/, Retrieved Sun, 05 May 2024 16:34:33 +0000
Statistical Computations at FreeStatistics.org, Office for Research Development and Education, URL https://freestatistics.org/blog/index.php?pk=26900, Retrieved Sun, 05 May 2024 16:34:33 +0000
QR Codes:

Original text written by user:
IsPrivate?No (this computation is public)
User-defined keywords
Estimated Impact179

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] [Workshop 7] [2008-12-01 12:51:29] [d300b7a0882cee7d84584ad37a3d4ede] [Current]
Feedback Forum
2008-12-06 09:53:36 [Loïque Verhasselt] [reply] 
Q2: Correcte output met een juiste conclusie.Er is een dalende trend merkbaar. We kunnen hier spreken van een stochastische trend op lange termijn. Deze moeten we dus zuiveren door te gaan differentiëren.We doen dit door de gegevens 1 periode terug te brengen in de tijd: Y(t) = Y(t-1) + e(t)!
2008-12-06 10:12:08 [Britt Severijns] [reply] 
In orde. goede uitleg.
2008-12-06 13:19:09 [Nicolaj Wuyts] [reply] 
Alle autocorrelaties zijn significant verschillend van nul en zijn ook nog eens positief. Dit kunnen we zien doordat alle staven boven de stippenlijn uitkomen. Hieruit volgt dat de waarde in jaar x, voor een groot gedeelte kan voorspeld worden door te kijken naar het jaar X-1 of andere voorgaande jaren. Dat al deze autocorrelaties positief zijn, heeft ook een bepaalde implicatie: de grafiek zal een zacht golvend verloop hebben. Bij negatieve autocorrelaties zal de grafiek een iets robuuster verloop hebben. In dit geval wilt dit dus zeggen dat als de waarde van het vorige jaar hoog lag, de volgende waarde waarschijnlijk ook hoog zal liggen. Dit geld ook voor lage waarden.

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=26900&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=26900&T=0

Globally Unique Identifier (entire table): ba.freestatistics.org/blog/index.php?pk=26900&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()
b
bitmap(file='pic1.png')
racf <- acf(b,n/10,main='Autocorrelation',xlab='lags',ylab='ACF')
dev.off()
racf