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 13:06:37 -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/t12281620305lhz26xsya7lgft.htm/, Retrieved Sun, 05 May 2024 08:52:01 +0000
Statistical Computations at FreeStatistics.org, Office for Research Development and Education, URL https://freestatistics.org/blog/index.php?pk=27305, Retrieved Sun, 05 May 2024 08:52:01 +0000
QR Codes:

Original text written by user:
IsPrivate?No (this computation is public)
User-defined keywords
Estimated Impact167

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] [loïqueverhasselt] [2008-12-01 20:06:37] [6440ec5a21e5d35520cb2ae6b4b70e45] [Current]
Feedback Forum
2008-12-06 12:16:58 [Loïque Verhasselt] [reply] 
Q4: We geven de juiste output met een correcte conclusie. Een kleine aanvulling aan de 2 bijbehorende grafieken.Op deze eerste grafiek(raw periodogram) kunnen we een langzaam dalende trend waarnemen. Op de x-as wordt de frequentie weergegeven. Op de y-as het spectrum. Dit is de weergave van het vermogen in een signaal als functie van de frequentie. Op de grafiek is duidelijk een lage frequentie een lange periodes vast te stellen.Op het cumulatief periodogram zien we een sterk stijgend verloop, wat wijst op een lange termijntrend. De y-as kunnen we interpreteren als R². Hieruit volgt dat hoe hoger de waarde op deze as, hoe groter het percentage van de schommelingen dat we kunnen verklaren. We zien ook dat de cumulatieve frequentie niet binnen het 95% betrouwbaarheidsinterval ligt.
2008-12-07 09:01:29 [Gert-Jan Geudens] [reply] 
Het antwoord is correct al is de interpretatie van de cumulative periodogram niet helemaal correct. We zien een hier een zeer snel stijgende rechte. Dit is typisch voor een lange termijntrend. Op de y-as kunnen we aflezen hoeveel % van de gegevens we kunnen verklaren aan de hand van de lange termijntrend. We zien hier dat de waarde op de y-as gelijk is aan 0.8. Dit wil zeggen dat we 80% van de data kunnen verklaren door de lange termijntrend.

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'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 & 2 seconds \tabularnewline
R Server & 'George Udny Yule' @ 72.249.76.132 \tabularnewline
\hline
\end{tabular}
%Source: https://freestatistics.org/blog/index.php?pk=27305&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]'George Udny Yule' @ 72.249.76.132[/C][/ROW]
[/TABLE]
Source: https://freestatistics.org/blog/index.php?pk=27305&T=0

Globally Unique Identifier (entire table): ba.freestatistics.org/blog/index.php?pk=27305&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'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()