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 computationTue, 02 Dec 2008 05:06:47 -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/t1228219644z48vlzr9np2hejv.htm/, Retrieved Fri, 17 May 2024 03:04:20 +0000
Statistical Computations at FreeStatistics.org, Office for Research Development and Education, URL https://freestatistics.org/blog/index.php?pk=27635, Retrieved Fri, 17 May 2024 03:04:20 +0000
QR Codes:

Original text written by user:
IsPrivate?No (this computation is public)
User-defined keywords
Estimated Impact160

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] [Workshop 4] [2008-12-02 12:06:47] [d41d8cd98f00b204e9800998ecf8427e] [Current]
Feedback Forum
2008-12-06 17:41:29 [Stefan Temmerman] [reply] 
De student is hier niet duidelijk en verklarend genoeg in zijn uitleg. Ook denken we een trend te kunnen waarnemen en voorspellen, maar dit mag niet bij het tossen van een munt. Aan de hand van het Raw Periodogram kunnen we seizoenaliteit en/of een trend waarnemen. Hier merken we geen seizoenaliteit omdat er geen piek is bij bv 12, wel een trend (die we niet kunnen voorspellen omdat het een simulatie is) die convergeert. Het Cumulative Periodogram zegt op zijn beurt hoeveel procent van de tijdreeks we kunnen verklaren. Dit is af te lezen aan de y-as, en bedraagt ongeveer 90%. Hier hebben we een zeer lange termijn nodig om deze 90% te verklaren. In deze reeks is er wel een patroon, anders lag de grafiek tussen het betrouwbaarheidsinterval. Er is hier ook geen sprake van seizoenaliteit, omdat we geen ‘trapjes’ kunnen waarnemen.
2008-12-08 18:54:19 [An Knapen] [reply] 
De uitleg van de student is correct, al zou ik er toch nog enkele zaken aan kunnen toevoegen.

Op het periodogram kunnen we een langzaam dalend verloop waarnemen. Op de x-as wordt de frequentie weergegeven, terwijl de y-as het spectrum weergeeft. Dit is de weergave van het vermogen in een signaal als functie van de frequentie.

Op deze grafiek zijn duidelijk lage frequenties en dus grote perioden vast te stellen
.
Op het cumulatief periodogram zien een snel stijgend verloop, wat wijst op een lange termijn trend. Deze stijging gebeurt in het begin en reikt tot de waarde 0,8. Dit betekent dat we 80 % van de schommelingen kunnen verklaren.
Met andere woorden:de y-as kunnen we interpreteren als R kwadraat. Hoe hoger deze waarde, hoe meer schommelingen we kunnen verklaren.
We kunnen ook zien dat de cumulatieve frequentie buiten het betrouwbaarheidsinter valt.

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=27635&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=27635&T=0

Globally Unique Identifier (entire table): ba.freestatistics.org/blog/index.php?pk=27635&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 ; par3 = ; par4 = ; par5 = ; par6 = ; par7 = ; par8 = ; par9 = ; par10 = ; par11 = ; par12 = ; par13 = ; par14 = ; par15 = ; par16 = ; par17 = ; par18 = ; par19 = ; par20 = ;
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()