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 09:02:42 -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/t1228147444rl60hth6lqe2x0o.htm/, Retrieved Sun, 05 May 2024 15:32:55 +0000
Statistical Computations at FreeStatistics.org, Office for Research Development and Education, URL https://freestatistics.org/blog/index.php?pk=26962, Retrieved Sun, 05 May 2024 15:32:55 +0000
QR Codes:

Original text written by user:
IsPrivate?No (this computation is public)
User-defined keywords
Estimated Impact196

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] [Q2 n-st times series] [2008-12-01 16:02:42] [d41d8cd98f00b204e9800998ecf8427e] [Current]
Feedback Forum
2008-12-07 13:59:17 [Stephanie Vanderlinden] [reply] 
Ook hier is de uitleg zeer beperkt. Als we in de law of averages grafieken twee punten kiezen uit elke periode kunnen we de volgende beurskoers voorspellen. Als de vorige waarde hoog was, is de huidige waarde ook hoog; als de vorige waarde laag was, is de huidige waarde ook laag. De blauwe grafiek convergeert uiteindelijk naar 0.5. Dit alles wijst op een positieve autocorrelatie. Er is een schijnbaar negatieve trend in de autocorrelation grafiek. Alle correlaties liggen boven het 95% betrouwbaarheidsinterval (= blauwe stippellijnen) hierdoor zijn de gegevens significant verschillend van nul. Er is een positieve correlatie en het patroon is dalend, hierdoor weten we dat het resultaat niet door toeval bekomen kan worden. Dit patroon is typisch voor een stochastische trend op lange termijn. We moeten dit patroon differentiëren om een trendmatig verloop te kunnen modeleren.

2008-12-08 15:15:42 [Bert Moons] [reply] 
De autocorrrelatie geeft de mate waarin de waarde kan voorspeld worden aan de hand van voorgaande momenten. Hoe verder men naar rechts gaat op de grafiek hoe groter de lag wordt of m.a.w. hoe verder men in de tijd terug gaat om de correlatie met voorgaande momenten te onderzoeken.
Het dalend patroon treed op omdat de relatieve invloed van 1 extra worp op het teveel aan kopworpen gering is. Men kan er dus van uitgaan dat, als de voorgaande waarde laag was, de volgende waarde eveneens laag zal zijn.

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=26962&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=26962&T=0

Globally Unique Identifier (entire table): ba.freestatistics.org/blog/index.php?pk=26962&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