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 13:54:02 -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/t1228164893l5z94g2ukc66chr.htm/, Retrieved Sun, 05 May 2024 11:10:24 +0000
Statistical Computations at FreeStatistics.org, Office for Research Development and Education, URL https://freestatistics.org/blog/index.php?pk=27395, Retrieved Sun, 05 May 2024 11:10:24 +0000
QR Codes:

Original text written by user:
IsPrivate?No (this computation is public)
User-defined keywords
Estimated Impact185

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 taak 7] [2008-12-01 20:54:02] [00a0a665d7a07edd2e460056b0c0c354] [Current]
Feedback Forum
2008-12-05 14:53:18 [Kristof Van Esbroeck] [reply] 
Student maakt een juiste berekening, echter een te beknopte interpretatie van de gevonden resultaten.

We nemen eerst het Raw Perdiogram en vervolgens het Cumulative Perdiogram waar.

In het Raw Perdiogram noteren we op de y as de trend en op de x as nemen we bij interpretatie de frequentie waar. We concluderen op lange termijn een groot aantal lage frequenties.

Het Cumulative Perdiogram geeft een bijna verticale rechte weer die omstreeks 0,7 lijkt af te zwakken. Op de y as noteren we waarden tussen 0 en 1 bij een relatieve frequentie die we op de x as kunnen waarnemen.
2008-12-07 20:46:34 [Inge Meelberghs] [reply] 
Aan de hand van de raw periodogram en de cumulatieve periodogram kunnen zien of er in de tijdreeks al dan niet een trend aanwezig is.

Op de raw periodogram grafiek vinden we op de x-as de frequentie terug en op de y –as de mate waarin deze frequentie voorkomt. Hier kunnen we dus zien hoe vaak de frequenties terugkomen.

Op de cumulatieve periodogram zien we dat de grafiek niet binnen de betrouwbaarheidsinterval ligt waardoor er sprake is van een significante trend.

Conclusie:
Op zowel de raw periodogram grafiek als de cumulatieve periodogram kunnen we zien dat er veel lage frequentiewaarden zijn. Dit duidt op een lange termijn trend.

Om deze lange termijn trend uit te zuiveren moeten we gebruik maken van de VRM techniek. Hierdoor zal de variantie hopelijk dalen. Zoals voorgaande student al zei krijgen we dan een heel ander beeld als d=1 en D=1 (als we dus 1keer gewoon en 1keer seizonaal gaan differentiëren). Dit kunnen we onder andere waarnemen op de cumulatieve periodogram doordat de grafiek nu wel tussen de betrouwbaarheidsintervallen ligt.
2008-12-08 12:49:04 [Jef Keersmaekers] [reply] 
Er is duidelijk een patroon te zien aangezien de grafiek van de cumulatieve frequentie niet binnen de stippellijntjes loopt, als dit wel zo zou zijn is er geen patroon.

Aan het Raw Periodigram en uiteraard ook aan het cumulatief periodigram zien we dat het merendeel van de frequenties klein is ( x as gaat van lage frequentie naar hoge frequentie) en dus hebben we te maken met een tijdreeks die traag evolueert, wat wil zeggen dat dit een Lange Termijn tijdreeks is

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=27395&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=27395&T=0

Globally Unique Identifier (entire table): ba.freestatistics.org/blog/index.php?pk=27395&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
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()