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_bidensity.wasp

Title produced by software

Bivariate Kernel Density Estimation

Date of computation

Wed, 12 Nov 2008 03:28:53 -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/Nov/12/t1226485808lkbif2xf2witqt2.htm/, Retrieved Mon, 20 May 2024 05:47:23 +0000

Statistical Computations at FreeStatistics.org, Office for Research Development and Education, URL https://freestatistics.org/blog/index.php?pk=24061, Retrieved Mon, 20 May 2024 05:47:23 +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

Various EDA topics

Estimated Impact

221

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

-     [Bivariate Kernel Density Estimation] [omzet vs aantal] [2007-12-03 09:28:18] [74be16979710d4c4e7c6647856088456]
F R  D    [Bivariate Kernel Density Estimation] [var eda topics Q1...] [2008-11-12 10:28:53] [3efbb18563b4564408d69b3c9a8e9a6e] [Current]

Feedback Forum

2008-11-15 08:34:20 [Tamara Witters] [reply] 
Een juiste oplossing maar je bent echter wel vergeten te vermelden dat het hier om correlatie gaat. 
Verbetering: 
Deze methode geeft clusters weer. In het midden van elke cluster ligt de intensiteit van de  punten (observaties) heel dicht. Hoe verder je gaat van het midden, hoe minder de intensiteit.  
Hoe dichter de clusters bij elkaar liggen, hoe groter de correlatie. Dit kan zowel een negatieve als positieve correlatie zijn.  
Je kan hierbij slechts 2 variabelen vergelijken 
2008-11-16 16:01:57 [Kevin Truyts] [reply] 
Deze grafiek geeft adhv de hoogtelijnen weer waar de meeste punten gelegen zijn. Het roos - oranje gedeelte geeft weer waar de punten heel geconcentreerd zijn of zelfs perfect op  
elkaar liggen.  
We kunnen dan ook aflezen op de grafiek en in de tabel dat er een zeer sterke correlatie is tussen de 2 reeksen onderling. deze is namelijk 93%.
2008-11-22 15:41:20 [Stéphanie Van Dyck] [reply] 
Deze oplossing is inderdaad juist, maar er moet nog bijgevoegd worden dat deze grafiek de derde dimensie weergeeft aan de hand van hoogtelijnen. 
Je kan de densiteit aflezen, deze wordt lager naarmate je weggaat van het midden van een cluster. 
2008-11-23 14:44:54 [Annelies Michiels] [reply] 
Je legt wel uit hoe we de grafiek moeten lezen en wat de kleuren betekenen maar je vertelt niet wat we nu juist kunnen afleiden van de grafiek. Namelijk wat is nu juist het verband tussen de totale werkloosheid en de werkloosheid boven de 25jaar.  
 
Het klopt inderdaad dat er 2 clusters zijn maar hoe moeten we die clusters interpreteren? 
2008-11-24 14:31:19 [Bernard Femont] [reply] 
Er is vergeten te vermelden dat het hier om correlatie gaat; een uitleg hiervoor zou kunnen zijn; Er worden clusters gevormd. In het midden is er een dichte intensiteit. Hoe dichter de clusters bij elkaar liggen hoe sterker de correlatie is. Dit kan zowel een negatieve als positieve correlatie zijn. We kunnen dan ook aflezen op de grafiek en in de tabel dat er een zeer sterke correlatie is tussen de 2 reeksen onderling. deze is namelijk 93%. Je kan de densiteit aflezen, deze wordt lager naarmate je weggaat van het midden van een cluster.   
 
 
 

Post a new message

Dataseries X:

Download CSV

Histogram

Boxplots

Dataseries Y:

Download CSV

Histogram

Summary of computational transaction
Raw Input	view raw input (R code)
Raw Output	view raw output of R engine
Computing time	3 seconds
R Server	'George Udny Yule' @ 72.249.76.132

\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 & 3 seconds \tabularnewline
R Server & 'George Udny Yule' @ 72.249.76.132 \tabularnewline
\hline
\end{tabular}
%Source: https://freestatistics.org/blog/index.php?pk=24061&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]3 seconds[/C][/ROW]
[ROW][C]R Server[/C][C]'George Udny Yule' @ 72.249.76.132[/C][/ROW]
[/TABLE]
Source: https://freestatistics.org/blog/index.php?pk=24061&T=0

Globally Unique Identifier (entire table): ba.freestatistics.org/blog/index.php?pk=24061&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	3 seconds
R Server	'George Udny Yule' @ 72.249.76.132

Bandwidth
x axis	21.8452747291580
y axis	8.18036054439099
Correlation
correlation used in KDE	0.93003763371815
correlation(x,y)	0.93003763371815

\begin{tabular}{lllllllll}
\hline
Bandwidth \tabularnewline
x axis & 21.8452747291580 \tabularnewline
y axis & 8.18036054439099 \tabularnewline
Correlation \tabularnewline
correlation used in KDE & 0.93003763371815 \tabularnewline
correlation(x,y) & 0.93003763371815 \tabularnewline
\hline
\end{tabular}
%Source: https://freestatistics.org/blog/index.php?pk=24061&T=1

[TABLE]
[ROW][C]Bandwidth[/C][/ROW]
[ROW][C]x axis[/C][C]21.8452747291580[/C][/ROW]
[ROW][C]y axis[/C][C]8.18036054439099[/C][/ROW]
[ROW][C]Correlation[/C][/ROW]
[ROW][C]correlation used in KDE[/C][C]0.93003763371815[/C][/ROW]
[ROW][C]correlation(x,y)[/C][C]0.93003763371815[/C][/ROW]
[/TABLE]
Source: https://freestatistics.org/blog/index.php?pk=24061&T=1

Globally Unique Identifier (entire table): ba.freestatistics.org/blog/index.php?pk=24061&T=1

As an alternative you can also use a QR Code:

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

Bandwidth
x axis	21.8452747291580
y axis	8.18036054439099
Correlation
correlation used in KDE	0.93003763371815
correlation(x,y)	0.93003763371815

Figure 1

PNG link

Postscript link

PDF link

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')

Free Statistics

Description of Statistical Computation

Tree of Dependent Computations

Dataset

Tables (Output of Computation)

Figures (Output of Computation)

Input Parameters & R Code