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 12:19:28 -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/t1228159200xftkzcjp6isg1hp.htm/, Retrieved Sun, 05 May 2024 08:46:52 +0000
Statistical Computations at FreeStatistics.org, Office for Research Development and Education, URL https://freestatistics.org/blog/index.php?pk=27212, Retrieved Sun, 05 May 2024 08:46:52 +0000
QR Codes:

Original text written by user:
IsPrivate?No (this computation is public)
User-defined keywords
Estimated Impact187

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 non stationary...] [2008-12-01 19:19:28] [4940af498c7c54f3992f17142bd40069] [Current]
Feedback Forum
2008-12-05 10:25:16 [Stijn Van de Velde] [reply] 
Je antwoord is niet volledig.

Het raw periodogram vertoont duidelijk een hoog aantal lage frequenties. Dit wijst er dus op dat de reeks gedomineerd wordt door deze lage frequenties. Een lage frequentie wijst op een lange termijn effect.
Op het cumulatieve periodogram is dit nog duidelijker te zien, ongeveer 98% van de reeks wordt bepaald door lage frequenties.
2008-12-07 16:09:07 [Nathalie Boden] [reply] 
We maken hier gebruik van de spectrale analyse. Dit is een speciale analyse. De pc gaat berekenen welke sinus en cosinus golven hierin zitten. Op de x-as vinden we de frequentie van de golfbewegingen. Bij een lage frequentie zal der traag geëvolueerd worden we spreken hier over een langere periode. Bij de y-as vinden we hoe sterk deze golfbewegingen aanwezig zijn. We zien dat de tijdreeks gekenmerkt wordt door een lange termijn golfbeweging. Dit zien we als een trend. De linkerkant van deze grafiek wordt gebruikt als diagnose-instrument.
Bij de cumulatieve periodogram zien we op de x-as de frequentie en op de y-as de cumulatieve optelsom (geschaald tussen 1 en 0). Wanneer we alle golfbewegingen nemen met een frequentie tussen nul en vijf, welk percentage van onze tijdreeks wordt dan bepaald door deze beweging?
Hier kunnen we duidelijk zien dat 95% van de spreiding van de tijdreeks wordt bepaald door een golfbeweging met een frequentie tussen 0.0 en 0.1 Bij het periodogram is er geen enkel patroon aanwezig. Het is zelfs significant.

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=27212&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=27212&T=0

Globally Unique Identifier (entire table): ba.freestatistics.org/blog/index.php?pk=27212&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 ; 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()