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_bidensity.wasp
Title produced by softwareBivariate Kernel Density Estimation
Date of computationSat, 08 Nov 2008 05:21:31 -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/Nov/08/t1226146960uk1a76mvyo81eu7.htm/, Retrieved Mon, 20 May 2024 10:30:54 +0000
Statistical Computations at FreeStatistics.org, Office for Research Development and Education, URL https://freestatistics.org/blog/index.php?pk=22583, Retrieved Mon, 20 May 2024 10:30:54 +0000
QR Codes:

Original text written by user:
IsPrivate?No (this computation is public)
User-defined keywords
Estimated Impact199

Tree of Dependent Computations

Family? (F = Feedback message, R = changed R code, M = changed R Module, P = changed Parameters, D = changed Data)
F       [Bivariate Kernel Density Estimation] [Bivariate Density] [2008-11-08 12:21:31] [00a0a665d7a07edd2e460056b0c0c354] [Current]
F         [Bivariate Kernel Density Estimation] [bivariate density] [2008-11-09 16:00:29] [8d78428855b119373cac369316c08983]
Feedback Forum
2008-11-21 21:22:24 [Kim Wester] [reply] 
De Bivariate Kernell Density Plot geeft een derde dimensie aan die wordt weergeven door hoogtelijnen. Aan de hand van de hoogtelijnen (clusters) is de reeks op te delen. Er is hier echter sprake van 1 cluster dus de reeks is niet op te delen.
2008-11-23 10:43:50 [Inge Meelberghs] [reply] 
Via de bivariate Kernel density kan je op een makkelijke manier twee variabelen met elkaar vergelijken. Bij deze techniek wordt gebruik gemaakt van hoogtelijnen die punten van gelijke dichtheid met elkaar verbinden. Op de grafiek kan je zien dat er verschillende zones voorkomen door de kleurverandering. De rode zone duidt op een sterke correlatie, de groene en de gele duiden op een eerdere zwakke correlatie.

Uit mijn voorbeeld kan ik afleiden dat er praktisch geen lineair verband is tussen de twee tijdreeksen doordat de correlatiefactor slechts -0,08... bedraagt.
2008-11-23 17:21:35 [Michaël De Kuyer] [reply] 
De conclusies van Inge kloppen. Men ziet ook dat de rechte niet door de 'kern' (d.i. rode gebied) loopt. Er is dus inderdaad sprake van een zeer beperkte samenhang tussen de twee tijdreeksen.
2008-11-24 11:55:18 [Bonifer Spillemaeckers] [reply] 
Dit klopt. Met de techniek van de Bivariate Density kan je de correlatie meten tussen 2 variabelen. Je hebt hier wel te maken met hoogtelijnen. Punten van gelijke dichtheid worden door deze hoogtelijnen verbonden. Ook kunnen we een rode en groene zone bemerken op de grafiek. De rode zone duidt een sterke correlatie aan en de groene zone een zwakke correlatie.


Post a new message

Dataset

Dataseries X:
Download CSV
Histogram
Boxplots 
116,1
102,5
102,0
101,3
100,6
100,9
104,2
108,3
108,9
109,9
106,8
112,7
113,4
101,3
97,8
95,0
93,8
94,5
101,4
105,8
106,6
109,7
108,8
113,4
113,7
103,6
98,2
95,5
94,4
95,9
103,2
104,1
127,6
130,3
133,0
140,4
123,5
116,9
115,9
113,1
112,1
112,4
118,9
117,4
115,6
120,7
114,9
122,0
119,6
114,6
118,4
110,9
111,6
114,6
112,1
117,4
114,8
123,4
118,1
121,9
123,3
Dataseries Y:
Download CSV
Histogram 
100,3
97,6
89,1
99,1
94,9
96,5
92,6
80,8
89,5
101,4
95,9
92,3
91,2
88,3
80,7
89,9
87,2
86,9
82,8
72,6
81,3
91,2
87,3
83,4
81,7
80,2
74,1
80,6
79,0
79,3
71,2
78,1
68,2
81,0
106,9
123,7
73,7
69,2
72,5
75,7
73,5
70,4
65,7
68,1
62,4
64,7
77,7
85,9
61,0
57,4
75,1
75,9
71,8
72,3
67,3
71,5
67,6
74,2
77,6
76,4
74,2

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=22583&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=22583&T=0

Globally Unique Identifier (entire table): ba.freestatistics.org/blog/index.php?pk=22583&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






Bandwidth
x axis4.34993213566862
y axis5.35975578527275
Correlation
correlation used in KDE-0.0826798096433685
correlation(x,y)-0.0826798096433685

\begin{tabular}{lllllllll}
\hline
Bandwidth \tabularnewline
x axis & 4.34993213566862 \tabularnewline
y axis & 5.35975578527275 \tabularnewline
Correlation \tabularnewline
correlation used in KDE & -0.0826798096433685 \tabularnewline
correlation(x,y) & -0.0826798096433685 \tabularnewline
\hline
\end{tabular}
%Source: https://freestatistics.org/blog/index.php?pk=22583&T=1

[TABLE]
[ROW][C]Bandwidth[/C][/ROW]
[ROW][C]x axis[/C][C]4.34993213566862[/C][/ROW]
[ROW][C]y axis[/C][C]5.35975578527275[/C][/ROW]
[ROW][C]Correlation[/C][/ROW]
[ROW][C]correlation used in KDE[/C][C]-0.0826798096433685[/C][/ROW]
[ROW][C]correlation(x,y)[/C][C]-0.0826798096433685[/C][/ROW]
[/TABLE]
Source: https://freestatistics.org/blog/index.php?pk=22583&T=1

Globally Unique Identifier (entire table): ba.freestatistics.org/blog/index.php?pk=22583&T=1

As an alternative you can also use a QR Code:  
QR Code


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

Bandwidth
x axis4.34993213566862
y axis5.35975578527275
Correlation
correlation used in KDE-0.0826798096433685
correlation(x,y)-0.0826798096433685


Figures (Output of Computation)

Input Parameters & R Code

Parameters (Session):
par1 = 50 ; par2 = 50 ; par3 = 0 ; par4 = 0 ; par5 = 0 ; par6 = Y ; par7 = Y ;
Parameters (R input):
par1 = 50 ; par2 = 50 ; par3 = 0 ; par4 = 0 ; par5 = 0 ; par6 = Y ; par7 = Y ;
R code (references can be found in the software module):
par1 <- as(par1,'numeric')
par2 <- as(par2,'numeric')
par3 <- as(par3,'numeric')
par4 <- as(par4,'numeric')
par5 <- as(par5,'numeric')
library('GenKern')
if (par3==0) par3 <- dpik(x)
if (par4==0) par4 <- dpik(y)
if (par5==0) par5 <- cor(x,y)
if (par1 > 500) par1 <- 500
if (par2 > 500) par2 <- 500
bitmap(file='bidensity.png')
op <- KernSur(x,y, xgridsize=par1, ygridsize=par2, correlation=par5, xbandwidth=par3, ybandwidth=par4)
image(op$xords, op$yords, op$zden, col=terrain.colors(100), axes=TRUE,main=main,xlab=xlab,ylab=ylab)
if (par6=='Y') contour(op$xords, op$yords, op$zden, add=TRUE)
if (par7=='Y') points(x,y)
(r<-lm(y ~ x))
abline(r)
box()
dev.off()
load(file='createtable')
a<-table.start()
a<-table.row.start(a)
a<-table.element(a,'Bandwidth',2,TRUE)
a<-table.row.end(a)
a<-table.row.start(a)
a<-table.element(a,'x axis',header=TRUE)
a<-table.element(a,par3)
a<-table.row.end(a)
a<-table.row.start(a)
a<-table.element(a,'y axis',header=TRUE)
a<-table.element(a,par4)
a<-table.row.end(a)
a<-table.row.start(a)
a<-table.element(a,'Correlation',2,TRUE)
a<-table.row.end(a)
a<-table.row.start(a)
a<-table.element(a,'correlation used in KDE',header=TRUE)
a<-table.element(a,par5)
a<-table.row.end(a)
a<-table.row.start(a)
a<-table.element(a,'correlation(x,y)',header=TRUE)
a<-table.element(a,cor(x,y))
a<-table.row.end(a)
a<-table.end(a)
table.save(a,file='mytable.tab')