FreeStatistics.org

Free Statistics

of Irreproducible Research!

Description of Statistical Computation

Author's title

Author*Unverified author*
R Software Modulerwasp_bidensity.wasp
Title produced by softwareBivariate Kernel Density Estimation
Date of computationThu, 13 Nov 2008 09:55:02 -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/13/t12265953590f3vgps8hx87i7z.htm/, Retrieved Mon, 20 May 2024 09:27:53 +0000
Statistical Computations at FreeStatistics.org, Office for Research Development and Education, URL https://freestatistics.org/blog/index.php?pk=24703, Retrieved Mon, 20 May 2024 09:27:53 +0000
QR Codes:

Original text written by user:
IsPrivate?No (this computation is public)
User-defined keywords
Estimated Impact168

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] [Toon Wouters] [2008-11-11 16:48:03] [6610d6fd8f463fb18a844c14dc2c3579]
F    D    [Bivariate Kernel Density Estimation] [various EDA Q1 Ya...] [2008-11-13 16:55:02] [51254d789fff0741e6503951f574c682] [Current]
Feedback Forum
2008-11-15 14:18:53 [Maarten Van Gucht] [reply] 
De Bivariate Kernel Density geeft hier de correlatie weer tussen variabele X (totale industriele productie) en variabele Y (kledingproductie) weer. Dit verwoord de student ook goed. hij zegt namelijk dat deze grafiek de afhankelijkheid van beide data schatten (correlatie). Naarmate de kleur lichter wordt, is er een hogere concentratie. de lijn die door de figuur loopt is de regressielijn en die wordt gemaakt door de meeste waarnemingen te benaderen. De hoogtelijnen (zoals de student het hier noemt 'ringen') hebben met de dichtheid te maken en de concentratie, dit heeft de student ook vermeld en is goed. een bivariate Kernel Density wordt gebruikt om scatterplots op een andere manier te bekijken. De hoogtelijnen kunnen een verband weergeven tussen 2 concentratiekernen. Je kan ook naar de vorm van de hoogtelijnen kijken. In de student zijn figuur hebben de hoogtelijnen rond de concentratie een ellipsvorm. dit wil zeggen dat er een correlatie is. Als de hoogtelijnen rond de concentratiekern een cirkelvorm hebben, dan is er geen correlatie.
2008-11-22 11:15:08 [Peter Van Doninck] [reply] 
De student heeft hier gebruik gemaakt van 2 variabelen. Bij de Bivariate Kernal Density wordt er gekeken of er verbanden zijn tussen de variabelen (min of meer de aangehaalde afhankelijkheid). Er is een regressierechte waar te nemen, rond welke de vormen van ellipsen waargenomen kunnen worden. (waardoor we dus kunnen spreken van een verband). Eveneens is dit verband positief, wat de student echter niet vermeld! Hij vermeldt ook niet dat de concentratie vrij groot is in het midden.

Post a new message

Dataset

Dataseries X:
Download CSV
Histogram
Boxplots 
110.40
96.40
101.90
106.20
81.00
94.70
101.00
109.40
102.30
90.70
96.20
96.10
106.00
103.10
102.00
104.70
86.00
92.10
106.90
112.60
101.70
92.00
97.40
97.00
105.40
102.70
98.10
104.50
87.40
89.90
109.80
111.70
98.60
96.90
95.10
97.00
112.70
102.90
97.40
111.40
87.40
96.80
114.10
110.30
103.90
101.60
94.60
95.90
104.70
102.80
98.10
113.90
80.90
95.70
113.20
105.90
108.80
102.30
99.00
100.70
115.50
Dataseries Y:
Download CSV
Histogram 
109.20
88.60
94.30
98.30
86.40
80.60
104.10
108.20
93.40
71.90
94.10
94.90
96.40
91.10
84.40
86.40
88.00
75.10
109.70
103.00
82.10
68.00
96.40
94.30
90.00
88.00
76.10
82.50
81.40
66.50
97.20
94.10
80.70
70.50
87.80
89.50
99.60
84.20
75.10
92.00
80.80
73.10
99.80
90.00
83.10
72.40
78.80
87.30
91.00
80.10
73.60
86.40
74.50
71.20
92.40
81.50
85.30
69.90
84.20
90.70
100.30

Tables (Output of Computation)





Summary of computational transaction
Raw Inputview raw input (R code)
Raw Outputview raw output of R engine
Computing time3 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 & 3 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=24703&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]'Herman Ole Andreas Wold' @ 193.190.124.10:1001[/C][/ROW]
[/TABLE]
Source: https://freestatistics.org/blog/index.php?pk=24703&T=0

Globally Unique Identifier (entire table): ba.freestatistics.org/blog/index.php?pk=24703&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 time3 seconds
R Server'Herman Ole Andreas Wold' @ 193.190.124.10:1001






Bandwidth
x axis3.52228504387647
y axis5.17485392629755
Correlation
correlation used in KDE0.565259717157914
correlation(x,y)0.565259717157914

\begin{tabular}{lllllllll}
\hline
Bandwidth \tabularnewline
x axis & 3.52228504387647 \tabularnewline
y axis & 5.17485392629755 \tabularnewline
Correlation \tabularnewline
correlation used in KDE & 0.565259717157914 \tabularnewline
correlation(x,y) & 0.565259717157914 \tabularnewline
\hline
\end{tabular}
%Source: https://freestatistics.org/blog/index.php?pk=24703&T=1

[TABLE]
[ROW][C]Bandwidth[/C][/ROW]
[ROW][C]x axis[/C][C]3.52228504387647[/C][/ROW]
[ROW][C]y axis[/C][C]5.17485392629755[/C][/ROW]
[ROW][C]Correlation[/C][/ROW]
[ROW][C]correlation used in KDE[/C][C]0.565259717157914[/C][/ROW]
[ROW][C]correlation(x,y)[/C][C]0.565259717157914[/C][/ROW]
[/TABLE]
Source: https://freestatistics.org/blog/index.php?pk=24703&T=1

Globally Unique Identifier (entire table): ba.freestatistics.org/blog/index.php?pk=24703&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 axis3.52228504387647
y axis5.17485392629755
Correlation
correlation used in KDE0.565259717157914
correlation(x,y)0.565259717157914


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')