Repository of Reproducible Computations

Free Statistics

of Irreproducible Research!

Author's title

Author

*The author of this computation has been verified*

R Software Module

rwasp_smp.wasp

Title produced by software

Standard Deviation-Mean Plot

Date of computation

Tue, 09 Dec 2008 07:19:07 -0700

Cite this page as follows

Statistical Computations at FreeStatistics.org, Office for Research Development and Education, URL https://freestatistics.org/blog/index.php?v=date/2008/Dec/09/t122883241693w907de0up8jdv.htm/, Retrieved Fri, 17 May 2024 04:43:15 +0000

Statistical Computations at FreeStatistics.org, Office for Research Development and Education, URL https://freestatistics.org/blog/index.php?pk=31446, Retrieved Fri, 17 May 2024 04:43:15 +0000

QR Codes:

Paste this QR Code to cite your computation.

Original text written by user:

IsPrivate?

No (this computation is public)

User-defined keywords

k_vanderheggen

Estimated Impact

198

Family? (F = Feedback message, R = changed R code, M = changed R Module, P = changed Parameters, D = changed Data)

-     [Univariate Data Series] [data set] [2008-12-01 19:54:57] [b98453cac15ba1066b407e146608df68]
F RMP     [Standard Deviation-Mean Plot] [unemploymentStand...] [2008-12-09 14:19:07] [547f3960ab1cda94661cd6e0871d2c7b] [Current]
- RMP       [ARIMA Backward Selection] [] [2008-12-14 13:24:05] [367e7d6b927a953ac0842a6750211350] 

Feedback Forum

2008-12-14 13:31:58 [Glenn Maras] [reply] 
De student heeft stap 1 tot 3 correct uitgevoerd maar stap 4 is niet echt correct opgelost. Er zijn foute, of geen, waarden gegeven voor p P q Q. Stap 5 was helemaal niet opgelost. Hier moest nochtans gewoon de lambda, d en D ingevuld worden en de andere waarden op het maximum plaatsen zodat er uiteindelijk kon gezien worden welke processen er juist gelden. De berekening van step 5 voor de eerste tijdreeks: 
http://www.freestatistics.org/blog/index.php?v=date/2008/Dec/14/t12292610829b17prlns06xp9t.htm 
en voor de 2de(= eigen) tijdreeks: 
http://www.freestatistics.org/blog/index.php?v=date/2008/Dec/14/t12292612283hpkspetm2t3sgc.htm
2008-12-14 13:32:00 [Jasmine Hendrikx] [reply] 
Evaluatie stap 1: 
De berekening is goed uitgevoerd en de conclusie van de student is goed. Het is inderdaad zo dat er een verband bestaat tussen het gemiddelde en standaardafwijking, doordat 0,048 (bèta) significant verschilt van 0. Hier  zou nog bij vermeld kunnen worden dat bèta (uit de eerste kolom) significant verschilt van 0, omdat de p-waarde zeer klein is. De p-waarde is zelfs kleiner dan 1%, waardoor we kunnen zeggen dat er minder dan 1% kans is dat we ons vergissen bij het verwerpen van de nulhypothese. De helling is dus significant verschillend van 0 en het positieve verband tussen het gemiddelde en de standaardafwijking is dus niet aan het toeval te wijten. Verder zou er nog gezegd kunnen worden dat de Standard Deviation –Mean Plot de tijdreeks in mootjes hakt. In de eerste tabel krijgen we voor het eerste jaar en voor de volgende jaren steeds het gemiddelde en de standaardafwijking. In de laatste kolom zien we de range (dit is het verschil tussen de grootste en kleinste waarde). De grafiek geeft het verband weer tussen het gemiddelde niveau en de standaardafwijking. Op de x-as zien we het gemiddelde en op de y-as de standaardafwijking. Zoals de student correct vermeldt, moeten we hier goed opletten voor outliers, zeker wanneer deze zich links of rechts bevinden, aangezien zij de helling dan sterk zullen beïnvloeden. Uit de grafiek kunnen we afleiden dat er bovenaan wel een outlier is, maar deze bevindt zich gelukkig niet helemaal links of rechts. Verder zou er nog de nadruk gelegd kunnen worden op het feit dat als er een verband bestaat tussen het gemiddelde en de standaardafwijking, we de waarde van de theoretische lambda mogen nemen, die berekend is (in dit geval gelijk aan 0.47). Als er geen significant verband bestaat tussen de standaardafwijking en het gemiddelde, dan mogen we de berekende lambda niet nemen en moeten we deze 1 houden. We zoeken de lambda om de variantie te stabiliseren en zo de tijdreeks meer stationair te maken. 
2008-12-15 09:38:47 [Gilliam Schoorel] [reply] 
De bewerkingen zijn goed uitgevoerd en de conclusies van de student kloppen ook perfect. 
 
We kunnen stellen dat de helling van de plot niet aan het toeval te wijten is omdat de p-waarde kleiner is dan 5%. Het is belangrijk om eerst naar de p-waarde te kijken en daarna pas besluiten of je de berekende lambda dan wel of niet gebruikt. 
De p-waarde is hier kleiner dan 5 procent dus je kan de lambda gebruiken voor de differentiatie. 
Je kan zien dat er bij de Unemployment data veel observaties zijn terug te vinden. Op deze mean plot kan je spreken van een zwak positief (lineair) verband. Je kan ook duidelijk zien dat hier outliers aanwezig zijn op de SMP. Bijvoorbeeld helemaal aan de bovenkant ter hoogte van 350 (mean) en 95 (standard deviation). Voor deze outliers moet je wel oppassen omdat zij het beeld sterk kunnen beïnvloeden. Je moet goed opletten waar deze outliers zich bevinden. Als ze zich in de linker of de rechter bovenhoek bevinden bepalen deze outliers de helling van de mean plot/puntenwolk.  
De bèta bepaald de helling van de standard deviation mean plot. 
 
2008-12-16 13:19:27 [Anouk Greeve] [reply] 
We zien dat de betawaarde zinvol is en dus een transformatie zinvol is, doordat de pwaarde kleiner is dan 5%! Dan kunnen we naar de tweede tabel kijken. We mogen de lambdawaarde aanvaarden wanneer ook hier de p-waarde significant is. Dat is hier het geval, dus mogen we de lambdawaarde gebruiken voor verdere berekeningen. Goed dat de student het effect van de outliers vermeld. Hij voerde correcte berekeningen uit en gaf een juiste interpretatie.
2008-12-16 13:26:38 [Peter Van Doninck] [reply] 
Bij de sdm-plot gaan we de tijdreeks in mootjes van 12 hakken. De studente merkt terrecht op dat de p-waarde hier zeer klein is. De kans dat we ons vergissen bij het verwerpen van de nulhypothese is dus met andere woorden zeer klein. (0,0038). Hieruit kunnen we dan afleiden dat de optimale lambda waarde 0,46 bedraagt. Deze mogen we echter afronden tot 0,50. Het is goed dat de studente ook de grafiek van de standaard deviatie heeft weergegeven. Hier merken we een zwak positief lineair verband, wat wel beetje vertekend wordt door de outliers. Toch hebben de outliers hier geen echt grote invloed, aangezien ze niet in de staarten zitten.
2008-12-16 18:45:08 [Erik Geysen] [reply] 
We zien hier dat de bÃ¨ta positief is (hoewel het dicht aanleunt tegen 0). Er is een verschil tussen de spreiding en de standaardfout. Of dit verschil significant is, zien we weer aan de p value. Deze is kleiner dan 0.05 : er is dus een significant verschil. De p value is kleiner dan 0.05 impliceert heteroskedasticiteit : de variantie wordt groter naarmate de tijd vordert. We zullen om een stationaire reeks te bekomen, niet enkel moeten differentiÃ«ren, we moeten ook de data tot de 0.47e macht verheffenen (0.5e macht afgerond). De student had ook de scatterplot kunnen laten zien. Als we de scatterplot bekijken, stellen we vast dat er sprake is van een consistent verband : door de puntenwolk kunnen we een rechte tekenen. Merk wel dat de outlier (linksboven) een invloed zal gehad hebben op deze analyse.

Post a new message

Dataseries X:

Download CSV

Histogram

Boxplots

Summary of computational transaction
Raw Input	view raw input (R code)
Raw Output	view raw output of R engine
Computing time	2 seconds
R Server	'Herman Ole Andreas Wold' @ 193.190.124.10:1001

\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 & 'Herman Ole Andreas Wold' @ 193.190.124.10:1001 \tabularnewline
\hline
\end{tabular}
%Source: https://freestatistics.org/blog/index.php?pk=31446&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]'Herman Ole Andreas Wold' @ 193.190.124.10:1001[/C][/ROW]
[/TABLE]
Source: https://freestatistics.org/blog/index.php?pk=31446&T=0

Globally Unique Identifier (entire table): ba.freestatistics.org/blog/index.php?pk=31446&T=0

As an alternative you can also use a QR Code:

The GUIDs for individual cells are displayed in the table below:

Summary of computational transaction
Raw Input	view raw input (R code)
Raw Output	view raw output of R engine
Computing time	2 seconds
R Server	'Herman Ole Andreas Wold' @ 193.190.124.10:1001

Standard Deviation-Mean Plot
Section	Mean	Standard Deviation	Range
1	227.733333333333	29.1940010442162	106
2	363.65	36.3267119348834	139.3
3	328.916666666667	93.5458451857438	273.6
4	205.45	30.3247123946491	89.5
5	188.333333333333	27.3773739803621	86
6	181.25	26.1571995999016	85.2
7	353.341666666667	36.2089506346236	110.8
8	285.308333333333	46.6051783766048	138.5
9	275.125	35.0509272345255	108.8
10	285.85	30.7409262296136	86.7
11	460.166666666667	56.0969831198748	147.3
12	373.95	53.1021228817215	150.3
13	385.1	35.1442999387072	115.5
14	471.358333333333	64.2130184808676	179.1
15	394.208333333333	40.6847628018454	138.7
16	407	46.6030432092544	147.6
17	378.575	49.9696839912143	132
18	336.633333333333	51.5290973993129	146.3
19	287.841666666667	33.2699826033054	112.7
20	297.566666666667	30.476438987082	117
21	281.666666666667	40.7140434412173	131.1
22	283.033333333333	28.4860837901065	109
23	408.85	48.934882520271	128.5
24	499.333333333333	37.5159925494408	109.6
25	484.008333333333	48.4390236808249	133.1
26	430.433333333333	37.4665022103584	108.4
27	507.583333333333	53.8722703730919	196.2
28	782.975	48.4555489832973	137.4
29	728.8	53.3077684940777	187
30	685.558333333333	72.5442618285032	222.9
31	604.716666666667	50.4040372360882	144

\begin{tabular}{lllllllll}
\hline
Standard Deviation-Mean Plot \tabularnewline
Section & Mean & Standard Deviation & Range \tabularnewline
1 & 227.733333333333 & 29.1940010442162 & 106 \tabularnewline
2 & 363.65 & 36.3267119348834 & 139.3 \tabularnewline
3 & 328.916666666667 & 93.5458451857438 & 273.6 \tabularnewline
4 & 205.45 & 30.3247123946491 & 89.5 \tabularnewline
5 & 188.333333333333 & 27.3773739803621 & 86 \tabularnewline
6 & 181.25 & 26.1571995999016 & 85.2 \tabularnewline
7 & 353.341666666667 & 36.2089506346236 & 110.8 \tabularnewline
8 & 285.308333333333 & 46.6051783766048 & 138.5 \tabularnewline
9 & 275.125 & 35.0509272345255 & 108.8 \tabularnewline
10 & 285.85 & 30.7409262296136 & 86.7 \tabularnewline
11 & 460.166666666667 & 56.0969831198748 & 147.3 \tabularnewline
12 & 373.95 & 53.1021228817215 & 150.3 \tabularnewline
13 & 385.1 & 35.1442999387072 & 115.5 \tabularnewline
14 & 471.358333333333 & 64.2130184808676 & 179.1 \tabularnewline
15 & 394.208333333333 & 40.6847628018454 & 138.7 \tabularnewline
16 & 407 & 46.6030432092544 & 147.6 \tabularnewline
17 & 378.575 & 49.9696839912143 & 132 \tabularnewline
18 & 336.633333333333 & 51.5290973993129 & 146.3 \tabularnewline
19 & 287.841666666667 & 33.2699826033054 & 112.7 \tabularnewline
20 & 297.566666666667 & 30.476438987082 & 117 \tabularnewline
21 & 281.666666666667 & 40.7140434412173 & 131.1 \tabularnewline
22 & 283.033333333333 & 28.4860837901065 & 109 \tabularnewline
23 & 408.85 & 48.934882520271 & 128.5 \tabularnewline
24 & 499.333333333333 & 37.5159925494408 & 109.6 \tabularnewline
25 & 484.008333333333 & 48.4390236808249 & 133.1 \tabularnewline
26 & 430.433333333333 & 37.4665022103584 & 108.4 \tabularnewline
27 & 507.583333333333 & 53.8722703730919 & 196.2 \tabularnewline
28 & 782.975 & 48.4555489832973 & 137.4 \tabularnewline
29 & 728.8 & 53.3077684940777 & 187 \tabularnewline
30 & 685.558333333333 & 72.5442618285032 & 222.9 \tabularnewline
31 & 604.716666666667 & 50.4040372360882 & 144 \tabularnewline
\hline
\end{tabular}
%Source: https://freestatistics.org/blog/index.php?pk=31446&T=1

[TABLE]
[ROW][C]Standard Deviation-Mean Plot[/C][/ROW]
[ROW][C]Section[/C][C]Mean[/C][C]Standard Deviation[/C][C]Range[/C][/ROW]
[ROW][C]1[/C][C]227.733333333333[/C][C]29.1940010442162[/C][C]106[/C][/ROW]
[ROW][C]2[/C][C]363.65[/C][C]36.3267119348834[/C][C]139.3[/C][/ROW]
[ROW][C]3[/C][C]328.916666666667[/C][C]93.5458451857438[/C][C]273.6[/C][/ROW]
[ROW][C]4[/C][C]205.45[/C][C]30.3247123946491[/C][C]89.5[/C][/ROW]
[ROW][C]5[/C][C]188.333333333333[/C][C]27.3773739803621[/C][C]86[/C][/ROW]
[ROW][C]6[/C][C]181.25[/C][C]26.1571995999016[/C][C]85.2[/C][/ROW]
[ROW][C]7[/C][C]353.341666666667[/C][C]36.2089506346236[/C][C]110.8[/C][/ROW]
[ROW][C]8[/C][C]285.308333333333[/C][C]46.6051783766048[/C][C]138.5[/C][/ROW]
[ROW][C]9[/C][C]275.125[/C][C]35.0509272345255[/C][C]108.8[/C][/ROW]
[ROW][C]10[/C][C]285.85[/C][C]30.7409262296136[/C][C]86.7[/C][/ROW]
[ROW][C]11[/C][C]460.166666666667[/C][C]56.0969831198748[/C][C]147.3[/C][/ROW]
[ROW][C]12[/C][C]373.95[/C][C]53.1021228817215[/C][C]150.3[/C][/ROW]
[ROW][C]13[/C][C]385.1[/C][C]35.1442999387072[/C][C]115.5[/C][/ROW]
[ROW][C]14[/C][C]471.358333333333[/C][C]64.2130184808676[/C][C]179.1[/C][/ROW]
[ROW][C]15[/C][C]394.208333333333[/C][C]40.6847628018454[/C][C]138.7[/C][/ROW]
[ROW][C]16[/C][C]407[/C][C]46.6030432092544[/C][C]147.6[/C][/ROW]
[ROW][C]17[/C][C]378.575[/C][C]49.9696839912143[/C][C]132[/C][/ROW]
[ROW][C]18[/C][C]336.633333333333[/C][C]51.5290973993129[/C][C]146.3[/C][/ROW]
[ROW][C]19[/C][C]287.841666666667[/C][C]33.2699826033054[/C][C]112.7[/C][/ROW]
[ROW][C]20[/C][C]297.566666666667[/C][C]30.476438987082[/C][C]117[/C][/ROW]
[ROW][C]21[/C][C]281.666666666667[/C][C]40.7140434412173[/C][C]131.1[/C][/ROW]
[ROW][C]22[/C][C]283.033333333333[/C][C]28.4860837901065[/C][C]109[/C][/ROW]
[ROW][C]23[/C][C]408.85[/C][C]48.934882520271[/C][C]128.5[/C][/ROW]
[ROW][C]24[/C][C]499.333333333333[/C][C]37.5159925494408[/C][C]109.6[/C][/ROW]
[ROW][C]25[/C][C]484.008333333333[/C][C]48.4390236808249[/C][C]133.1[/C][/ROW]
[ROW][C]26[/C][C]430.433333333333[/C][C]37.4665022103584[/C][C]108.4[/C][/ROW]
[ROW][C]27[/C][C]507.583333333333[/C][C]53.8722703730919[/C][C]196.2[/C][/ROW]
[ROW][C]28[/C][C]782.975[/C][C]48.4555489832973[/C][C]137.4[/C][/ROW]
[ROW][C]29[/C][C]728.8[/C][C]53.3077684940777[/C][C]187[/C][/ROW]
[ROW][C]30[/C][C]685.558333333333[/C][C]72.5442618285032[/C][C]222.9[/C][/ROW]
[ROW][C]31[/C][C]604.716666666667[/C][C]50.4040372360882[/C][C]144[/C][/ROW]
[/TABLE]
Source: https://freestatistics.org/blog/index.php?pk=31446&T=1

Globally Unique Identifier (entire table): ba.freestatistics.org/blog/index.php?pk=31446&T=1

As an alternative you can also use a QR Code:

The GUIDs for individual cells are displayed in the table below:

Standard Deviation-Mean Plot
Section	Mean	Standard Deviation	Range
1	227.733333333333	29.1940010442162	106
2	363.65	36.3267119348834	139.3
3	328.916666666667	93.5458451857438	273.6
4	205.45	30.3247123946491	89.5
5	188.333333333333	27.3773739803621	86
6	181.25	26.1571995999016	85.2
7	353.341666666667	36.2089506346236	110.8
8	285.308333333333	46.6051783766048	138.5
9	275.125	35.0509272345255	108.8
10	285.85	30.7409262296136	86.7
11	460.166666666667	56.0969831198748	147.3
12	373.95	53.1021228817215	150.3
13	385.1	35.1442999387072	115.5
14	471.358333333333	64.2130184808676	179.1
15	394.208333333333	40.6847628018454	138.7
16	407	46.6030432092544	147.6
17	378.575	49.9696839912143	132
18	336.633333333333	51.5290973993129	146.3
19	287.841666666667	33.2699826033054	112.7
20	297.566666666667	30.476438987082	117
21	281.666666666667	40.7140434412173	131.1
22	283.033333333333	28.4860837901065	109
23	408.85	48.934882520271	128.5
24	499.333333333333	37.5159925494408	109.6
25	484.008333333333	48.4390236808249	133.1
26	430.433333333333	37.4665022103584	108.4
27	507.583333333333	53.8722703730919	196.2
28	782.975	48.4555489832973	137.4
29	728.8	53.3077684940777	187
30	685.558333333333	72.5442618285032	222.9
31	604.716666666667	50.4040372360882	144

Regression: S.E.(k) = alpha + beta * Mean(k)
alpha	25.0818554501784
beta	0.0488516650103526
S.D.	0.0155384837695400
T-STAT	3.14391453728042
p-value	0.00382792717820019

\begin{tabular}{lllllllll}
\hline
Regression: S.E.(k) = alpha + beta * Mean(k) \tabularnewline
alpha & 25.0818554501784 \tabularnewline
beta & 0.0488516650103526 \tabularnewline
S.D. & 0.0155384837695400 \tabularnewline
T-STAT & 3.14391453728042 \tabularnewline
p-value & 0.00382792717820019 \tabularnewline
\hline
\end{tabular}
%Source: https://freestatistics.org/blog/index.php?pk=31446&T=2

[TABLE]
[ROW][C]Regression: S.E.(k) = alpha + beta * Mean(k)[/C][/ROW]
[ROW][C]alpha[/C][C]25.0818554501784[/C][/ROW]
[ROW][C]beta[/C][C]0.0488516650103526[/C][/ROW]
[ROW][C]S.D.[/C][C]0.0155384837695400[/C][/ROW]
[ROW][C]T-STAT[/C][C]3.14391453728042[/C][/ROW]
[ROW][C]p-value[/C][C]0.00382792717820019[/C][/ROW]
[/TABLE]
Source: https://freestatistics.org/blog/index.php?pk=31446&T=2

Globally Unique Identifier (entire table): ba.freestatistics.org/blog/index.php?pk=31446&T=2

As an alternative you can also use a QR Code:

The GUIDs for individual cells are displayed in the table below:

Regression: S.E.(k) = alpha + beta * Mean(k)
alpha	25.0818554501784
beta	0.0488516650103526
S.D.	0.0155384837695400
T-STAT	3.14391453728042
p-value	0.00382792717820019

Regression: ln S.E.(k) = alpha + beta * ln Mean(k)
alpha	0.596066412617832
beta	0.532942026074987
S.D.	0.115396834084912
T-STAT	4.61834183148243
p-value	7.31833172336402e-05
Lambda	0.467057973925013

\begin{tabular}{lllllllll}
\hline
Regression: ln S.E.(k) = alpha + beta * ln Mean(k) \tabularnewline
alpha & 0.596066412617832 \tabularnewline
beta & 0.532942026074987 \tabularnewline
S.D. & 0.115396834084912 \tabularnewline
T-STAT & 4.61834183148243 \tabularnewline
p-value & 7.31833172336402e-05 \tabularnewline
Lambda & 0.467057973925013 \tabularnewline
\hline
\end{tabular}
%Source: https://freestatistics.org/blog/index.php?pk=31446&T=3

[TABLE]
[ROW][C]Regression: ln S.E.(k) = alpha + beta * ln Mean(k)[/C][/ROW]
[ROW][C]alpha[/C][C]0.596066412617832[/C][/ROW]
[ROW][C]beta[/C][C]0.532942026074987[/C][/ROW]
[ROW][C]S.D.[/C][C]0.115396834084912[/C][/ROW]
[ROW][C]T-STAT[/C][C]4.61834183148243[/C][/ROW]
[ROW][C]p-value[/C][C]7.31833172336402e-05[/C][/ROW]
[ROW][C]Lambda[/C][C]0.467057973925013[/C][/ROW]
[/TABLE]
Source: https://freestatistics.org/blog/index.php?pk=31446&T=3

Globally Unique Identifier (entire table): ba.freestatistics.org/blog/index.php?pk=31446&T=3

As an alternative you can also use a QR Code:

The GUIDs for individual cells are displayed in the table below:

Regression: ln S.E.(k) = alpha + beta * ln Mean(k)
alpha	0.596066412617832
beta	0.532942026074987
S.D.	0.115396834084912
T-STAT	4.61834183148243
p-value	7.31833172336402e-05
Lambda	0.467057973925013

Figure 1

PNG link

Postscript link

PDF link

Figure 2

PNG link

Postscript link

PDF link

Parameters (Session):

par1 = 12 ;

Parameters (R input):

par1 = 12 ;

R code (references can be found in the software module):

par1 <- as.numeric(par1)
(n <- length(x))
(np <- floor(n / par1))
arr <- array(NA,dim=c(par1,np))
j <- 0
k <- 1
for (i in 1:(np*par1))
{
j = j + 1
arr[j,k] <- x[i]
if (j == par1) {
j = 0
k=k+1
}
}
arr
arr.mean <- array(NA,dim=np)
arr.sd <- array(NA,dim=np)
arr.range <- array(NA,dim=np)
for (j in 1:np)
{
arr.mean[j] <- mean(arr[,j],na.rm=TRUE)
arr.sd[j] <- sd(arr[,j],na.rm=TRUE)
arr.range[j] <- max(arr[,j],na.rm=TRUE) - min(arr[,j],na.rm=TRUE)
}
arr.mean
arr.sd
arr.range
(lm1 <- lm(arr.sd~arr.mean))
(lnlm1 <- lm(log(arr.sd)~log(arr.mean)))
(lm2 <- lm(arr.range~arr.mean))
bitmap(file='test1.png')
plot(arr.mean,arr.sd,main='Standard Deviation-Mean Plot',xlab='mean',ylab='standard deviation')
dev.off()
bitmap(file='test2.png')
plot(arr.mean,arr.range,main='Range-Mean Plot',xlab='mean',ylab='range')
dev.off()
load(file='createtable')
a<-table.start()
a<-table.row.start(a)
a<-table.element(a,'Standard Deviation-Mean Plot',4,TRUE)
a<-table.row.end(a)
a<-table.row.start(a)
a<-table.element(a,'Section',header=TRUE)
a<-table.element(a,'Mean',header=TRUE)
a<-table.element(a,'Standard Deviation',header=TRUE)
a<-table.element(a,'Range',header=TRUE)
a<-table.row.end(a)
for (j in 1:np) {
a<-table.row.start(a)
a<-table.element(a,j,header=TRUE)
a<-table.element(a,arr.mean[j])
a<-table.element(a,arr.sd[j] )
a<-table.element(a,arr.range[j] )
a<-table.row.end(a)
}
a<-table.end(a)
table.save(a,file='mytable.tab')
a<-table.start()
a<-table.row.start(a)
a<-table.element(a,'Regression: S.E.(k) = alpha + beta * Mean(k)',2,TRUE)
a<-table.row.end(a)
a<-table.row.start(a)
a<-table.element(a,'alpha',header=TRUE)
a<-table.element(a,lm1$coefficients[[1]])
a<-table.row.end(a)
a<-table.row.start(a)
a<-table.element(a,'beta',header=TRUE)
a<-table.element(a,lm1$coefficients[[2]])
a<-table.row.end(a)
a<-table.row.start(a)
a<-table.element(a,'S.D.',header=TRUE)
a<-table.element(a,summary(lm1)$coefficients[2,2])
a<-table.row.end(a)
a<-table.row.start(a)
a<-table.element(a,'T-STAT',header=TRUE)
a<-table.element(a,summary(lm1)$coefficients[2,3])
a<-table.row.end(a)
a<-table.row.start(a)
a<-table.element(a,'p-value',header=TRUE)
a<-table.element(a,summary(lm1)$coefficients[2,4])
a<-table.row.end(a)
a<-table.end(a)
table.save(a,file='mytable1.tab')
a<-table.start()
a<-table.row.start(a)
a<-table.element(a,'Regression: ln S.E.(k) = alpha + beta * ln Mean(k)',2,TRUE)
a<-table.row.end(a)
a<-table.row.start(a)
a<-table.element(a,'alpha',header=TRUE)
a<-table.element(a,lnlm1$coefficients[[1]])
a<-table.row.end(a)
a<-table.row.start(a)
a<-table.element(a,'beta',header=TRUE)
a<-table.element(a,lnlm1$coefficients[[2]])
a<-table.row.end(a)
a<-table.row.start(a)
a<-table.element(a,'S.D.',header=TRUE)
a<-table.element(a,summary(lnlm1)$coefficients[2,2])
a<-table.row.end(a)
a<-table.row.start(a)
a<-table.element(a,'T-STAT',header=TRUE)
a<-table.element(a,summary(lnlm1)$coefficients[2,3])
a<-table.row.end(a)
a<-table.row.start(a)
a<-table.element(a,'p-value',header=TRUE)
a<-table.element(a,summary(lnlm1)$coefficients[2,4])
a<-table.row.end(a)
a<-table.row.start(a)
a<-table.element(a,'Lambda',header=TRUE)
a<-table.element(a,1-lnlm1$coefficients[[2]])
a<-table.row.end(a)
a<-table.end(a)
table.save(a,file='mytable2.tab')

Free Statistics

Description of Statistical Computation

Tree of Dependent Computations

Dataset

Tables (Output of Computation)

Figures (Output of Computation)

Input Parameters & R Code