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 11:46:23 -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/t1228157284g5e6877oxoju8ty.htm/, Retrieved Sun, 05 May 2024 15:27:59 +0000
Statistical Computations at FreeStatistics.org, Office for Research Development and Education, URL https://freestatistics.org/blog/index.php?pk=27133, Retrieved Sun, 05 May 2024 15:27:59 +0000
QR Codes:

Original text written by user:
IsPrivate?No (this computation is public)
User-defined keywords
Estimated Impact200

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 / 7] [2008-11-30 17:02:49] [4300be8b33fd3dcdacd2aa9800ceba23]
F           [Law of Averages] [Non Stationary Ti...] [2008-12-01 18:46:23] [1fa440a634ec541bd583650ead0404df] [Current]
Feedback Forum
2008-12-07 15:05:34 [Roland Feldman] [reply] 
Deze vraag wordt gedeeltelijk correct beantwoord. Het is trouwens wel de bedoeling de berekening te reproducen en niet gewoon de link van Prof. Wessa te gebruiken. Er doet zich duidelijk een langzaam dalende trend voor in de Excess of heads grafiek. Alle autocorrelaties zijn positief en significant. Er is een duidelijk verband tussen de twee. Wanneer er een langzame evolutie is van het niveau is er sprake van autocorrelatie.
2008-12-08 22:24:13 [Gregory Van Overmeiren] [reply] 
De stippellijnen op de grafiek stellen het 95%-betrouwbaarheidsinterval voor. Alle autocorrelaties (die tevens positief zijn ) zijn significant verschillend van 0, omdat alle autocorrelaties buiten het betrouwbaarheidsinterval vallen. Dit kan geen toeval zijn en wijst dus op een fundamentele eigenschap. Er is duidelijk een dalend patroon te zien wat typisch is voor een stochastische trend op lange termijn. Het patroon in deze grafiek is zeer eenvoudig te verklaren door de formule Yt = Yt-1 + et. Yt is de tijdreeks, et is de lange termijn trend. Elk punt heeft dus een basis in het vorige (autocorrelatie).
Je kan deze trend verwijderen door het gebruik van differentiatie.
2008-12-08 23:54:46 [Bonifer Spillemaeckers] [reply] 
De student heeft deze toch min of meer correct beantwoord.

Als we kijken naar de autocorrelatie, zien we dat de verticale lijnen allemaal buiten het betrouwbaarheidsinterval liggen. Het betrouwbaarheidsinterval wordt aangeduid door de 2 blauwe stippellijnen. We kunnen de autocorrelatie hier ook zeker significant noemen. Op basis van het verleden zal een voorspelling kunnen worden gemaakt dat we niet kunnen toeschrijven aan het toeval. Het neerwaartse patroon in de grafiek kunnen we verklaren door de formule Yt = Yt – 1 + et. In deze formule is Yt de dataset en et de LT-trend. De student bemerkt hier correct op dat het hier gaat om een niet-stationaire tijdreeks.

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'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 & 2 seconds \tabularnewline
R Server & 'Gwilym Jenkins' @ 72.249.127.135 \tabularnewline
\hline
\end{tabular}
%Source: https://freestatistics.org/blog/index.php?pk=27133&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]'Gwilym Jenkins' @ 72.249.127.135[/C][/ROW]
[/TABLE]
Source: https://freestatistics.org/blog/index.php?pk=27133&T=0

Globally Unique Identifier (entire table): ba.freestatistics.org/blog/index.php?pk=27133&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'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