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 07:47:07 -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/t1228142870w7fvfnk7cdeutjj.htm/, Retrieved Sun, 05 May 2024 19:41:24 +0000
Statistical Computations at FreeStatistics.org, Office for Research Development and Education, URL https://freestatistics.org/blog/index.php?pk=26938, Retrieved Sun, 05 May 2024 19:41:24 +0000
QR Codes:

Original text written by user:
IsPrivate?No (this computation is public)
User-defined keywords
Estimated Impact194

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] [Law of averages] [2008-12-01 14:47:07] [d41d8cd98f00b204e9800998ecf8427e] [Current]
Feedback Forum
2008-12-07 12:04:22 [006ad2c49b6a7c2ad6ab685cfc1dae56] [reply] 
Goede oplossing en interpretatie maar onvolledig. Het is handiger als je de grafieken en tabellen ook in je document opneemt. In de eerste grafiek is er schijnbaar een trendmatig verloop dat schijnbaar voorspelbaar is maar de stijgingen en dalingen zijn puur aan toeval te wijten. Er zijn bepaald patronen in de op- en neergaande bewegingen maar ook deze zijn te wijten aan toeval. Er is geen patroon in het verleden waardoor je kan voorspellen, er is ook geen seizoenaliteit. Op de tweede grafiek kan je zien dat er na verloop van tijd wel een horizontale lijn ontstaat rond de waarde 0,50. De excess of heads grafiek zegt ons hoeveel meer kop (of let) er gegooid wordt dan let (of kop). De proportion of heads laat ons op zijn beurt het relatieve aantal zien van kop (of let). Deze convergeert rond 0.5 zoals wordt gezegd, dit is logisch gezien de wet van de grote getallen. In deze tijdseries is geen seizoenaliteit, noch een trend op lange termijn aanwezig. Je denkt een trend te kunnen voorspellen, maar dit mag niet omdat het een simulatie is. Een stijging of daling is hier puur te wijten aan het toeval, niet door gebeurtenissen uit het verleden.

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'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=26938&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=26938&T=0

Globally Unique Identifier (entire table): ba.freestatistics.org/blog/index.php?pk=26938&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'George Udny Yule' @ 72.249.76.132


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()