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 computationTue, 02 Dec 2008 02:46:38 -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/02/t1228211277t5hn9ov53wby5s8.htm/, Retrieved Fri, 17 May 2024 04:18:10 +0000
Statistical Computations at FreeStatistics.org, Office for Research Development and Education, URL https://freestatistics.org/blog/index.php?pk=27578, Retrieved Fri, 17 May 2024 04:18:10 +0000
QR Codes:

Original text written by user:
IsPrivate?No (this computation is public)
User-defined keywords
Estimated Impact180

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 stationary ti...] [2008-12-02 09:46:38] [a1f1fdabaee79c21770ea0f7b7f045f3] [Current]
Feedback Forum
2008-12-06 11:51:46 [Carole Thielens] [reply] 
*De studente merkt correct op dat er hier een schijnbaar trendmatig verloop op de eerste grafiek waarneembaar is. Een verklaring hiervoor wordt echter niet gegeven in deze analyse en zal ik hier bijgevolg even aan toevoegen:
-Er is sprake van toeval omdat de worp ‘kop’ onafhankelijk is van de worp ‘munt’. Op de grafiek zal de curve stijgen wanneer kop wordt gegooid en zal ze dalen indien munt wordt gegooid. Normaal gezien is de kans dat kop of let wordt gegooid voor allebei de gevallen gelijk aan 50%, waardoor de curve samenvalt met de horizontale rechte( =0). Dit is echter praktisch onmogelijk, aangezien je niet kan voorspellen wanneer kop of let gegooid zal worden.

*Ook ontbreekt interpretatie van de tweede grafiek, namelijk deze die de proportie of kans weergeeft. Enkele aanvullingen hier op:

-De horizontale rechte geeft een kans van 0.50 weer. Zoals reeds vermeld, is de kans dat kop of let gegooid wordt gelijk aan 0.50. Hieruit kunnen we met betrekking tot de tweede grafiek, besluiten dat de kans dat kop gegooid wordt op lange termijn gelijk zal worden aan 0.50. Hoe meer worpen men doet, hoe gelijkmatiger de trend. Dit kan onder andere verklaard worden door het voorkomen van uitschieter. Hoe meer worpen dat men doet, des te minder effect dat de uitschieters zullen uitoefenen
2008-12-06 13:44:51 [c00776cbed2786c9c4960950021bd861] [reply] 
De studente zegt in haar conclusie dat er een schijnbaar trendmatig verloop te zien is in de eerste grafiek en dat dit verloop positief is. Dit positief verloop is ook maar schijnbaar want we weten niet exact wat er hierna gaat gebeuren, we denken enkel dat het verder gaat stijgen.
Die stijgingen en dalingen op de grafiek zijn inderdaad puur aan het toeval te wijten.

Deze grafiek geeft inderdaad een lange termijntrend weer, deze trend is horizontaal (= op hoogte van laatste observatie)
En we zien ook geen invloed van seizoenaliteit omdat die fluctuaties dus puur aan het toeval zijn te wijten.

Er wordt niets gezegd over de 2 grafiek: we zien de blauwe lijn convergeren naar 50% wat wil zeggen dat de kans dat we kop gooien op lange termijn gelijk zal zijn aan 50%, dus een gelijkmatigere trend!
2008-12-08 12:24:38 [] [reply] 
Bij de eerste grafiek wordt wel een juiste conclusie gegeven, namelijk dat er een schijnbare trend is en géén seizoenaliteit, maar er wordt geen uitleg gegeven hoe men tot deze conclusie komt.

Bij de 2e grafiek is er geen interpretatie gegeven. We zien hier dat de blauwe lijn richting de 50% lijn loopt, wat er op wijst dat de kans dat we kop gooien op lange termijn gelijk is aan 50% Dit wijst dus op een gelijkmatige trend.
2008-12-08 12:38:39 [Dave Bellekens] [reply] 
Bij de eerste grafiek wordt wel een juiste conclusie gegeven, namelijk dat er een schijnbare trend is en géén seizoenaliteit, maar er wordt geen uitleg gegeven hoe men tot deze conclusie komt.

Bij de 2e grafiek is er geen interpretatie gegeven. We zien hier dat de blauwe lijn richting de 50% lijn loopt, wat er op wijst dat de kans dat we kop gooien op lange termijn gelijk is aan 50% Dit wijst dus op een gelijkmatige trend.

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=27578&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=27578&T=0

Globally Unique Identifier (entire table): ba.freestatistics.org/blog/index.php?pk=27578&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()