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 13:20:21 -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/t1228162989xxevm3xy10xw1d1.htm/, Retrieved Sun, 05 May 2024 09:05:07 +0000
Statistical Computations at FreeStatistics.org, Office for Research Development and Education, URL https://freestatistics.org/blog/index.php?pk=27329, Retrieved Sun, 05 May 2024 09:05:07 +0000
QR Codes:

Original text written by user:
IsPrivate?No (this computation is public)
User-defined keywords
Estimated Impact158

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] [Non stat time ser...] [2008-12-01 20:20:21] [c5d6d05aee6be5527ac4a30a8c3b8fe5] [Current]
Feedback Forum
2008-12-06 14:05:22 [Thomas Plasschaert] [reply] 
De bovenste grafiek (excess of heads) genereert een ander resultaat. Dit is logisch omdat het tossen van dobbelstenen steeds verschillende uitkomsten zal genereren. Bekijk je de onderste grafiek (proportion of heads) waarbij men het relatieve resultaat toont, dan zie je dat deze steeds rond 0.5 zal neigen. Voor verdere conclusies te trekken moeten we eerst kijken of er sprake is van een patroon. Hier is er duidelijk geen sprake van een patroon dat de grafiek uit het verleden terug opvolgt. Hierdoor kan er dus ook geen voorspelling worden gemaakt over het verloop van de grafiek in de toekomst.
Uit de onderste grafiek kan je zien dat de grafiek ongeveer een constant verloop krijgt naar het einde toe. Hoe langer men gooit hoe harder de kans evolueert naar een fifty/fifty kans op het gooien van kop of let. De kans (op LT) dat men beide waarden evenwaardig gooit is dus even groot.
Je kan stellen dat een stijging of daling aan het toeval is te wijten. Dit is logisch, het gooien van kop kan niet verklaard worden aan voorafgaande resultaten.Als we de tijdserie reproduceren krijgen we een gesimuleerde random walk. Conclusie = het is schijnbaar voorspelbaar (op het eerste zicht) maar de stijgingen en dalingen zijn werkelijk puur aan het toeval te wijten. Er is geen seizoenaliteit te zien.

2008-12-08 12:51:17 [4679c4d03f1d346a85e79d87ba60ec2b] [reply] 
Er kunnen geen voorspellingen gemaakt worden op basis van patronen die in het verleden zijn verkregen als je gebruik maakt van random walk. Bij random walk is elk experiment onafhankelijk van het verleden. De tweede grafiek toont dat na verloop van tijd de kans op zowel kop als munt convergeert naar de 50%. Je kunt zeggen dat er een schijnbare voorspelbaarheid is op het eerste zicht, en dat er een schijnbaar trendmatig verloop is maar deze zijn zuiver te wijten aan toeval. Er is hier ook geen sprake van seizoenaliteit
2008-12-08 13:18:21 [Jonas Janssens] [reply] 
Je conclusie is OK, maar je had er nog bij kunnen vermelden waarom een stijging of daling van de trend toe te schrijven is aan toeval. Dit is omdat kop en munt evenveel kans (50%) hebben om gegooid te worden en omdat elk experiment onafhankelijk is van het verleden, de munt weet niet wat zich in het verleden heeft voorgedaan.
Je had meerdere simulaties van de 'Random Walk time series' kunnen uitvoeren zodat duidelijk wordt dat je nooit dezelfde resultaten krijgt.
2008-12-08 19:31:10 [5faab2fc6fb120339944528a32d48a04] [reply] 
Het is inderdaad correct dat we uit deze reeks kunnen concluderen dat er schijnbaar een trendmatig verloop is dat schijnbaar voorspelbaar is maar er zijn geen patronen van deze reeks die ons in staat stellen er een voorspelling over te doen. Algemeen kunnen we nog zeggen dat er geen seizonaliteit is. De student heeft dit juist geanalyseerd.
2008-12-09 22:07:13 [Gert-Jan Geudens] [reply] 
We kunnen inderdaad geen voorspellingen maken aan de hand van het verleden. We gaan er hier van uit dat we een zuivere munt hebben. De kans is dus 50/50. Uiteraard zal je zelden hetzelfde resultaat bekomen. Het verloop is dus louter aan het toeval te verklaren.

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'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 & 1 seconds \tabularnewline
R Server & 'Gwilym Jenkins' @ 72.249.127.135 \tabularnewline
\hline
\end{tabular}
%Source: https://freestatistics.org/blog/index.php?pk=27329&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]'Gwilym Jenkins' @ 72.249.127.135[/C][/ROW]
[/TABLE]
Source: https://freestatistics.org/blog/index.php?pk=27329&T=0

Globally Unique Identifier (entire table): ba.freestatistics.org/blog/index.php?pk=27329&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'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()