FreeStatistics.org

Free Statistics

of Irreproducible Research!

Description of Statistical Computation

Author's title

Author*The author of this computation has been verified*
R Software Modulerwasp_rwalk.wasp
Title produced by softwareLaw of Averages
Date of computationMon, 01 Dec 2008 10:21:13 -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/t1228152113scwm89us9koa3xw.htm/, Retrieved Sun, 05 May 2024 08:45:38 +0000
Statistical Computations at FreeStatistics.org, Office for Research Development and Education, URL https://freestatistics.org/blog/index.php?pk=27011, Retrieved Sun, 05 May 2024 08:45:38 +0000
QR Codes:

Original text written by user:
IsPrivate?No (this computation is public)
User-defined keywords
Estimated Impact246

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] [Q1 taak 7] [2008-11-30 15:42:20] [4300be8b33fd3dcdacd2aa9800ceba23]
F           [Law of Averages] [q1 taak 7] [2008-12-01 17:21:13] [732c025e7dfb439ac3d0c7b7e70fa7a1] [Current]
Feedback Forum
2008-12-07 09:51:18 [Kim Huysmans] [reply] 
Bij de random-walk gebruiken we steeds de vorige berekening en daarbij tel je een getal op dat gemiddeld nul is ( y(t) = y(t-1) + e(t)). Als we oneindig veel simulaties zouden kunnen doen dan zou het aantal keer kop en munt gelijk moeten zijn aan elkaar. Indien we maar een aantal simulaties nemen zien we duidelijk dat deze niet gelijk zijn. Dit zie je duidelijk aan de plots, deze vertonen een lange termijn trend.

Doordat e(t) willekeurig ontstaat is er geen seizoenaliteit! We merken dus op dat deze tijdreeks geen seizoenaliteit vertoont maar wel een trend
2008-12-08 01:20:41 [Gregory Van Overmeiren] [reply] 
Bedoeling van dit model is een simulatie te maken van een munt die x-aantal keer (hier 500 keer) de lucht wordt ingegooid. De theorie stelt dat het een evenredig aantal keer op zijn kop en zijn munt moet terecht komen.


=>er is een duidelijk, trendmatig verloop terug te vinden. Dit komt doordat de grafiek “proportion of heads” steeds terug naar het midden (0.5) toekomt. Na enkele opwerpingen zal het aantal kop en munt normaal niet gelijk zijn, echter na 500 keer wel (dit is de wet van de grote getallen). Dit terugkerend verloop naar het midden is de lange termijn trend.

Er is ook geen seizoenaliteit terug te vinden. Dit komt doordat je elke keer andere resultaten bekomt en er als dusdanig geen sprake kan zijn van een terugkerend patroon.
2008-12-08 10:04:52 [Elias Van Deun] [reply] 
Bij oneindig veel simulaties is het aantal keren dat er kop gegooid wordt gelijk aan het aantal keren dat er munt gegooid wordt. Maar doordat we hier te maken hebben met een beperkt aantal simulaties is de kans zéér klein dat deze aantallen gelijk zijn. Dit wordt geïllustreerd door de simulaties. Bijgevolg zien we dat er bij elke simulatie een lange termijn trend wordt gevormd die volledig door het toeval is bepaald.

Er is geen seizonaliteit op te merken. Dit komt omdat de random walk willekeurig is.

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 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=27011&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=27011&T=0

Globally Unique Identifier (entire table): ba.freestatistics.org/blog/index.php?pk=27011&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 time0 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()