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_regression_trees1.wasp

Title produced by software

Recursive Partitioning (Regression Trees)

Date of computation

Sun, 11 Dec 2011 05:14:36 -0500

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/2011/Dec/11/t1323598510uhwhmvl4h52n7g5.htm/, Retrieved Mon, 29 Apr 2024 02:31:32 +0000

Statistical Computations at FreeStatistics.org, Office for Research Development and Education, URL https://freestatistics.org/blog/index.php?pk=153656, Retrieved Mon, 29 Apr 2024 02:31:32 +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

Estimated Impact

158

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

-     [Recursive Partitioning (Regression Trees)] [] [2010-12-05 18:59:57] [b98453cac15ba1066b407e146608df68]
- R PD  [Recursive Partitioning (Regression Trees)] [Recursive partiti...] [2010-12-09 20:38:11] [97ad38b1c3b35a5feca8b85f7bc7b3ff]
- R PD      [Recursive Partitioning (Regression Trees)] [] [2011-12-11 10:14:36] [ce4468323d272130d499477f5e05a6d2] [Current]
-   P         [Recursive Partitioning (Regression Trees)] [] [2011-12-11 10:26:16] [06c08141d7d783218a8164fd2ea166f2] 
- R  D          [Recursive Partitioning (Regression Trees)] [Recursive Partiti...] [2011-12-12 21:24:06] [d1ce18d003fa52f731d1c3ce8b58d5f9] 

Feedback Forum

Post a new message

Dataseries X:

Download CSV

Histogram

Boxplots

2	7	41	38	13	12	14	12	53	32
2	5	39	32	16	11	18	11	86	51
2	5	30	35	19	15	11	14	66	42
1	5	31	33	15	6	12	12	67	41
2	8	34	37	14	13	16	21	76	46
2	6	35	29	13	10	18	12	78	47
2	5	39	31	19	12	14	22	53	37
2	6	34	36	15	14	14	11	80	49
2	5	36	35	14	12	15	10	74	45
2	4	37	38	15	6	15	13	76	47
1	6	38	31	16	10	17	10	79	49
2	5	36	34	16	12	19	8	54	33
1	5	38	35	16	12	10	15	67	42
2	6	39	38	16	11	16	14	54	33
2	7	33	37	17	15	18	10	87	53
1	6	32	33	15	12	14	14	58	36
1	7	36	32	15	10	14	14	75	45
2	6	38	38	20	12	17	11	88	54
1	8	39	38	18	11	14	10	64	41
2	7	32	32	16	12	16	13	57	36
1	5	32	33	16	11	18	7	66	41
2	5	31	31	16	12	11	14	68	44
2	7	39	38	19	13	14	12	54	33
2	7	37	39	16	11	12	14	56	37
1	5	39	32	17	9	17	11	86	52
2	4	41	32	17	13	9	9	80	47
1	10	36	35	16	10	16	11	76	43
2	6	33	37	15	14	14	15	69	44
2	5	33	33	16	12	15	14	78	45
1	5	34	33	14	10	11	13	67	44
2	5	31	28	15	12	16	9	80	49
1	5	27	32	12	8	13	15	54	33
2	6	37	31	14	10	17	10	71	43
2	5	34	37	16	12	15	11	84	54
1	5	34	30	14	12	14	13	74	42
1	5	32	33	7	7	16	8	71	44
1	5	29	31	10	6	9	20	63	37
1	5	36	33	14	12	15	12	71	43
2	5	29	31	16	10	17	10	76	46
1	5	35	33	16	10	13	10	69	42
1	5	37	32	16	10	15	9	74	45
2	7	34	33	14	12	16	14	75	44
1	5	38	32	20	15	16	8	54	33
1	6	35	33	14	10	12	14	52	31
2	7	38	28	14	10	12	11	69	42
2	7	37	35	11	12	11	13	68	40
2	5	38	39	14	13	15	9	65	43
2	5	33	34	15	11	15	11	75	46
2	4	36	38	16	11	17	15	74	42
1	5	38	32	14	12	13	11	75	45
2	4	32	38	16	14	16	10	72	44
1	5	32	30	14	10	14	14	67	40
1	5	32	33	12	12	11	18	63	37
2	7	34	38	16	13	12	14	62	46
1	5	32	32	9	5	12	11	63	36
2	5	37	32	14	6	15	12	76	47
2	6	39	34	16	12	16	13	74	45
2	4	29	34	16	12	15	9	67	42
1	6	37	36	15	11	12	10	73	43
2	6	35	34	16	10	12	15	70	43
1	5	30	28	12	7	8	20	53	32
1	7	38	34	16	12	13	12	77	45
2	6	34	35	16	14	11	12	77	45
2	8	31	35	14	11	14	14	52	31
2	7	34	31	16	12	15	13	54	33
1	5	35	37	17	13	10	11	80	49
2	6	36	35	18	14	11	17	66	42
1	6	30	27	18	11	12	12	73	41
2	5	39	40	12	12	15	13	63	38
1	5	35	37	16	12	15	14	69	42
1	5	38	36	10	8	14	13	67	44
2	5	31	38	14	11	16	15	54	33
2	4	34	39	18	14	15	13	81	48
1	6	38	41	18	14	15	10	69	40
1	6	34	27	16	12	13	11	84	50
2	6	39	30	17	9	12	19	80	49
2	6	37	37	16	13	17	13	70	43
2	7	34	31	16	11	13	17	69	44
1	5	28	31	13	12	15	13	77	47
1	7	37	27	16	12	13	9	54	33
1	6	33	36	16	12	15	11	79	46
1	5	37	38	20	12	16	10	30	0
2	5	35	37	16	12	15	9	71	45
1	4	37	33	15	12	16	12	73	43
2	8	32	34	15	11	15	12	72	44
2	8	33	31	16	10	14	13	77	47
1	5	38	39	14	9	15	13	75	45
2	5	33	34	16	12	14	12	69	42
2	6	29	32	16	12	13	15	54	33
2	4	33	33	15	12	7	22	70	43
2	5	31	36	12	9	17	13	73	46
2	5	36	32	17	15	13	15	54	33
2	5	35	41	16	12	15	13	77	46
2	5	32	28	15	12	14	15	82	48
2	6	29	30	13	12	13	10	80	47
2	6	39	36	16	10	16	11	80	47
2	5	37	35	16	13	12	16	69	43
2	6	35	31	16	9	14	11	78	46
1	5	37	34	16	12	17	11	81	48
1	7	32	36	14	10	15	10	76	46
2	5	38	36	16	14	17	10	76	45
1	6	37	35	16	11	12	16	73	45
2	6	36	37	20	15	16	12	85	52
1	6	32	28	15	11	11	11	66	42
2	4	33	39	16	11	15	16	79	47
1	5	40	32	13	12	9	19	68	41
2	5	38	35	17	12	16	11	76	47
1	7	41	39	16	12	15	16	71	43
1	6	36	35	16	11	10	15	54	33
2	9	43	42	12	7	10	24	46	30
2	6	30	34	16	12	15	14	82	49
2	6	31	33	16	14	11	15	74	44
2	5	32	41	17	11	13	11	88	55
1	6	32	33	13	11	14	15	38	11
2	5	37	34	12	10	18	12	76	47
1	8	37	32	18	13	16	10	86	53
2	7	33	40	14	13	14	14	54	33
2	5	34	40	14	8	14	13	70	44
2	7	33	35	13	11	14	9	69	42
2	6	38	36	16	12	14	15	90	55
2	6	33	37	13	11	12	15	54	33
2	9	31	27	16	13	14	14	76	46
2	7	38	39	13	12	15	11	89	54
2	6	37	38	16	14	15	8	76	47
2	5	33	31	15	13	15	11	73	45
2	5	31	33	16	15	13	11	79	47
1	6	39	32	15	10	17	8	90	55
2	6	44	39	17	11	17	10	74	44
2	7	33	36	15	9	19	11	81	53
2	5	35	33	12	11	15	13	72	44
1	5	32	33	16	10	13	11	71	42
1	5	28	32	10	11	9	20	66	40
2	6	40	37	16	8	15	10	77	46
1	4	27	30	12	11	15	15	65	40
1	5	37	38	14	12	15	12	74	46
2	7	32	29	15	12	16	14	82	53
1	5	28	22	13	9	11	23	54	33
1	7	34	35	15	11	14	14	63	42
2	7	30	35	11	10	11	16	54	35
2	6	35	34	12	8	15	11	64	40
1	5	31	35	8	9	13	12	69	41
2	8	32	34	16	8	15	10	54	33
1	5	30	34	15	9	16	14	84	51
2	5	30	35	17	15	14	12	86	53
1	5	31	23	16	11	15	12	77	46
2	6	40	31	10	8	16	11	89	55
2	4	32	27	18	13	16	12	76	47
1	5	36	36	13	12	11	13	60	38
1	5	32	31	16	12	12	11	75	46
1	7	35	32	13	9	9	19	73	46
2	6	38	39	10	7	16	12	85	53
2	7	42	37	15	13	13	17	79	47
1	10	34	38	16	9	16	9	71	41
2	6	35	39	16	6	12	12	72	44
2	8	35	34	14	8	9	19	69	43
2	4	33	31	10	8	13	18	78	51
2	5	36	32	17	15	13	15	54	33
2	6	32	37	13	6	14	14	69	43
2	7	33	36	15	9	19	11	81	53
2	7	34	32	16	11	13	9	84	51
2	6	32	35	12	8	12	18	84	50
2	6	34	36	13	8	13	16	69	46

Summary of computational transaction
Raw Input	view raw input (R code)
Raw Output	view raw output of R engine
Computing time	4 seconds
R Server	'Gertrude Mary Cox' @ cox.wessa.net

\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 & 4 seconds \tabularnewline
R Server & 'Gertrude Mary Cox' @ cox.wessa.net \tabularnewline
\hline
\end{tabular}
%Source: https://freestatistics.org/blog/index.php?pk=153656&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]4 seconds[/C][/ROW]
[ROW][C]R Server[/C][C]'Gertrude Mary Cox' @ cox.wessa.net[/C][/ROW]
[/TABLE]
Source: https://freestatistics.org/blog/index.php?pk=153656&T=0

Globally Unique Identifier (entire table): ba.freestatistics.org/blog/index.php?pk=153656&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	4 seconds
R Server	'Gertrude Mary Cox' @ cox.wessa.net

Goodness of Fit
Correlation	0.9578
R-squared	0.9175
RMSE	3.0713

\begin{tabular}{lllllllll}
\hline
Goodness of Fit \tabularnewline
Correlation & 0.9578 \tabularnewline
R-squared & 0.9175 \tabularnewline
RMSE & 3.0713 \tabularnewline
\hline
\end{tabular}
%Source: https://freestatistics.org/blog/index.php?pk=153656&T=1

[TABLE]
[ROW][C]Goodness of Fit[/C][/ROW]
[ROW][C]Correlation[/C][C]0.9578[/C][/ROW]
[ROW][C]R-squared[/C][C]0.9175[/C][/ROW]
[ROW][C]RMSE[/C][C]3.0713[/C][/ROW]
[/TABLE]
Source: https://freestatistics.org/blog/index.php?pk=153656&T=1

Globally Unique Identifier (entire table): ba.freestatistics.org/blog/index.php?pk=153656&T=1

As an alternative you can also use a QR Code:

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

Goodness of Fit
Correlation	0.9578
R-squared	0.9175
RMSE	3.0713

Actuals, Predictions, and Residuals
#	Actuals	Forecasts	Residuals
1	53	46.2857142857143	6.71428571428572
2	86	85.3181818181818	0.681818181818187
3	66	68	-2
4	67	68	-1
5	76	74.6551724137931	1.34482758620689
6	78	77.6666666666667	0.333333333333329
7	53	59.5555555555556	-6.55555555555556
8	80	80.5555555555556	-0.555555555555557
9	74	74.6551724137931	-0.65517241379311
10	76	77.6666666666667	-1.66666666666667
11	79	80.5555555555556	-1.55555555555556
12	54	54	0
13	67	68	-1
14	54	54	0
15	87	85.3181818181818	1.68181818181819
16	58	59.5555555555556	-1.55555555555556
17	75	74.6551724137931	0.34482758620689
18	88	85.3181818181818	2.68181818181819
19	64	68	-4
20	57	59.5555555555556	-2.55555555555556
21	66	68	-2
22	68	70.7037037037037	-2.70370370370371
23	54	54	0
24	56	59.5555555555556	-3.55555555555556
25	86	85.3181818181818	0.681818181818187
26	80	77.6666666666667	2.33333333333333
27	76	70.7037037037037	5.29629629629629
28	69	70.7037037037037	-1.70370370370371
29	78	74.6551724137931	3.34482758620689
30	67	70.7037037037037	-3.70370370370371
31	80	80.5555555555556	-0.555555555555557
32	54	54	0
33	71	70.7037037037037	0.296296296296291
34	84	85.3181818181818	-1.31818181818181
35	74	68	6
36	71	70.7037037037037	0.296296296296291
37	63	59.5555555555556	3.44444444444444
38	71	70.7037037037037	0.296296296296291
39	76	74.6551724137931	1.34482758620689
40	69	68	1
41	74	74.6551724137931	-0.65517241379311
42	75	70.7037037037037	4.29629629629629
43	54	54	0
44	52	46.2857142857143	5.71428571428572
45	69	68	1
46	68	68	0
47	65	70.7037037037037	-5.70370370370371
48	75	74.6551724137931	0.34482758620689
49	74	68	6
50	75	74.6551724137931	0.34482758620689
51	72	70.7037037037037	1.29629629629629
52	67	68	-1
53	63	59.5555555555556	3.44444444444444
54	62	74.6551724137931	-12.6551724137931
55	63	59.5555555555556	3.44444444444444
56	76	77.6666666666667	-1.66666666666667
57	74	74.6551724137931	-0.65517241379311
58	67	68	-1
59	73	70.7037037037037	2.29629629629629
60	70	70.7037037037037	-0.703703703703709
61	53	46.2857142857143	6.71428571428572
62	77	74.6551724137931	2.34482758620689
63	77	74.6551724137931	2.34482758620689
64	52	46.2857142857143	5.71428571428572
65	54	54	0
66	80	80.5555555555556	-0.555555555555557
67	66	68	-2
68	73	68	5
69	63	59.5555555555556	3.44444444444444
70	69	68	1
71	67	70.7037037037037	-3.70370370370371
72	54	54	0
73	81	80.5555555555556	0.444444444444443
74	69	68	1
75	84	85.3181818181818	-1.31818181818181
76	80	80.5555555555556	-0.555555555555557
77	70	70.7037037037037	-0.703703703703709
78	69	70.7037037037037	-1.70370370370371
79	77	77.6666666666667	-0.666666666666671
80	54	54	0
81	79	74.6551724137931	4.34482758620689
82	30	46.2857142857143	-16.2857142857143
83	71	74.6551724137931	-3.65517241379311
84	73	70.7037037037037	2.29629629629629
85	72	70.7037037037037	1.29629629629629
86	77	77.6666666666667	-0.666666666666671
87	75	74.6551724137931	0.34482758620689
88	69	68	1
89	54	54	0
90	70	70.7037037037037	-0.703703703703709
91	73	74.6551724137931	-1.65517241379311
92	54	54	0
93	77	74.6551724137931	2.34482758620689
94	82	80.5555555555556	1.44444444444444
95	80	77.6666666666667	2.33333333333333
96	80	77.6666666666667	2.33333333333333
97	69	70.7037037037037	-1.70370370370371
98	78	74.6551724137931	3.34482758620689
99	81	80.5555555555556	0.444444444444443
100	76	74.6551724137931	1.34482758620689
101	76	74.6551724137931	1.34482758620689
102	73	74.6551724137931	-1.65517241379311
103	85	85.3181818181818	-0.318181818181813
104	66	68	-2
105	79	77.6666666666667	1.33333333333333
106	68	68	0
107	76	77.6666666666667	-1.66666666666667
108	71	70.7037037037037	0.296296296296291
109	54	54	0
110	46	46.2857142857143	-0.285714285714285
111	82	80.5555555555556	1.44444444444444
112	74	70.7037037037037	3.29629629629629
113	88	85.3181818181818	2.68181818181819
114	38	46.2857142857143	-8.28571428571428
115	76	77.6666666666667	-1.66666666666667
116	86	85.3181818181818	0.681818181818187
117	54	54	0
118	70	70.7037037037037	-0.703703703703709
119	69	68	1
120	90	85.3181818181818	4.68181818181819
121	54	54	0
122	76	74.6551724137931	1.34482758620689
123	89	85.3181818181818	3.68181818181819
124	76	77.6666666666667	-1.66666666666667
125	73	74.6551724137931	-1.65517241379311
126	79	77.6666666666667	1.33333333333333
127	90	85.3181818181818	4.68181818181819
128	74	70.7037037037037	3.29629629629629
129	81	85.3181818181818	-4.31818181818181
130	72	70.7037037037037	1.29629629629629
131	71	68	3
132	66	68	-2
133	77	74.6551724137931	2.34482758620689
134	65	68	-3
135	74	74.6551724137931	-0.65517241379311
136	82	85.3181818181818	-3.31818181818181
137	54	54	0
138	63	68	-5
139	54	54	0
140	64	68	-4
141	69	68	1
142	54	54	0
143	84	85.3181818181818	-1.31818181818181
144	86	85.3181818181818	0.681818181818187
145	77	74.6551724137931	2.34482758620689
146	89	85.3181818181818	3.68181818181819
147	76	77.6666666666667	-1.66666666666667
148	60	59.5555555555556	0.444444444444443
149	75	74.6551724137931	0.34482758620689
150	73	74.6551724137931	-1.65517241379311
151	85	85.3181818181818	-0.318181818181813
152	79	77.6666666666667	1.33333333333333
153	71	68	3
154	72	70.7037037037037	1.29629629629629
155	69	70.7037037037037	-1.70370370370371
156	78	85.3181818181818	-7.31818181818181
157	54	54	0
158	69	70.7037037037037	-1.70370370370371
159	81	85.3181818181818	-4.31818181818181
160	84	85.3181818181818	-1.31818181818181
161	84	85.3181818181818	-1.31818181818181
162	69	74.6551724137931	-5.65517241379311

\begin{tabular}{lllllllll}
\hline
Actuals, Predictions, and Residuals \tabularnewline
# & Actuals & Forecasts & Residuals \tabularnewline
1 & 53 & 46.2857142857143 & 6.71428571428572 \tabularnewline
2 & 86 & 85.3181818181818 & 0.681818181818187 \tabularnewline
3 & 66 & 68 & -2 \tabularnewline
4 & 67 & 68 & -1 \tabularnewline
5 & 76 & 74.6551724137931 & 1.34482758620689 \tabularnewline
6 & 78 & 77.6666666666667 & 0.333333333333329 \tabularnewline
7 & 53 & 59.5555555555556 & -6.55555555555556 \tabularnewline
8 & 80 & 80.5555555555556 & -0.555555555555557 \tabularnewline
9 & 74 & 74.6551724137931 & -0.65517241379311 \tabularnewline
10 & 76 & 77.6666666666667 & -1.66666666666667 \tabularnewline
11 & 79 & 80.5555555555556 & -1.55555555555556 \tabularnewline
12 & 54 & 54 & 0 \tabularnewline
13 & 67 & 68 & -1 \tabularnewline
14 & 54 & 54 & 0 \tabularnewline
15 & 87 & 85.3181818181818 & 1.68181818181819 \tabularnewline
16 & 58 & 59.5555555555556 & -1.55555555555556 \tabularnewline
17 & 75 & 74.6551724137931 & 0.34482758620689 \tabularnewline
18 & 88 & 85.3181818181818 & 2.68181818181819 \tabularnewline
19 & 64 & 68 & -4 \tabularnewline
20 & 57 & 59.5555555555556 & -2.55555555555556 \tabularnewline
21 & 66 & 68 & -2 \tabularnewline
22 & 68 & 70.7037037037037 & -2.70370370370371 \tabularnewline
23 & 54 & 54 & 0 \tabularnewline
24 & 56 & 59.5555555555556 & -3.55555555555556 \tabularnewline
25 & 86 & 85.3181818181818 & 0.681818181818187 \tabularnewline
26 & 80 & 77.6666666666667 & 2.33333333333333 \tabularnewline
27 & 76 & 70.7037037037037 & 5.29629629629629 \tabularnewline
28 & 69 & 70.7037037037037 & -1.70370370370371 \tabularnewline
29 & 78 & 74.6551724137931 & 3.34482758620689 \tabularnewline
30 & 67 & 70.7037037037037 & -3.70370370370371 \tabularnewline
31 & 80 & 80.5555555555556 & -0.555555555555557 \tabularnewline
32 & 54 & 54 & 0 \tabularnewline
33 & 71 & 70.7037037037037 & 0.296296296296291 \tabularnewline
34 & 84 & 85.3181818181818 & -1.31818181818181 \tabularnewline
35 & 74 & 68 & 6 \tabularnewline
36 & 71 & 70.7037037037037 & 0.296296296296291 \tabularnewline
37 & 63 & 59.5555555555556 & 3.44444444444444 \tabularnewline
38 & 71 & 70.7037037037037 & 0.296296296296291 \tabularnewline
39 & 76 & 74.6551724137931 & 1.34482758620689 \tabularnewline
40 & 69 & 68 & 1 \tabularnewline
41 & 74 & 74.6551724137931 & -0.65517241379311 \tabularnewline
42 & 75 & 70.7037037037037 & 4.29629629629629 \tabularnewline
43 & 54 & 54 & 0 \tabularnewline
44 & 52 & 46.2857142857143 & 5.71428571428572 \tabularnewline
45 & 69 & 68 & 1 \tabularnewline
46 & 68 & 68 & 0 \tabularnewline
47 & 65 & 70.7037037037037 & -5.70370370370371 \tabularnewline
48 & 75 & 74.6551724137931 & 0.34482758620689 \tabularnewline
49 & 74 & 68 & 6 \tabularnewline
50 & 75 & 74.6551724137931 & 0.34482758620689 \tabularnewline
51 & 72 & 70.7037037037037 & 1.29629629629629 \tabularnewline
52 & 67 & 68 & -1 \tabularnewline
53 & 63 & 59.5555555555556 & 3.44444444444444 \tabularnewline
54 & 62 & 74.6551724137931 & -12.6551724137931 \tabularnewline
55 & 63 & 59.5555555555556 & 3.44444444444444 \tabularnewline
56 & 76 & 77.6666666666667 & -1.66666666666667 \tabularnewline
57 & 74 & 74.6551724137931 & -0.65517241379311 \tabularnewline
58 & 67 & 68 & -1 \tabularnewline
59 & 73 & 70.7037037037037 & 2.29629629629629 \tabularnewline
60 & 70 & 70.7037037037037 & -0.703703703703709 \tabularnewline
61 & 53 & 46.2857142857143 & 6.71428571428572 \tabularnewline
62 & 77 & 74.6551724137931 & 2.34482758620689 \tabularnewline
63 & 77 & 74.6551724137931 & 2.34482758620689 \tabularnewline
64 & 52 & 46.2857142857143 & 5.71428571428572 \tabularnewline
65 & 54 & 54 & 0 \tabularnewline
66 & 80 & 80.5555555555556 & -0.555555555555557 \tabularnewline
67 & 66 & 68 & -2 \tabularnewline
68 & 73 & 68 & 5 \tabularnewline
69 & 63 & 59.5555555555556 & 3.44444444444444 \tabularnewline
70 & 69 & 68 & 1 \tabularnewline
71 & 67 & 70.7037037037037 & -3.70370370370371 \tabularnewline
72 & 54 & 54 & 0 \tabularnewline
73 & 81 & 80.5555555555556 & 0.444444444444443 \tabularnewline
74 & 69 & 68 & 1 \tabularnewline
75 & 84 & 85.3181818181818 & -1.31818181818181 \tabularnewline
76 & 80 & 80.5555555555556 & -0.555555555555557 \tabularnewline
77 & 70 & 70.7037037037037 & -0.703703703703709 \tabularnewline
78 & 69 & 70.7037037037037 & -1.70370370370371 \tabularnewline
79 & 77 & 77.6666666666667 & -0.666666666666671 \tabularnewline
80 & 54 & 54 & 0 \tabularnewline
81 & 79 & 74.6551724137931 & 4.34482758620689 \tabularnewline
82 & 30 & 46.2857142857143 & -16.2857142857143 \tabularnewline
83 & 71 & 74.6551724137931 & -3.65517241379311 \tabularnewline
84 & 73 & 70.7037037037037 & 2.29629629629629 \tabularnewline
85 & 72 & 70.7037037037037 & 1.29629629629629 \tabularnewline
86 & 77 & 77.6666666666667 & -0.666666666666671 \tabularnewline
87 & 75 & 74.6551724137931 & 0.34482758620689 \tabularnewline
88 & 69 & 68 & 1 \tabularnewline
89 & 54 & 54 & 0 \tabularnewline
90 & 70 & 70.7037037037037 & -0.703703703703709 \tabularnewline
91 & 73 & 74.6551724137931 & -1.65517241379311 \tabularnewline
92 & 54 & 54 & 0 \tabularnewline
93 & 77 & 74.6551724137931 & 2.34482758620689 \tabularnewline
94 & 82 & 80.5555555555556 & 1.44444444444444 \tabularnewline
95 & 80 & 77.6666666666667 & 2.33333333333333 \tabularnewline
96 & 80 & 77.6666666666667 & 2.33333333333333 \tabularnewline
97 & 69 & 70.7037037037037 & -1.70370370370371 \tabularnewline
98 & 78 & 74.6551724137931 & 3.34482758620689 \tabularnewline
99 & 81 & 80.5555555555556 & 0.444444444444443 \tabularnewline
100 & 76 & 74.6551724137931 & 1.34482758620689 \tabularnewline
101 & 76 & 74.6551724137931 & 1.34482758620689 \tabularnewline
102 & 73 & 74.6551724137931 & -1.65517241379311 \tabularnewline
103 & 85 & 85.3181818181818 & -0.318181818181813 \tabularnewline
104 & 66 & 68 & -2 \tabularnewline
105 & 79 & 77.6666666666667 & 1.33333333333333 \tabularnewline
106 & 68 & 68 & 0 \tabularnewline
107 & 76 & 77.6666666666667 & -1.66666666666667 \tabularnewline
108 & 71 & 70.7037037037037 & 0.296296296296291 \tabularnewline
109 & 54 & 54 & 0 \tabularnewline
110 & 46 & 46.2857142857143 & -0.285714285714285 \tabularnewline
111 & 82 & 80.5555555555556 & 1.44444444444444 \tabularnewline
112 & 74 & 70.7037037037037 & 3.29629629629629 \tabularnewline
113 & 88 & 85.3181818181818 & 2.68181818181819 \tabularnewline
114 & 38 & 46.2857142857143 & -8.28571428571428 \tabularnewline
115 & 76 & 77.6666666666667 & -1.66666666666667 \tabularnewline
116 & 86 & 85.3181818181818 & 0.681818181818187 \tabularnewline
117 & 54 & 54 & 0 \tabularnewline
118 & 70 & 70.7037037037037 & -0.703703703703709 \tabularnewline
119 & 69 & 68 & 1 \tabularnewline
120 & 90 & 85.3181818181818 & 4.68181818181819 \tabularnewline
121 & 54 & 54 & 0 \tabularnewline
122 & 76 & 74.6551724137931 & 1.34482758620689 \tabularnewline
123 & 89 & 85.3181818181818 & 3.68181818181819 \tabularnewline
124 & 76 & 77.6666666666667 & -1.66666666666667 \tabularnewline
125 & 73 & 74.6551724137931 & -1.65517241379311 \tabularnewline
126 & 79 & 77.6666666666667 & 1.33333333333333 \tabularnewline
127 & 90 & 85.3181818181818 & 4.68181818181819 \tabularnewline
128 & 74 & 70.7037037037037 & 3.29629629629629 \tabularnewline
129 & 81 & 85.3181818181818 & -4.31818181818181 \tabularnewline
130 & 72 & 70.7037037037037 & 1.29629629629629 \tabularnewline
131 & 71 & 68 & 3 \tabularnewline
132 & 66 & 68 & -2 \tabularnewline
133 & 77 & 74.6551724137931 & 2.34482758620689 \tabularnewline
134 & 65 & 68 & -3 \tabularnewline
135 & 74 & 74.6551724137931 & -0.65517241379311 \tabularnewline
136 & 82 & 85.3181818181818 & -3.31818181818181 \tabularnewline
137 & 54 & 54 & 0 \tabularnewline
138 & 63 & 68 & -5 \tabularnewline
139 & 54 & 54 & 0 \tabularnewline
140 & 64 & 68 & -4 \tabularnewline
141 & 69 & 68 & 1 \tabularnewline
142 & 54 & 54 & 0 \tabularnewline
143 & 84 & 85.3181818181818 & -1.31818181818181 \tabularnewline
144 & 86 & 85.3181818181818 & 0.681818181818187 \tabularnewline
145 & 77 & 74.6551724137931 & 2.34482758620689 \tabularnewline
146 & 89 & 85.3181818181818 & 3.68181818181819 \tabularnewline
147 & 76 & 77.6666666666667 & -1.66666666666667 \tabularnewline
148 & 60 & 59.5555555555556 & 0.444444444444443 \tabularnewline
149 & 75 & 74.6551724137931 & 0.34482758620689 \tabularnewline
150 & 73 & 74.6551724137931 & -1.65517241379311 \tabularnewline
151 & 85 & 85.3181818181818 & -0.318181818181813 \tabularnewline
152 & 79 & 77.6666666666667 & 1.33333333333333 \tabularnewline
153 & 71 & 68 & 3 \tabularnewline
154 & 72 & 70.7037037037037 & 1.29629629629629 \tabularnewline
155 & 69 & 70.7037037037037 & -1.70370370370371 \tabularnewline
156 & 78 & 85.3181818181818 & -7.31818181818181 \tabularnewline
157 & 54 & 54 & 0 \tabularnewline
158 & 69 & 70.7037037037037 & -1.70370370370371 \tabularnewline
159 & 81 & 85.3181818181818 & -4.31818181818181 \tabularnewline
160 & 84 & 85.3181818181818 & -1.31818181818181 \tabularnewline
161 & 84 & 85.3181818181818 & -1.31818181818181 \tabularnewline
162 & 69 & 74.6551724137931 & -5.65517241379311 \tabularnewline
\hline
\end{tabular}
%Source: https://freestatistics.org/blog/index.php?pk=153656&T=2

[TABLE]
[ROW][C]Actuals, Predictions, and Residuals[/C][/ROW]
[ROW][C]#[/C][C]Actuals[/C][C]Forecasts[/C][C]Residuals[/C][/ROW]
[ROW][C]1[/C][C]53[/C][C]46.2857142857143[/C][C]6.71428571428572[/C][/ROW]
[ROW][C]2[/C][C]86[/C][C]85.3181818181818[/C][C]0.681818181818187[/C][/ROW]
[ROW][C]3[/C][C]66[/C][C]68[/C][C]-2[/C][/ROW]
[ROW][C]4[/C][C]67[/C][C]68[/C][C]-1[/C][/ROW]
[ROW][C]5[/C][C]76[/C][C]74.6551724137931[/C][C]1.34482758620689[/C][/ROW]
[ROW][C]6[/C][C]78[/C][C]77.6666666666667[/C][C]0.333333333333329[/C][/ROW]
[ROW][C]7[/C][C]53[/C][C]59.5555555555556[/C][C]-6.55555555555556[/C][/ROW]
[ROW][C]8[/C][C]80[/C][C]80.5555555555556[/C][C]-0.555555555555557[/C][/ROW]
[ROW][C]9[/C][C]74[/C][C]74.6551724137931[/C][C]-0.65517241379311[/C][/ROW]
[ROW][C]10[/C][C]76[/C][C]77.6666666666667[/C][C]-1.66666666666667[/C][/ROW]
[ROW][C]11[/C][C]79[/C][C]80.5555555555556[/C][C]-1.55555555555556[/C][/ROW]
[ROW][C]12[/C][C]54[/C][C]54[/C][C]0[/C][/ROW]
[ROW][C]13[/C][C]67[/C][C]68[/C][C]-1[/C][/ROW]
[ROW][C]14[/C][C]54[/C][C]54[/C][C]0[/C][/ROW]
[ROW][C]15[/C][C]87[/C][C]85.3181818181818[/C][C]1.68181818181819[/C][/ROW]
[ROW][C]16[/C][C]58[/C][C]59.5555555555556[/C][C]-1.55555555555556[/C][/ROW]
[ROW][C]17[/C][C]75[/C][C]74.6551724137931[/C][C]0.34482758620689[/C][/ROW]
[ROW][C]18[/C][C]88[/C][C]85.3181818181818[/C][C]2.68181818181819[/C][/ROW]
[ROW][C]19[/C][C]64[/C][C]68[/C][C]-4[/C][/ROW]
[ROW][C]20[/C][C]57[/C][C]59.5555555555556[/C][C]-2.55555555555556[/C][/ROW]
[ROW][C]21[/C][C]66[/C][C]68[/C][C]-2[/C][/ROW]
[ROW][C]22[/C][C]68[/C][C]70.7037037037037[/C][C]-2.70370370370371[/C][/ROW]
[ROW][C]23[/C][C]54[/C][C]54[/C][C]0[/C][/ROW]
[ROW][C]24[/C][C]56[/C][C]59.5555555555556[/C][C]-3.55555555555556[/C][/ROW]
[ROW][C]25[/C][C]86[/C][C]85.3181818181818[/C][C]0.681818181818187[/C][/ROW]
[ROW][C]26[/C][C]80[/C][C]77.6666666666667[/C][C]2.33333333333333[/C][/ROW]
[ROW][C]27[/C][C]76[/C][C]70.7037037037037[/C][C]5.29629629629629[/C][/ROW]
[ROW][C]28[/C][C]69[/C][C]70.7037037037037[/C][C]-1.70370370370371[/C][/ROW]
[ROW][C]29[/C][C]78[/C][C]74.6551724137931[/C][C]3.34482758620689[/C][/ROW]
[ROW][C]30[/C][C]67[/C][C]70.7037037037037[/C][C]-3.70370370370371[/C][/ROW]
[ROW][C]31[/C][C]80[/C][C]80.5555555555556[/C][C]-0.555555555555557[/C][/ROW]
[ROW][C]32[/C][C]54[/C][C]54[/C][C]0[/C][/ROW]
[ROW][C]33[/C][C]71[/C][C]70.7037037037037[/C][C]0.296296296296291[/C][/ROW]
[ROW][C]34[/C][C]84[/C][C]85.3181818181818[/C][C]-1.31818181818181[/C][/ROW]
[ROW][C]35[/C][C]74[/C][C]68[/C][C]6[/C][/ROW]
[ROW][C]36[/C][C]71[/C][C]70.7037037037037[/C][C]0.296296296296291[/C][/ROW]
[ROW][C]37[/C][C]63[/C][C]59.5555555555556[/C][C]3.44444444444444[/C][/ROW]
[ROW][C]38[/C][C]71[/C][C]70.7037037037037[/C][C]0.296296296296291[/C][/ROW]
[ROW][C]39[/C][C]76[/C][C]74.6551724137931[/C][C]1.34482758620689[/C][/ROW]
[ROW][C]40[/C][C]69[/C][C]68[/C][C]1[/C][/ROW]
[ROW][C]41[/C][C]74[/C][C]74.6551724137931[/C][C]-0.65517241379311[/C][/ROW]
[ROW][C]42[/C][C]75[/C][C]70.7037037037037[/C][C]4.29629629629629[/C][/ROW]
[ROW][C]43[/C][C]54[/C][C]54[/C][C]0[/C][/ROW]
[ROW][C]44[/C][C]52[/C][C]46.2857142857143[/C][C]5.71428571428572[/C][/ROW]
[ROW][C]45[/C][C]69[/C][C]68[/C][C]1[/C][/ROW]
[ROW][C]46[/C][C]68[/C][C]68[/C][C]0[/C][/ROW]
[ROW][C]47[/C][C]65[/C][C]70.7037037037037[/C][C]-5.70370370370371[/C][/ROW]
[ROW][C]48[/C][C]75[/C][C]74.6551724137931[/C][C]0.34482758620689[/C][/ROW]
[ROW][C]49[/C][C]74[/C][C]68[/C][C]6[/C][/ROW]
[ROW][C]50[/C][C]75[/C][C]74.6551724137931[/C][C]0.34482758620689[/C][/ROW]
[ROW][C]51[/C][C]72[/C][C]70.7037037037037[/C][C]1.29629629629629[/C][/ROW]
[ROW][C]52[/C][C]67[/C][C]68[/C][C]-1[/C][/ROW]
[ROW][C]53[/C][C]63[/C][C]59.5555555555556[/C][C]3.44444444444444[/C][/ROW]
[ROW][C]54[/C][C]62[/C][C]74.6551724137931[/C][C]-12.6551724137931[/C][/ROW]
[ROW][C]55[/C][C]63[/C][C]59.5555555555556[/C][C]3.44444444444444[/C][/ROW]
[ROW][C]56[/C][C]76[/C][C]77.6666666666667[/C][C]-1.66666666666667[/C][/ROW]
[ROW][C]57[/C][C]74[/C][C]74.6551724137931[/C][C]-0.65517241379311[/C][/ROW]
[ROW][C]58[/C][C]67[/C][C]68[/C][C]-1[/C][/ROW]
[ROW][C]59[/C][C]73[/C][C]70.7037037037037[/C][C]2.29629629629629[/C][/ROW]
[ROW][C]60[/C][C]70[/C][C]70.7037037037037[/C][C]-0.703703703703709[/C][/ROW]
[ROW][C]61[/C][C]53[/C][C]46.2857142857143[/C][C]6.71428571428572[/C][/ROW]
[ROW][C]62[/C][C]77[/C][C]74.6551724137931[/C][C]2.34482758620689[/C][/ROW]
[ROW][C]63[/C][C]77[/C][C]74.6551724137931[/C][C]2.34482758620689[/C][/ROW]
[ROW][C]64[/C][C]52[/C][C]46.2857142857143[/C][C]5.71428571428572[/C][/ROW]
[ROW][C]65[/C][C]54[/C][C]54[/C][C]0[/C][/ROW]
[ROW][C]66[/C][C]80[/C][C]80.5555555555556[/C][C]-0.555555555555557[/C][/ROW]
[ROW][C]67[/C][C]66[/C][C]68[/C][C]-2[/C][/ROW]
[ROW][C]68[/C][C]73[/C][C]68[/C][C]5[/C][/ROW]
[ROW][C]69[/C][C]63[/C][C]59.5555555555556[/C][C]3.44444444444444[/C][/ROW]
[ROW][C]70[/C][C]69[/C][C]68[/C][C]1[/C][/ROW]
[ROW][C]71[/C][C]67[/C][C]70.7037037037037[/C][C]-3.70370370370371[/C][/ROW]
[ROW][C]72[/C][C]54[/C][C]54[/C][C]0[/C][/ROW]
[ROW][C]73[/C][C]81[/C][C]80.5555555555556[/C][C]0.444444444444443[/C][/ROW]
[ROW][C]74[/C][C]69[/C][C]68[/C][C]1[/C][/ROW]
[ROW][C]75[/C][C]84[/C][C]85.3181818181818[/C][C]-1.31818181818181[/C][/ROW]
[ROW][C]76[/C][C]80[/C][C]80.5555555555556[/C][C]-0.555555555555557[/C][/ROW]
[ROW][C]77[/C][C]70[/C][C]70.7037037037037[/C][C]-0.703703703703709[/C][/ROW]
[ROW][C]78[/C][C]69[/C][C]70.7037037037037[/C][C]-1.70370370370371[/C][/ROW]
[ROW][C]79[/C][C]77[/C][C]77.6666666666667[/C][C]-0.666666666666671[/C][/ROW]
[ROW][C]80[/C][C]54[/C][C]54[/C][C]0[/C][/ROW]
[ROW][C]81[/C][C]79[/C][C]74.6551724137931[/C][C]4.34482758620689[/C][/ROW]
[ROW][C]82[/C][C]30[/C][C]46.2857142857143[/C][C]-16.2857142857143[/C][/ROW]
[ROW][C]83[/C][C]71[/C][C]74.6551724137931[/C][C]-3.65517241379311[/C][/ROW]
[ROW][C]84[/C][C]73[/C][C]70.7037037037037[/C][C]2.29629629629629[/C][/ROW]
[ROW][C]85[/C][C]72[/C][C]70.7037037037037[/C][C]1.29629629629629[/C][/ROW]
[ROW][C]86[/C][C]77[/C][C]77.6666666666667[/C][C]-0.666666666666671[/C][/ROW]
[ROW][C]87[/C][C]75[/C][C]74.6551724137931[/C][C]0.34482758620689[/C][/ROW]
[ROW][C]88[/C][C]69[/C][C]68[/C][C]1[/C][/ROW]
[ROW][C]89[/C][C]54[/C][C]54[/C][C]0[/C][/ROW]
[ROW][C]90[/C][C]70[/C][C]70.7037037037037[/C][C]-0.703703703703709[/C][/ROW]
[ROW][C]91[/C][C]73[/C][C]74.6551724137931[/C][C]-1.65517241379311[/C][/ROW]
[ROW][C]92[/C][C]54[/C][C]54[/C][C]0[/C][/ROW]
[ROW][C]93[/C][C]77[/C][C]74.6551724137931[/C][C]2.34482758620689[/C][/ROW]
[ROW][C]94[/C][C]82[/C][C]80.5555555555556[/C][C]1.44444444444444[/C][/ROW]
[ROW][C]95[/C][C]80[/C][C]77.6666666666667[/C][C]2.33333333333333[/C][/ROW]
[ROW][C]96[/C][C]80[/C][C]77.6666666666667[/C][C]2.33333333333333[/C][/ROW]
[ROW][C]97[/C][C]69[/C][C]70.7037037037037[/C][C]-1.70370370370371[/C][/ROW]
[ROW][C]98[/C][C]78[/C][C]74.6551724137931[/C][C]3.34482758620689[/C][/ROW]
[ROW][C]99[/C][C]81[/C][C]80.5555555555556[/C][C]0.444444444444443[/C][/ROW]
[ROW][C]100[/C][C]76[/C][C]74.6551724137931[/C][C]1.34482758620689[/C][/ROW]
[ROW][C]101[/C][C]76[/C][C]74.6551724137931[/C][C]1.34482758620689[/C][/ROW]
[ROW][C]102[/C][C]73[/C][C]74.6551724137931[/C][C]-1.65517241379311[/C][/ROW]
[ROW][C]103[/C][C]85[/C][C]85.3181818181818[/C][C]-0.318181818181813[/C][/ROW]
[ROW][C]104[/C][C]66[/C][C]68[/C][C]-2[/C][/ROW]
[ROW][C]105[/C][C]79[/C][C]77.6666666666667[/C][C]1.33333333333333[/C][/ROW]
[ROW][C]106[/C][C]68[/C][C]68[/C][C]0[/C][/ROW]
[ROW][C]107[/C][C]76[/C][C]77.6666666666667[/C][C]-1.66666666666667[/C][/ROW]
[ROW][C]108[/C][C]71[/C][C]70.7037037037037[/C][C]0.296296296296291[/C][/ROW]
[ROW][C]109[/C][C]54[/C][C]54[/C][C]0[/C][/ROW]
[ROW][C]110[/C][C]46[/C][C]46.2857142857143[/C][C]-0.285714285714285[/C][/ROW]
[ROW][C]111[/C][C]82[/C][C]80.5555555555556[/C][C]1.44444444444444[/C][/ROW]
[ROW][C]112[/C][C]74[/C][C]70.7037037037037[/C][C]3.29629629629629[/C][/ROW]
[ROW][C]113[/C][C]88[/C][C]85.3181818181818[/C][C]2.68181818181819[/C][/ROW]
[ROW][C]114[/C][C]38[/C][C]46.2857142857143[/C][C]-8.28571428571428[/C][/ROW]
[ROW][C]115[/C][C]76[/C][C]77.6666666666667[/C][C]-1.66666666666667[/C][/ROW]
[ROW][C]116[/C][C]86[/C][C]85.3181818181818[/C][C]0.681818181818187[/C][/ROW]
[ROW][C]117[/C][C]54[/C][C]54[/C][C]0[/C][/ROW]
[ROW][C]118[/C][C]70[/C][C]70.7037037037037[/C][C]-0.703703703703709[/C][/ROW]
[ROW][C]119[/C][C]69[/C][C]68[/C][C]1[/C][/ROW]
[ROW][C]120[/C][C]90[/C][C]85.3181818181818[/C][C]4.68181818181819[/C][/ROW]
[ROW][C]121[/C][C]54[/C][C]54[/C][C]0[/C][/ROW]
[ROW][C]122[/C][C]76[/C][C]74.6551724137931[/C][C]1.34482758620689[/C][/ROW]
[ROW][C]123[/C][C]89[/C][C]85.3181818181818[/C][C]3.68181818181819[/C][/ROW]
[ROW][C]124[/C][C]76[/C][C]77.6666666666667[/C][C]-1.66666666666667[/C][/ROW]
[ROW][C]125[/C][C]73[/C][C]74.6551724137931[/C][C]-1.65517241379311[/C][/ROW]
[ROW][C]126[/C][C]79[/C][C]77.6666666666667[/C][C]1.33333333333333[/C][/ROW]
[ROW][C]127[/C][C]90[/C][C]85.3181818181818[/C][C]4.68181818181819[/C][/ROW]
[ROW][C]128[/C][C]74[/C][C]70.7037037037037[/C][C]3.29629629629629[/C][/ROW]
[ROW][C]129[/C][C]81[/C][C]85.3181818181818[/C][C]-4.31818181818181[/C][/ROW]
[ROW][C]130[/C][C]72[/C][C]70.7037037037037[/C][C]1.29629629629629[/C][/ROW]
[ROW][C]131[/C][C]71[/C][C]68[/C][C]3[/C][/ROW]
[ROW][C]132[/C][C]66[/C][C]68[/C][C]-2[/C][/ROW]
[ROW][C]133[/C][C]77[/C][C]74.6551724137931[/C][C]2.34482758620689[/C][/ROW]
[ROW][C]134[/C][C]65[/C][C]68[/C][C]-3[/C][/ROW]
[ROW][C]135[/C][C]74[/C][C]74.6551724137931[/C][C]-0.65517241379311[/C][/ROW]
[ROW][C]136[/C][C]82[/C][C]85.3181818181818[/C][C]-3.31818181818181[/C][/ROW]
[ROW][C]137[/C][C]54[/C][C]54[/C][C]0[/C][/ROW]
[ROW][C]138[/C][C]63[/C][C]68[/C][C]-5[/C][/ROW]
[ROW][C]139[/C][C]54[/C][C]54[/C][C]0[/C][/ROW]
[ROW][C]140[/C][C]64[/C][C]68[/C][C]-4[/C][/ROW]
[ROW][C]141[/C][C]69[/C][C]68[/C][C]1[/C][/ROW]
[ROW][C]142[/C][C]54[/C][C]54[/C][C]0[/C][/ROW]
[ROW][C]143[/C][C]84[/C][C]85.3181818181818[/C][C]-1.31818181818181[/C][/ROW]
[ROW][C]144[/C][C]86[/C][C]85.3181818181818[/C][C]0.681818181818187[/C][/ROW]
[ROW][C]145[/C][C]77[/C][C]74.6551724137931[/C][C]2.34482758620689[/C][/ROW]
[ROW][C]146[/C][C]89[/C][C]85.3181818181818[/C][C]3.68181818181819[/C][/ROW]
[ROW][C]147[/C][C]76[/C][C]77.6666666666667[/C][C]-1.66666666666667[/C][/ROW]
[ROW][C]148[/C][C]60[/C][C]59.5555555555556[/C][C]0.444444444444443[/C][/ROW]
[ROW][C]149[/C][C]75[/C][C]74.6551724137931[/C][C]0.34482758620689[/C][/ROW]
[ROW][C]150[/C][C]73[/C][C]74.6551724137931[/C][C]-1.65517241379311[/C][/ROW]
[ROW][C]151[/C][C]85[/C][C]85.3181818181818[/C][C]-0.318181818181813[/C][/ROW]
[ROW][C]152[/C][C]79[/C][C]77.6666666666667[/C][C]1.33333333333333[/C][/ROW]
[ROW][C]153[/C][C]71[/C][C]68[/C][C]3[/C][/ROW]
[ROW][C]154[/C][C]72[/C][C]70.7037037037037[/C][C]1.29629629629629[/C][/ROW]
[ROW][C]155[/C][C]69[/C][C]70.7037037037037[/C][C]-1.70370370370371[/C][/ROW]
[ROW][C]156[/C][C]78[/C][C]85.3181818181818[/C][C]-7.31818181818181[/C][/ROW]
[ROW][C]157[/C][C]54[/C][C]54[/C][C]0[/C][/ROW]
[ROW][C]158[/C][C]69[/C][C]70.7037037037037[/C][C]-1.70370370370371[/C][/ROW]
[ROW][C]159[/C][C]81[/C][C]85.3181818181818[/C][C]-4.31818181818181[/C][/ROW]
[ROW][C]160[/C][C]84[/C][C]85.3181818181818[/C][C]-1.31818181818181[/C][/ROW]
[ROW][C]161[/C][C]84[/C][C]85.3181818181818[/C][C]-1.31818181818181[/C][/ROW]
[ROW][C]162[/C][C]69[/C][C]74.6551724137931[/C][C]-5.65517241379311[/C][/ROW]
[/TABLE]
Source: https://freestatistics.org/blog/index.php?pk=153656&T=2

Globally Unique Identifier (entire table): ba.freestatistics.org/blog/index.php?pk=153656&T=2

As an alternative you can also use a QR Code:

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

Actuals, Predictions, and Residuals
#	Actuals	Forecasts	Residuals
1	53	46.2857142857143	6.71428571428572
2	86	85.3181818181818	0.681818181818187
3	66	68	-2
4	67	68	-1
5	76	74.6551724137931	1.34482758620689
6	78	77.6666666666667	0.333333333333329
7	53	59.5555555555556	-6.55555555555556
8	80	80.5555555555556	-0.555555555555557
9	74	74.6551724137931	-0.65517241379311
10	76	77.6666666666667	-1.66666666666667
11	79	80.5555555555556	-1.55555555555556
12	54	54	0
13	67	68	-1
14	54	54	0
15	87	85.3181818181818	1.68181818181819
16	58	59.5555555555556	-1.55555555555556
17	75	74.6551724137931	0.34482758620689
18	88	85.3181818181818	2.68181818181819
19	64	68	-4
20	57	59.5555555555556	-2.55555555555556
21	66	68	-2
22	68	70.7037037037037	-2.70370370370371
23	54	54	0
24	56	59.5555555555556	-3.55555555555556
25	86	85.3181818181818	0.681818181818187
26	80	77.6666666666667	2.33333333333333
27	76	70.7037037037037	5.29629629629629
28	69	70.7037037037037	-1.70370370370371
29	78	74.6551724137931	3.34482758620689
30	67	70.7037037037037	-3.70370370370371
31	80	80.5555555555556	-0.555555555555557
32	54	54	0
33	71	70.7037037037037	0.296296296296291
34	84	85.3181818181818	-1.31818181818181
35	74	68	6
36	71	70.7037037037037	0.296296296296291
37	63	59.5555555555556	3.44444444444444
38	71	70.7037037037037	0.296296296296291
39	76	74.6551724137931	1.34482758620689
40	69	68	1
41	74	74.6551724137931	-0.65517241379311
42	75	70.7037037037037	4.29629629629629
43	54	54	0
44	52	46.2857142857143	5.71428571428572
45	69	68	1
46	68	68	0
47	65	70.7037037037037	-5.70370370370371
48	75	74.6551724137931	0.34482758620689
49	74	68	6
50	75	74.6551724137931	0.34482758620689
51	72	70.7037037037037	1.29629629629629
52	67	68	-1
53	63	59.5555555555556	3.44444444444444
54	62	74.6551724137931	-12.6551724137931
55	63	59.5555555555556	3.44444444444444
56	76	77.6666666666667	-1.66666666666667
57	74	74.6551724137931	-0.65517241379311
58	67	68	-1
59	73	70.7037037037037	2.29629629629629
60	70	70.7037037037037	-0.703703703703709
61	53	46.2857142857143	6.71428571428572
62	77	74.6551724137931	2.34482758620689
63	77	74.6551724137931	2.34482758620689
64	52	46.2857142857143	5.71428571428572
65	54	54	0
66	80	80.5555555555556	-0.555555555555557
67	66	68	-2
68	73	68	5
69	63	59.5555555555556	3.44444444444444
70	69	68	1
71	67	70.7037037037037	-3.70370370370371
72	54	54	0
73	81	80.5555555555556	0.444444444444443
74	69	68	1
75	84	85.3181818181818	-1.31818181818181
76	80	80.5555555555556	-0.555555555555557
77	70	70.7037037037037	-0.703703703703709
78	69	70.7037037037037	-1.70370370370371
79	77	77.6666666666667	-0.666666666666671
80	54	54	0
81	79	74.6551724137931	4.34482758620689
82	30	46.2857142857143	-16.2857142857143
83	71	74.6551724137931	-3.65517241379311
84	73	70.7037037037037	2.29629629629629
85	72	70.7037037037037	1.29629629629629
86	77	77.6666666666667	-0.666666666666671
87	75	74.6551724137931	0.34482758620689
88	69	68	1
89	54	54	0
90	70	70.7037037037037	-0.703703703703709
91	73	74.6551724137931	-1.65517241379311
92	54	54	0
93	77	74.6551724137931	2.34482758620689
94	82	80.5555555555556	1.44444444444444
95	80	77.6666666666667	2.33333333333333
96	80	77.6666666666667	2.33333333333333
97	69	70.7037037037037	-1.70370370370371
98	78	74.6551724137931	3.34482758620689
99	81	80.5555555555556	0.444444444444443
100	76	74.6551724137931	1.34482758620689
101	76	74.6551724137931	1.34482758620689
102	73	74.6551724137931	-1.65517241379311
103	85	85.3181818181818	-0.318181818181813
104	66	68	-2
105	79	77.6666666666667	1.33333333333333
106	68	68	0
107	76	77.6666666666667	-1.66666666666667
108	71	70.7037037037037	0.296296296296291
109	54	54	0
110	46	46.2857142857143	-0.285714285714285
111	82	80.5555555555556	1.44444444444444
112	74	70.7037037037037	3.29629629629629
113	88	85.3181818181818	2.68181818181819
114	38	46.2857142857143	-8.28571428571428
115	76	77.6666666666667	-1.66666666666667
116	86	85.3181818181818	0.681818181818187
117	54	54	0
118	70	70.7037037037037	-0.703703703703709
119	69	68	1
120	90	85.3181818181818	4.68181818181819
121	54	54	0
122	76	74.6551724137931	1.34482758620689
123	89	85.3181818181818	3.68181818181819
124	76	77.6666666666667	-1.66666666666667
125	73	74.6551724137931	-1.65517241379311
126	79	77.6666666666667	1.33333333333333
127	90	85.3181818181818	4.68181818181819
128	74	70.7037037037037	3.29629629629629
129	81	85.3181818181818	-4.31818181818181
130	72	70.7037037037037	1.29629629629629
131	71	68	3
132	66	68	-2
133	77	74.6551724137931	2.34482758620689
134	65	68	-3
135	74	74.6551724137931	-0.65517241379311
136	82	85.3181818181818	-3.31818181818181
137	54	54	0
138	63	68	-5
139	54	54	0
140	64	68	-4
141	69	68	1
142	54	54	0
143	84	85.3181818181818	-1.31818181818181
144	86	85.3181818181818	0.681818181818187
145	77	74.6551724137931	2.34482758620689
146	89	85.3181818181818	3.68181818181819
147	76	77.6666666666667	-1.66666666666667
148	60	59.5555555555556	0.444444444444443
149	75	74.6551724137931	0.34482758620689
150	73	74.6551724137931	-1.65517241379311
151	85	85.3181818181818	-0.318181818181813
152	79	77.6666666666667	1.33333333333333
153	71	68	3
154	72	70.7037037037037	1.29629629629629
155	69	70.7037037037037	-1.70370370370371
156	78	85.3181818181818	-7.31818181818181
157	54	54	0
158	69	70.7037037037037	-1.70370370370371
159	81	85.3181818181818	-4.31818181818181
160	84	85.3181818181818	-1.31818181818181
161	84	85.3181818181818	-1.31818181818181
162	69	74.6551724137931	-5.65517241379311

Figure 1

PNG link

Postscript link

PDF link

Figure 2

PNG link

Postscript link

PDF link

Figure 3

PNG link

Postscript link

PDF link

Parameters (Session):

par1 = 9 ; par2 = none ; par3 = 3 ; par4 = no ;

Parameters (R input):

par1 = 9 ; par2 = none ; par3 = 3 ; par4 = no ;

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

library(party)
library(Hmisc)
par1 <- as.numeric(par1)
par3 <- as.numeric(par3)
x <- data.frame(t(y))
is.data.frame(x)
x <- x[!is.na(x[,par1]),]
k <- length(x[1,])
n <- length(x[,1])
colnames(x)[par1]
x[,par1]
if (par2 == 'kmeans') {
cl <- kmeans(x[,par1], par3)
print(cl)
clm <- matrix(cbind(cl$centers,1:par3),ncol=2)
clm <- clm[sort.list(clm[,1]),]
for (i in 1:par3) {
cl$cluster[cl$cluster==clm[i,2]] <- paste('C',i,sep='')
}
cl$cluster <- as.factor(cl$cluster)
print(cl$cluster)
x[,par1] <- cl$cluster
}
if (par2 == 'quantiles') {
x[,par1] <- cut2(x[,par1],g=par3)
}
if (par2 == 'hclust') {
hc <- hclust(dist(x[,par1])^2, 'cen')
print(hc)
memb <- cutree(hc, k = par3)
dum <- c(mean(x[memb==1,par1]))
for (i in 2:par3) {
dum <- c(dum, mean(x[memb==i,par1]))
}
hcm <- matrix(cbind(dum,1:par3),ncol=2)
hcm <- hcm[sort.list(hcm[,1]),]
for (i in 1:par3) {
memb[memb==hcm[i,2]] <- paste('C',i,sep='')
}
memb <- as.factor(memb)
print(memb)
x[,par1] <- memb
}
if (par2=='equal') {
ed <- cut(as.numeric(x[,par1]),par3,labels=paste('C',1:par3,sep=''))
x[,par1] <- as.factor(ed)
}
table(x[,par1])
colnames(x)
colnames(x)[par1]
x[,par1]
if (par2 == 'none') {
m <- ctree(as.formula(paste(colnames(x)[par1],' ~ .',sep='')),data = x)
}
load(file='createtable')
if (par2 != 'none') {
m <- ctree(as.formula(paste('as.factor(',colnames(x)[par1],') ~ .',sep='')),data = x)
if (par4=='yes') {
a<-table.start()
a<-table.row.start(a)
a<-table.element(a,'10-Fold Cross Validation',3+2*par3,TRUE)
a<-table.row.end(a)
a<-table.row.start(a)
a<-table.element(a,'',1,TRUE)
a<-table.element(a,'Prediction (training)',par3+1,TRUE)
a<-table.element(a,'Prediction (testing)',par3+1,TRUE)
a<-table.row.end(a)
a<-table.row.start(a)
a<-table.element(a,'Actual',1,TRUE)
for (jjj in 1:par3) a<-table.element(a,paste('C',jjj,sep=''),1,TRUE)
a<-table.element(a,'CV',1,TRUE)
for (jjj in 1:par3) a<-table.element(a,paste('C',jjj,sep=''),1,TRUE)
a<-table.element(a,'CV',1,TRUE)
a<-table.row.end(a)
for (i in 1:10) {
ind <- sample(2, nrow(x), replace=T, prob=c(0.9,0.1))
m.ct <- ctree(as.formula(paste('as.factor(',colnames(x)[par1],') ~ .',sep='')),data =x[ind==1,])
if (i==1) {
m.ct.i.pred <- predict(m.ct, newdata=x[ind==1,])
m.ct.i.actu <- x[ind==1,par1]
m.ct.x.pred <- predict(m.ct, newdata=x[ind==2,])
m.ct.x.actu <- x[ind==2,par1]
} else {
m.ct.i.pred <- c(m.ct.i.pred,predict(m.ct, newdata=x[ind==1,]))
m.ct.i.actu <- c(m.ct.i.actu,x[ind==1,par1])
m.ct.x.pred <- c(m.ct.x.pred,predict(m.ct, newdata=x[ind==2,]))
m.ct.x.actu <- c(m.ct.x.actu,x[ind==2,par1])
}
}
print(m.ct.i.tab <- table(m.ct.i.actu,m.ct.i.pred))
numer <- 0
for (i in 1:par3) {
print(m.ct.i.tab[i,i] / sum(m.ct.i.tab[i,]))
numer <- numer + m.ct.i.tab[i,i]
}
print(m.ct.i.cp <- numer / sum(m.ct.i.tab))
print(m.ct.x.tab <- table(m.ct.x.actu,m.ct.x.pred))
numer <- 0
for (i in 1:par3) {
print(m.ct.x.tab[i,i] / sum(m.ct.x.tab[i,]))
numer <- numer + m.ct.x.tab[i,i]
}
print(m.ct.x.cp <- numer / sum(m.ct.x.tab))
for (i in 1:par3) {
a<-table.row.start(a)
a<-table.element(a,paste('C',i,sep=''),1,TRUE)
for (jjj in 1:par3) a<-table.element(a,m.ct.i.tab[i,jjj])
a<-table.element(a,round(m.ct.i.tab[i,i]/sum(m.ct.i.tab[i,]),4))
for (jjj in 1:par3) a<-table.element(a,m.ct.x.tab[i,jjj])
a<-table.element(a,round(m.ct.x.tab[i,i]/sum(m.ct.x.tab[i,]),4))
a<-table.row.end(a)
}
a<-table.row.start(a)
a<-table.element(a,'Overall',1,TRUE)
for (jjj in 1:par3) a<-table.element(a,'-')
a<-table.element(a,round(m.ct.i.cp,4))
for (jjj in 1:par3) a<-table.element(a,'-')
a<-table.element(a,round(m.ct.x.cp,4))
a<-table.row.end(a)
a<-table.end(a)
table.save(a,file='mytable3.tab')
}
}
m
bitmap(file='test1.png')
plot(m)
dev.off()
bitmap(file='test1a.png')
plot(x[,par1] ~ as.factor(where(m)),main='Response by Terminal Node',xlab='Terminal Node',ylab='Response')
dev.off()
if (par2 == 'none') {
forec <- predict(m)
result <- as.data.frame(cbind(x[,par1],forec,x[,par1]-forec))
colnames(result) <- c('Actuals','Forecasts','Residuals')
print(result)
}
if (par2 != 'none') {
print(cbind(as.factor(x[,par1]),predict(m)))
myt <- table(as.factor(x[,par1]),predict(m))
print(myt)
}
bitmap(file='test2.png')
if(par2=='none') {
op <- par(mfrow=c(2,2))
plot(density(result$Actuals),main='Kernel Density Plot of Actuals')
plot(density(result$Residuals),main='Kernel Density Plot of Residuals')
plot(result$Forecasts,result$Actuals,main='Actuals versus Predictions',xlab='Predictions',ylab='Actuals')
plot(density(result$Forecasts),main='Kernel Density Plot of Predictions')
par(op)
}
if(par2!='none') {
plot(myt,main='Confusion Matrix',xlab='Actual',ylab='Predicted')
}
dev.off()
if (par2 == 'none') {
detcoef <- cor(result$Forecasts,result$Actuals)
a<-table.start()
a<-table.row.start(a)
a<-table.element(a,'Goodness of Fit',2,TRUE)
a<-table.row.end(a)
a<-table.row.start(a)
a<-table.element(a,'Correlation',1,TRUE)
a<-table.element(a,round(detcoef,4))
a<-table.row.end(a)
a<-table.row.start(a)
a<-table.element(a,'R-squared',1,TRUE)
a<-table.element(a,round(detcoef*detcoef,4))
a<-table.row.end(a)
a<-table.row.start(a)
a<-table.element(a,'RMSE',1,TRUE)
a<-table.element(a,round(sqrt(mean((result$Residuals)^2)),4))
a<-table.row.end(a)
a<-table.end(a)
table.save(a,file='mytable1.tab')
a<-table.start()
a<-table.row.start(a)
a<-table.element(a,'Actuals, Predictions, and Residuals',4,TRUE)
a<-table.row.end(a)
a<-table.row.start(a)
a<-table.element(a,'#',header=TRUE)
a<-table.element(a,'Actuals',header=TRUE)
a<-table.element(a,'Forecasts',header=TRUE)
a<-table.element(a,'Residuals',header=TRUE)
a<-table.row.end(a)
for (i in 1:length(result$Actuals)) {
a<-table.row.start(a)
a<-table.element(a,i,header=TRUE)
a<-table.element(a,result$Actuals[i])
a<-table.element(a,result$Forecasts[i])
a<-table.element(a,result$Residuals[i])
a<-table.row.end(a)
}
a<-table.end(a)
table.save(a,file='mytable.tab')
}
if (par2 != 'none') {
a<-table.start()
a<-table.row.start(a)
a<-table.element(a,'Confusion Matrix (predicted in columns / actuals in rows)',par3+1,TRUE)
a<-table.row.end(a)
a<-table.row.start(a)
a<-table.element(a,'',1,TRUE)
for (i in 1:par3) {
a<-table.element(a,paste('C',i,sep=''),1,TRUE)
}
a<-table.row.end(a)
for (i in 1:par3) {
a<-table.row.start(a)
a<-table.element(a,paste('C',i,sep=''),1,TRUE)
for (j in 1:par3) {
a<-table.element(a,myt[i,j])
}
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