Free Statistics

of Irreproducible Research!

Author's title

Author*Unverified author*
R Software Modulerwasp_rwalk.wasp
Title produced by softwareLaw of Averages
Date of computationMon, 01 Dec 2008 09:20:18 -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/t1228148495s4e5z4rj3fq9mqc.htm/, Retrieved Sun, 05 May 2024 13:19:11 +0000
Statistical Computations at FreeStatistics.org, Office for Research Development and Education, URL https://freestatistics.org/blog/index.php?pk=26968, Retrieved Sun, 05 May 2024 13:19:11 +0000
QR Codes:

Original text written by user:
IsPrivate?No (this computation is public)
User-defined keywords
Estimated Impact235
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] [Q1] [2008-12-01 16:20:18] [d41d8cd98f00b204e9800998ecf8427e] [Current]
Feedback Forum
2008-12-04 18:07:18 [c97d2ae59c98cf77a04815c1edffab5a] [reply
de conclusie van de student was juist, maar er zou nog iets meer uitleg kunnen gegeven worden.
we gaan hier dmv een experiment een simulatie uitvoeren 'het opgooien van een munt'. we hebben hierbij 50% kans de we munt of kop gooien, daarom zal de tweede grafiek waarbij we proportioneel gaan kijken op lange termijn convergeren naar 0,5.
de eerste grafiek bestaat uit de x-as (aantal worpen=500) en de y-as: aantal keer dat kop meer gegooid wordt dan munt.
je zou verwachten dat het aantal keer dat munt wordt gegooid gelijk is aan het aantal keer dat kop wordt gegooid. dit is niet het geval, omdat het muntstuk niet weet wat er de vorige keren gegooid is. het experiment is dus onafhankelijk van het verleden.
dit verloop is dus een schijnbaar trendmatig en is schijnbaar voorspellend.
Dit verloop is namelijk aan toeval te wijten, omdat we hier te maken hebben met een simulatie.
we kunnen dit experiment ook vergelijken met een beurskoers. hier zal de koers voorspeld worden op basis van de vorige koers + een toevalsterm.
y(t)= y(t-1)+e(t)
=>we nemen de vorige periode als voorspelling
=>deze voorspelling zou een horizontale lijn zijn, komende uit het laatste punt
=> beursanalisten gaan een stijgende trend gewoon voortzetten, maar deze trend was onvoorspelbaar, omdat die gesimuleerd was.
=>Kans dat volgende observatie hoger zou zijn = 50%
=>kans dat de volgende observatie lager zou zijn= 50%
conclusie:
gesimuleerde reeksen kan je niet voorspellen, dit kan enkel een horizontale lijn zijn! Kan GEEN stijgende of dalende lijn zijn!
=>Andere techniek zoeken om dit dan te analyseren




Post a new message




Summary of computational transaction
Raw Inputview raw input (R code)
Raw Outputview raw output of R engine
Computing time0 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 & 0 seconds \tabularnewline
R Server & 'Gwilym Jenkins' @ 72.249.127.135 \tabularnewline
\hline
\end{tabular}
%Source: https://freestatistics.org/blog/index.php?pk=26968&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]0 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=26968&T=0

Globally Unique Identifier (entire table): ba.freestatistics.org/blog/index.php?pk=26968&T=0

As an alternative you can also use a 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 time0 seconds
R Server'Gwilym Jenkins' @ 72.249.127.135



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()