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 08:57:37 -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/t1228233506cx2cp60mt8ih31i.htm/, Retrieved Fri, 17 May 2024 02:01:09 +0000
Statistical Computations at FreeStatistics.org, Office for Research Development and Education, URL https://freestatistics.org/blog/index.php?pk=27987, Retrieved Fri, 17 May 2024 02:01:09 +0000
QR Codes:

Original text written by user:
IsPrivate?No (this computation is public)
User-defined keywords
Estimated Impact187

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] [law of averages q4] [2008-12-02 15:57:37] [2a6ed4ba8662f0ce2b179e623f45ffb0] [Current]
Feedback Forum
2008-12-06 13:58:10 [Thomas Plasschaert] [reply] 
De spectraalanalyse is de 3e methode om een trend te analyseren. De frequentie is het omgekeerde van de periode. Als je een hoge frequentie hebt, dan gaat die zeer snel op en neer en heb je dus een kleine periode. De periode = afstand tussen 2 toppen, de frequentie = hoe snel het op en neer gaat, de amplitude is de hoogte.

We zien hier een lange termijn trend met een lage frequentie en dus een lange periode. De lijn beweegt zich dus langzaam op en neer. Dit is typisch voor een lange termijn trend. Als we dit zien moeten we differentiëren om deze trend te verwijderen. We kunnen ook de cummulatieve curve nemen. Dan hebben we een schaal van 0 tot 1. 0.8 wil dan zeggen = dan verklaren we 80% van de tijdreeks. Dan is er zeer lage frequentie.
De lange termijnbewegingen nodig om 80% te kunnen verklaren. Steil stijgende cummulatieve curve wijst op lange termijn. in dit geval zijn er geen trappen bovenaan de grafiek,dit wil zeggen dat er hier geen sprake is van seizoenaliteit.
met het blauwe lijntje in de 'raw periods' kan je verschuiven over de grafiek heen, en kan je zo zien welke frequentie significant verschillend is.

2008-12-09 22:39:02 [Peter Van Doninck] [reply] 
De spectraal analyse werd hier correct toegepast. HEt cumulatieve periodogram is hier belangrijk. HEt klopt dat er een lage frequentie aanwezig is. Dit wordt weerspiegeld in het feit dat 80% verklaard kan worden door de lange termijntrend, wat de student correct aangeeft. Ook spreekt de student enkel over een lange termijntrend. Hij had ook kunnen vermelden dat er hier geen sprake is van seizoenaliteit, omdat we geen trappatroon verkrijgen. Er kan nog toegevoegd worden dat het cumulatief periodogram boven het 95% betrouwbaarheidsinterval ligt, wat erop wijst dat we te maken hebben met significante verschillen.

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=27987&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=27987&T=0

Globally Unique Identifier (entire table): ba.freestatistics.org/blog/index.php?pk=27987&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()