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 09:08:42 -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/t1228147810dfv5ibdy2cg3jyg.htm/, Retrieved Sun, 05 May 2024 10:19:22 +0000
Statistical Computations at FreeStatistics.org, Office for Research Development and Education, URL https://freestatistics.org/blog/index.php?pk=26964, Retrieved Sun, 05 May 2024 10:19:22 +0000
QR Codes:

Original text written by user:
IsPrivate?No (this computation is public)
User-defined keywords
Estimated Impact119

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 18:40:39] [b98453cac15ba1066b407e146608df68]
F         [Law of Averages] [non stationary ti...] [2008-12-01 16:08:42] [fdd9b7950d7c195d4d8aeb0c9bacacc6] [Current]
Feedback Forum
2008-12-05 14:40:51 [Vincent Vanden Poel] [reply] 
Je hebt enkel de cumulatieve perdiogram uitgelegd. Deze uitleg is wel zeer goed. Je had echter ook nog wat uitleg mogen geven bij de andere grafiek.

Bij de spectrale analyse mogen we stellen dat er een negatief verband is tussen de frequentie en de periode. Indien de frequentie laag is zal de periode lang zijn. Wanneer de frequentie hoog is zal de periode kort zijn. Onder de periode verstaan we de afstand tussen twee toppen. De rode lijn stelt de tijdreeks voor. De software ontbindt deze in alle sin en cos functies die hier aanwezig waren.
Wanneer we deze module toepassen op Random Walk merken we op dat er een lange termijn trend is en dus een lange periode. Volgens voorgaande theorie mogen we dus stellen dat er hier veel golfbewegingen met lage frequentiewaarden zullen voorkomen. Dit is hier ook het geval. We zien door het dalend/ laag patroon ook dat dit inderdaad een lange termijn trend is.

Het cumulatieve periodogram heeft als voordeel dat dit geïnterpreteerd kan worden als de R-kwadraat. Aan de hand van deze grafiek kan men vaststellen dat men al 80% van de curve kan verklaren bij een zeer lage frequentie (+/- 0.02). Een sterke stijging wijst op een lange termijn trend. Dit is hier ook het geval.

2008-12-06 15:58:05 [Jonas Janssens] [reply] 
Enkel de 'Raw Periodogram' besproken, geen uitleg over de 'Cummulative Periodogram'.
-'Raw Periodogram': De tijdreeks bevat een lange termijn trend. Er is een zeer lage frequentie, wat duidt op een zeer lange periode, omdat de frequentie het omgekeerde is van de periode. Dit werd door de student verkeerd uitgelegd.
-'Cummulative Periodogram': We hebben een zeer lage frequentie (X-as: < 0.01) nodig om 80% van de tijdsreeks te verklaren (Y-as). Dit patroon is typisch voor een lange termijn trend, omdat de curve zeer steil stijgt.
2008-12-06 16:14:05 [Steven Vanhooreweghe] [reply] 
Dit is wel goed, maar je heb enkel 1 grafiek uitgelegd. In het raw periodogram zijn er lage frequenties, wat dus wijst op een lange termijn wijst. Zoals de voorgaande student al zei komt dat omdat frequentie het omgekeerde is van een periode.
2008-12-07 12:11:41 [006ad2c49b6a7c2ad6ab685cfc1dae56] [reply] 
De spectraalanalyse is de derde methode om een trend te analyseren. De rode lijn op de eerste grafiek stelt de tijdreeks voor. Er is een lange termijn trend, een lange periode en een lage frequentie. De frequentie is het omgekeerde van de periode. Het cumulative periodogram heeft een lage frequentie en een lange periode. Er is een langzaam dalend patroon, dit wijst op een lange termijn trend. Op het cumulatieve periodogram kan je zien dat om 80 % te verklaren, zeer lage frequenties vereist zijn. Er is een zeer lange termijn beweging, de curve gaat zeer steil naar boven.

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 time2 seconds
R Server'Sir Ronald Aylmer Fisher' @ 193.190.124.24

\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 & 2 seconds \tabularnewline
R Server & 'Sir Ronald Aylmer Fisher' @ 193.190.124.24 \tabularnewline
\hline
\end{tabular}
%Source: https://freestatistics.org/blog/index.php?pk=26964&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]2 seconds[/C][/ROW]
[ROW][C]R Server[/C][C]'Sir Ronald Aylmer Fisher' @ 193.190.124.24[/C][/ROW]
[/TABLE]
Source: https://freestatistics.org/blog/index.php?pk=26964&T=0

Globally Unique Identifier (entire table): ba.freestatistics.org/blog/index.php?pk=26964&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 time2 seconds
R Server'Sir Ronald Aylmer Fisher' @ 193.190.124.24


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
x <- b
bitmap(file='test1.png')
r <- spectrum(x,main='Raw Periodogram')
dev.off()
r
bitmap(file='test2.png')
cpgram(x,main='Cumulative Periodogram')
dev.off()