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 09:37:56 -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/t1228149516wubldsd2tjtplw6.htm/, Retrieved Sun, 05 May 2024 08:49:06 +0000
Statistical Computations at FreeStatistics.org, Office for Research Development and Education, URL https://freestatistics.org/blog/index.php?pk=26981, Retrieved Sun, 05 May 2024 08:49:06 +0000
QR Codes:

Original text written by user:
IsPrivate?No (this computation is public)
User-defined keywords
Estimated Impact189

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] [Q4] [2008-12-01 16:37:56] [59094f58b9d90d3694e930ebd2901ecd] [Current]
Feedback Forum
2008-12-04 18:28:18 [c97d2ae59c98cf77a04815c1edffab5a] [reply] 
de conclusie is juist, maar er kan nog extra uitleg gegeven worden.
allereerst kunnen we zeggen dat:
-hoge frequentie: korte periode, grafiek gaat snel op en neer
-lage frequentie: lange periode, grafiek gaat traag op en neer
=> LT-trend = golfreeks met lange periodes => lage frequentie

raw periodogram:
-Y-as: intensitiet waarmee golfbeweging voorkomt
=>Spectrum: duidt belangrijkheid aan van een periode
=>Het is duidelijk dat de lange periodes (lage frequentie) belangrijker zijn dan de korte periodes (zie spectrum)
=> je gaat de nadruk leggen op de golfbewegingen met lage frequentie, omdat die een lange periode hebben => weerspiegelen een LT-trend
-X-as: frequentie

het typisch patroon van het raw periodogram:
bij een LT-trend zal de grafiek gevormd worden door een dalende lijn, omdat de lage freqenties(lange periodes) van groter belang zijn dan de hoge frequenties (korte periodes)

cumulative periodogram:
-Cumulative periodogram = dezelfde grafiek dan de raw periodogram, maar dan alles opgeteld
-Schalen tussen 0 en 1
-Interpreteren als R-kwadraat
=>De LT-trend verklaart hier 80% van de gegevens van de tijdsreeks.
-Een stijl stijgende (zwarte) curve in het begin (links), wijst op een LT trend
=>Periodes met een lage frequentie komen het meest voor
=>Dit zijn de lange periodes => lange termijn trend
-De blauwe stippenlijnen: betrouwbaarheidsinterval
=>Nagaan of iets aan toeval is te wijten(binnen het interval) of niet.

typisch patroon cumulative periodogram:
steil stijgende lijn, in geval van een lT-trend, omdat lange periodes met een lage frequentie van groter belang zijn en dus meer van de tijdsreeks kunnen voorspellen.



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=26981&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=26981&T=0

Globally Unique Identifier (entire table): ba.freestatistics.org/blog/index.php?pk=26981&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()
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()