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 05:51:28 -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/t1228135938f3lel1m8595crjv.htm/, Retrieved Sun, 05 May 2024 17:33:18 +0000
Statistical Computations at FreeStatistics.org, Office for Research Development and Education, URL https://freestatistics.org/blog/index.php?pk=26901, Retrieved Sun, 05 May 2024 17:33:18 +0000
QR Codes:

Original text written by user:
IsPrivate?No (this computation is public)
User-defined keywords
Estimated Impact180

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, Q2] [2008-12-01 12:51:28] [a16dfd7e948381d8b6391003c5d09447] [Current]
Feedback Forum
2008-12-04 09:21:10 [Julie Govaerts] [reply] 
Hoe vaak we de grafiek ook reproduceren telkens zien we het patroon = dit is typisch voor een stochastische trend op lange termijn (deze kan gemodeleerd = gedifferentieert worden).
Stochastisch = het tegenovergestelde van deterministisch
D.w.z. dat de trend kan veranderen (hoeft dus niet lineair stijgend/dalend te zijn).
2008-12-07 14:36:55 [Stephanie Vanderlinden] [reply] 
De verklaringen zijn correct en duidelijk.
2008-12-08 13:51:51 [Jonas Janssens] [reply] 
Goede vergelijking met de beurskoers, maar dit klopt niet altijd. Anders zou een beurskoers nooit ineens sterk kunnen dalen/stijgen. Het is echter waarschijnlijk dat als het ene punt hoog ligt, het volgende punt ook hoog zal liggen en omgekeerd.
Verder is je uitleg correct en duidelijk.
2008-12-10 09:09:42 [b5935c41f1031f8c061510fc5ad27e97] [reply] 
Q2: de berekeningen en conclusie zijn goed gemaakt,de toepassing op de beurskoers is volgens mij niet helemaal juist uitgelegd. Het lijkt voorspeelbaar en er is inderdaad een grote kans dat de trend uit het verleden verder gezet wordt maar statistisch gezien er is 50% kans op een daling en evenveel kans op een stijging.

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=26901&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=26901&T=0

Globally Unique Identifier (entire table): ba.freestatistics.org/blog/index.php?pk=26901&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 ;
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