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 13:41:08 -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/t1228164088wclji2aalvg50fu.htm/, Retrieved Sun, 05 May 2024 10:44:16 +0000
Statistical Computations at FreeStatistics.org, Office for Research Development and Education, URL https://freestatistics.org/blog/index.php?pk=27370, Retrieved Sun, 05 May 2024 10:44:16 +0000
QR Codes:

Original text written by user:
IsPrivate?No (this computation is public)
User-defined keywords
Estimated Impact193

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] [Stefan Temmerman] [2008-12-01 20:41:08] [30f7cb12a8cb61e43b87da59ece37a2f] [Current]
Feedback Forum
2008-12-06 14:37:40 [Natalie De Wilde] [reply] 
Twee opeenvolgende punten geven informatie uit het verleden die iets zegt over de situatie nu. Was er op tijdstip t-1 een hoge beurskoers, dan is er op tijdstip t ook een hoge beurskoers, en hetzelfde bij een lage beurskoers. De nieuwe koers is de vorige koers + een random getal; dit zorgt ervoor dat de afwijking klein is.
Er is een langzaam evoluerend niveau, dit wijst op positieve autocorrelatie.
Alle lags liggen buiten het 95% betrouwbaarheidsinterval dat voorgesteld wordt door de twee stippellijnen. Dit wil zeggen dat alle lags significant verschillend zijn van nul. Hierbij genomen dat alle waarden positief zijn, kunnen we zeggen dat er hier geen toevallig patroon is.
Er is zeer typisch een stochastische trend op lange termijn.
2008-12-07 10:27:28 [Lana Van Wesemael] [reply] 
Goed opgelost, hier kan ik nog aan toevoegen dat de blauwe stippellijnen het 95% betrouwbaarheidsinterval voorstellen.
2008-12-07 20:57:07 [Stefan Temmerman] [reply] 
Goed opgelost: Het dalende patroon van de ACF is typisch voor een stochastische trend. Ook is hier geen seizoenaliteit waar te nemen.

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'Sir Ronald Aylmer Fisher' @ 193.190.124.24

\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 & 'Sir Ronald Aylmer Fisher' @ 193.190.124.24 \tabularnewline
\hline
\end{tabular}
%Source: https://freestatistics.org/blog/index.php?pk=27370&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]'Sir Ronald Aylmer Fisher' @ 193.190.124.24[/C][/ROW]
[/TABLE]
Source: https://freestatistics.org/blog/index.php?pk=27370&T=0

Globally Unique Identifier (entire table): ba.freestatistics.org/blog/index.php?pk=27370&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'Sir Ronald Aylmer Fisher' @ 193.190.124.24


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