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_regression_trees1.wasp
Title produced by softwareRecursive Partitioning (Regression Trees)
Date of computationTue, 11 Dec 2012 14:43:26 -0500
Cite this page as followsStatistical Computations at FreeStatistics.org, Office for Research Development and Education, URL https://freestatistics.org/blog/index.php?v=date/2012/Dec/11/t13552552878n6lqu7skg2kzzu.htm/, Retrieved Thu, 25 Apr 2024 01:44:23 +0000
Statistical Computations at FreeStatistics.org, Office for Research Development and Education, URL https://freestatistics.org/blog/index.php?pk=198665, Retrieved Thu, 25 Apr 2024 01:44:23 +0000
QR Codes:

Original text written by user:
IsPrivate?No (this computation is public)
User-defined keywords
Estimated Impact73

Tree of Dependent Computations

Family? (F = Feedback message, R = changed R code, M = changed R Module, P = changed Parameters, D = changed Data)
-       [Recursive Partitioning (Regression Trees)] [workshop 10 task 3] [2012-12-11 19:43:26] [2382f403a285d81cd69bebfa1420b1d7] [Current]
Feedback Forum

Post a new message

Dataset

Dataseries X:
Download CSV
Histogram
Boxplots 
8,2	3,7	5,1	6,8	4,9	8,5	4,3	5
5,7	4,9	4,3	5,3	7,9	8,2	4	3,9
8,9	4,5	4	4,5	7,4	9,2	4,6	5,4
4,8	3	4,1	8,8	4,7	6,4	3,6	4,3
7,1	3,5	3,5	6,8	6	9	4,5	4,5
4,7	3,3	4,7	8,5	4,3	6,5	9,5	3,6
5,7	2	4,2	8,9	2,3	6,9	2,5	2,1
6,3	3,7	6,3	6,9	3,6	6,2	4,8	4,3
7	4,6	6,1	9,3	5,9	5,8	4,4	4,4
5,5	4,4	5,8	8,4	5,7	6,4	5,3	4,1
7,4	4	3,7	6,8	6,8	8,7	7,5	3,8
6	3,2	4,9	8,2	3,9	6,1	5,9	3
8,4	4,4	4,5	7,6	6,9	9,5	5,3	5,1
7,6	4,2	2,6	7,1	8,4	9,2	3	4,5
8	5,2	6,2	8,8	6,8	6,3	5,4	4,8
6,6	4,5	3,9	4,9	7,8	8,7	5	4,3
6,4	4,5	6,2	6,2	5,5	5,7	5,4	4,2
7,4	4,8	5,8	8,4	6,4	5,9	6,3	5,7
6,8	4,5	6	9,1	5,7	5,6	6,1	5
7,6	4,4	6,1	8,4	5,3	9,1	6,7	4,5
5,4	3,3	4,9	8,4	4,3	5,2	4,6	3,3
9,9	4,3	3	4,5	8,3	9,6	6,5	4,3
7	4	3,4	3,7	7,3	8,6	6	4,8
8,6	4,5	4,4	6,2	7,2	9,3	4,2	6,7
4,8	4	5,3	8	5,3	6	3,9	4,7
6,6	3,9	6,6	7,1	3,9	6,4	3,7	5,6
6,3	4,4	3,8	4,8	7,6	8,5	6,7	5,3
5,4	3,7	5,2	9	4,8	7	5,9	4,3
6,3	4,4	3,8	4,8	7,6	8,5	6	5,7
5,4	3,5	5,5	7,7	4,2	7,6	7,2	4,7
6,1	3,3	2,7	5,2	6,4	6,9	3,3	3,7
6,4	3	3,5	6,6	5,1	8,1	6,1	3
5,4	3,4	4,5	9,2	5,1	6,7	4,2	3,5
7,3	4,2	6,6	8,7	4,6	8	3,8	4,7
6,3	3,5	4,3	8,4	5,4	6,7	6	2,5
5,4	2,5	2,9	5,6	6,1	8,7	6,5	3,1
7,1	3,5	3,5	6,8	6	9	4,3	3,9
8,7	4,9	4,6	7,7	7,7	9,6	4,4	5,2
7,6	4,5	6,9	9	4,9	8,2	7,1	4,7
6	3,2	4,9	8,2	3,9	6,1	6,8	4,5
7	3,9	5,8	9,1	4,6	8,3	1,7	4,6
7,6	4,1	4,5	8,5	6,5	9,4	6,2	4,1
8,9	4,3	4,6	7,4	6,6	9,3	4,1	4,6
7,6	4,5	6,3	5,9	5,4	5,1	5,2	4,9
5,5	4,7	4,2	5,2	7,7	8	3,9	4,3
7,4	4,8	5,8	8,4	6,4	5,9	5,1	5,2
7,1	3,5	4	3,8	5,4	10	3,7	5
7,6	5,2	7,3	8,2	5,7	5,7	4,8	6,5
8,7	3,9	3,4	6,8	7	9,9	7,2	4,5
8,6	4,3	4,2	4,7	6,9	7,9	3,6	4,1
5,4	2,8	3,6	7,2	4,7	6,7	5,3	4
5,7	4,9	4,3	5,3	7,9	8,2	5	4,5
8,7	4,6	4,6	6,3	7,3	9,4	9,2	4,7
6,1	3,3	2,7	5,2	6,4	6,9	4,4	3,2
7,3	4,2	6,6	8,7	4,6	8	4,2	4,9
7,7	3,4	3,2	7,4	6,4	9,3	5,9	4,1
9	5,5	6,5	9,6	7,2	7,4	7,4	5,7
8,2	4	3,9	4,4	6,6	7,6	6,4	4,6
7,1	3,5	4	3,8	5,4	10	4,5	3,7
7,9	4	4,9	5,4	5,8	9,9	7	5,6
6,6	4,5	3,9	4,9	7,8	8,7	4,5	5,4
8	3,6	5	6,7	4,7	8,4	4,2	2,7
6,3	2,9	3,7	5,8	4,7	8,8	7,2	4,4
6	2,6	3,1	6,2	4,7	7,7	4,7	3,3
5,4	2,8	3,6	7,2	4,7	6,6	3,9	3,5
7,6	5,2	7,3	8,2	5,7	5,7	5	4,7
6,4	4,5	6,2	6,2	5,5	5,7	6,4	5
6,1	4,3	5,9	6	5,3	5,5	2,5	4,5
5,2	3,4	5,4	7,6	4,1	7,5	5,2	4
6,6	3,9	6,6	7,1	3,9	6,4	5,5	4,7
7,6	4,4	6,1	8,4	5,3	9,1	5,7	5,4
5,8	3,1	2,6	5	6,3	6,7	2,5	2,9
7,9	4,6	5,6	8,7	6,3	6,5	6,3	4,6
8,6	3,9	3,4	6,8	7	9,9	4,6	4,1
8,2	3,7	5,1	6,8	4,9	8,5	3,6	4,4
7,1	3,8	4,3	4,9	5,9	9,9	7,6	3,1
6,4	3,9	5,8	7,4	4,6	7,6	6,6	4,5
7,6	4,1	4,5	8,5	6,5	9,4	2,4	4,3
8,9	4,6	4,1	4,6	7,5	9,3	3,1	5,2
5,7	2,7	3,1	7,8	5	7,1	3,5	2,6
7,1	3,8	4,3	4,9	5,9	9,9	6,9	3,2
7,4	4	3,7	6,8	6,8	8,7	5,1	4,3
6,6	3	3	6,3	5,6	8,6	4	2,7
5	1,6	3,7	8,4	2,9	6,4	6,5	2
8,2	4,3	3,9	5,9	7,2	7,7	4,1	4,7
5,2	3,4	5,4	7,6	4,1	7,5	2,8	3,4
5,2	3,1	4,8	8,2	4,2	5	7,6	2,4
8,2	4,3	3,9	5,9	7,2	7,7	7,7	5,1
7,3	3,9	4,3	8,3	6,2	9,1	4,1	4,6
8,2	4,9	6,7	6,3	5,7	5,5	4,9	5,5
7,4	3,3	3	7,3	6,3	9,1	4,6	4,4
4,8	2,4	4	9,9	3,3	7,1	3,5	2
7,6	4,2	2,6	7,1	8,4	9,2	6,6	4,4
8,9	4,6	4,1	4,6	7,5	9,3	4,9	4,8
7,7	3,4	3,2	7,4	6,4	9,3	4,8	3,6
7,3	3,6	3,6	6,7	6	8,6	3,6	4,9
6,3	3,7	5,6	7,2	4,4	7,4	6,4	4,2
5,4	2,5	2,9	5,6	6,1	8,7	4,3	3,1
6,4	3,9	4,9	7,9	5,3	7,8	5,7	4,3
6,4	3,5	5,4	9,7	4,2	7,9	5,8	3,4
5,4	3,5	5,5	7,7	4,2	7,6	5,1	3,1
8,7	4,2	4,6	7,3	6,5	9,2	8,6	5,1
6,1	3,7	4,7	7,7	5,2	7,7	5,4	4
8,4	4,4	4,5	7,6	6,9	9,5	4,4	5,6
7,9	4,6	5,6	8,7	6,3	6,5	6,9	5
7	3,9	5,8	9,1	4,6	8,3	5,2	4,2
8,7	4,9	4,6	7,7	7,7	9,6	5,5	4,4
7,9	5,4	7,5	8,4	5,9	5,9	5,3	5,8
7,1	4,2	3,5	3,8	7,4	8,7	5,7	4,6
5,8	3,1	2,6	5	6,3	6,7	6,5	3,8
8,4	4,1	3,4	6,7	7,5	9,7	5,2	3,7
7,1	3,9	2,3	6,7	8,1	8,8	2,7	4
7,6	4,5	6,9	9	4,9	8,2	4,3	4,5
7,3	4,2	5,9	8,2	5,1	8,9	6,7	4,2
8	3,6	5	6,7	4,7	8,4	6,6	4
6,1	3,7	4,7	7,7	5,2	7,7	7,4	5,1
8,7	4,2	4,6	7,3	6,5	9,2	8,9	4,2
5,8	2,9	3,3	8	5,2	7,3	3,7	2,8
6,4	3,1	3,9	6	4,8	9	4,9	3,3
6,4	3	3,5	6,6	5,1	8,1	6,2	2,6
9	5,5	6,5	9,6	7,2	7,4	4,3	5,7
6,4	3,5	5,4	9,7	4,2	7,9	4,6	4,8
6	2,6	3,1	6,2	4,7	7,7	4,3	3,2
8,7	4,6	4,6	6,3	7,3	9,4	5,4	5,8
5	2,5	4,1	10	3,4	7,2	3,6	3,2
7,4	3,1	2,9	5,3	6,1	8,3	7,4	4,1
8,6	4,3	4,2	4,7	6,9	7,9	6,7	4,6
5,8	2,9	3,3	8	5,2	7,3	2,9	3,3
9,8	4,3	3	4,5	8,2	9,6	4,8	4,4
4,8	2,1	2,5	5,2	5,7	8,3	2,8	1,2
7	4	3,4	3,7	7,3	8,6	5,2	5
5,5	4,7	4,2	5,2	7,7	8	6,8	4,6
5	1,6	3,7	8,4	2,9	6,4	7	2,4
6	3,3	4,1	8,2	5,3	6,6	2,9	4,3
8	4,2	3,8	5,8	7,1	7,6	6,2	3,6
7,9	4,4	3,7	7,6	7,8	9,4	6	5,1
4,8	2,1	2,5	5,2	5,7	8,3	4,2	1,8
6,4	3,9	4,9	7,9	5,3	7,8	5,2	4,1
4,8	2,4	4	9,9	3,3	7,1	3,1	2,8
6,4	3,9	5,8	7,4	4,6	7,6	5,3	4,4
6,8	4,5	6	9,1	5,7	5,6	6	4,5
7,9	4	4,9	5,4	5,8	9,9	6,8	4
8,9	4,5	4	4,5	7,4	9,2	6,1	4,2
7,4	4,2	3,4	7,3	7,5	9,1	5,2	4,5
7	3,5	4	3,8	5,4	9,9	8	3,8
7	3,5	4	3,8	5,4	9,9	6,2	4,1
6	3,3	4,1	8,2	5,3	6,6	3,5	4,6
7,4	3,3	3	7,3	6,3	9,1	6,5	3,7
7,6	4,5	6,3	5,9	5,4	5,1	3,9	5,1
4,8	4	5,3	8	5,3	6	3,6	4,3
7,3	4,2	5,9	8,2	5,1	8,9	3,8	5
6,3	3,7	6,3	6,9	3,6	6,2	4,7	4
5	2,5	4,1	10	3,4	7,2	2,9	3
7,1	3,9	2,3	6,7	8,1	8,8	5,6	4,1
6,3	3,4	5,1	8,4	4,1	6,3	4,2	4,4
6,8	3,6	4,1	4,8	5,7	9,7	1,6	4
5,2	3,1	4,8	8,2	4,2	5	4	3,7
6,3	3,7	5,6	7,2	4,4	7,4	5,1	4
6,1	4,3	5,9	6	5,3	5,5	6	4,3
7,3	3,9	4,3	8,3	6,2	9,1	6,1	4,6
5,4	3,4	4,5	9,2	5,1	6,7	5,6	3,7
8	5,2	6,2	8,8	6,8	6,3	6,5	6,4
7,4	3,1	2,9	5,3	6,1	8,3	5,5	3,6
7,3	3	2,8	5,2	6	8,2	5,9	4,7
7,3	3	2,8	5,2	6	8,2	6,2	4
6,4	3,1	3,9	6	4,8	9	5,6	4,3
5,7	2,7	3,1	7,8	5	7,1	7,2	3,6
5,7	2	4,2	8,9	2,3	6,9	3,4	2,7
6,6	3	3	6,3	5,6	8,6	5,1	4
6,3	3,5	4,3	8,4	5,4	6,7	4	3,8
5,4	3,7	5,2	9	4,8	7	5,3	3,3
7,4	3,8	4,7	5,2	5,6	9,7	8,4	4,5
8,6	3,9	3,4	6,8	7	9,9	8	5
7,3	3,6	3,6	6,7	6	8,6	2,8	4,8
6,3	3,4	5,1	8,4	4,1	6,3	2,4	2,8
8,7	3,9	3,4	6,8	7	9,9	5,2	4,3
8,6	4,5	4,4	6,2	7,2	9,3	4,1	4
8,4	4,1	3,4	6,7	7,5	9,7	6,1	4,9
7,4	3,8	4,7	5,2	5,6	9,7	7,1	4,6
9,9	4,3	3	4,5	8,3	9,6	6,2	4
8	4,2	3,8	5,8	7,1	7,6	5,5	4,4
7,9	4,4	3,7	7,6	7,8	9,4	6,5	4,7
9,8	4,3	3	4,5	8,2	9,6	5,6	4,6
8,9	4,3	4,6	7,4	6,6	9,3	5,7	4,4
6,8	3,6	4,1	4,8	5,7	9,7	6,3	4,7
7,4	4,2	3,4	7,3	7,5	9,1	5,1	6
4,7	3,3	4,7	8,5	4,3	6,5	4,8	4,3
5,4	2,8	3,6	7,2	4,7	6,6	4,8	3,2
7	4,6	6,1	9,3	5,9	5,8	3,4	5,9
7,1	4,2	3,5	3,8	7,4	8,7	3,6	5,5
6,3	2,9	3,7	5,8	4,7	8,8	5,8	3,8
5,5	4,4	5,8	8,4	5,7	6,4	5	4
5,4	2,8	3,6	7,2	4,7	6,7	5	2,9
5,4	3,3	4,9	8,4	4,3	5,2	3,6	4,3
4,8	3	4,1	8,8	4,7	6,4	7	3,6
8,2	4	3,9	4,4	6,6	7,6	6,8	4,4
7,9	5,4	7,5	8,4	5,9	5,9	6,6	6
8,6	4,2	3,5	6,8	7,6	9,7	5,2	4,4
8,2	4,9	6,7	6,3	5,7	5,5	5,3	5,9
8,6	4,2	3,5	6,8	7,6	9,7	1,2	4,3

Tables (Output of Computation)





Summary of computational transaction
Raw Inputview raw input (R code)
Raw Outputview raw output of R engine
Computing time7 seconds
R Server'Herman Ole Andreas Wold' @ wold.wessa.net
R Framework error message
The field 'Names of X columns' contains a hard return which cannot be interpreted.
Please, resubmit your request without hard returns in the 'Names of X columns'.

\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 & 7 seconds \tabularnewline
R Server & 'Herman Ole Andreas Wold' @ wold.wessa.net \tabularnewline
R Framework error message & 
The field 'Names of X columns' contains a hard return which cannot be interpreted.
Please, resubmit your request without hard returns in the 'Names of X columns'.
 \tabularnewline
\hline
\end{tabular}
%Source: https://freestatistics.org/blog/index.php?pk=198665&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]7 seconds[/C][/ROW]
[ROW][C]R Server[/C][C]'Herman Ole Andreas Wold' @ wold.wessa.net[/C][/ROW]
[ROW][C]R Framework error message[/C][C]
The field 'Names of X columns' contains a hard return which cannot be interpreted.
Please, resubmit your request without hard returns in the 'Names of X columns'.
[/C][/ROW]
[/TABLE]
Source: https://freestatistics.org/blog/index.php?pk=198665&T=0

Globally Unique Identifier (entire table): ba.freestatistics.org/blog/index.php?pk=198665&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 time7 seconds
R Server'Herman Ole Andreas Wold' @ wold.wessa.net
R Framework error message
The field 'Names of X columns' contains a hard return which cannot be interpreted.
Please, resubmit your request without hard returns in the 'Names of X columns'.






Goodness of Fit
Correlation0.8612
R-squared0.7417
RMSE0.6292

\begin{tabular}{lllllllll}
\hline
Goodness of Fit \tabularnewline
Correlation & 0.8612 \tabularnewline
R-squared & 0.7417 \tabularnewline
RMSE & 0.6292 \tabularnewline
\hline
\end{tabular}
%Source: https://freestatistics.org/blog/index.php?pk=198665&T=1

[TABLE]
[ROW][C]Goodness of Fit[/C][/ROW]
[ROW][C]Correlation[/C][C]0.8612[/C][/ROW]
[ROW][C]R-squared[/C][C]0.7417[/C][/ROW]
[ROW][C]RMSE[/C][C]0.6292[/C][/ROW]
[/TABLE]
Source: https://freestatistics.org/blog/index.php?pk=198665&T=1

Globally Unique Identifier (entire table): ba.freestatistics.org/blog/index.php?pk=198665&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:

Goodness of Fit
Correlation0.8612
R-squared0.7417
RMSE0.6292






Actuals, Predictions, and Residuals
#ActualsForecastsResiduals
18.26.75517241379311.4448275862069
25.76.24-0.54
38.99.375-0.475
44.85.06666666666667-0.266666666666667
57.16.860.239999999999999
64.75.06666666666667-0.366666666666666
75.75.066666666666670.633333333333334
86.36.7551724137931-0.455172413793104
977.76-0.76
105.56.7551724137931-1.2551724137931
117.47.76-0.359999999999999
1265.70.3
138.48.378571428571430.0214285714285722
147.68.37857142857143-0.778571428571428
1587.760.24
166.66.240.359999999999999
176.46.7551724137931-0.355172413793103
187.47.76-0.359999999999999
196.86.75517241379310.0448275862068961
207.66.75517241379310.844827586206896
215.45.7-0.3
229.99.3750.525
2377.76-0.76
248.68.378571428571430.221428571428572
254.86.7551724137931-1.9551724137931
266.66.7551724137931-0.155172413793104
276.36.240.0599999999999996
285.46.7551724137931-1.3551724137931
296.36.240.0599999999999996
305.46.7551724137931-1.3551724137931
316.16.86-0.760000000000001
326.46.425-0.0249999999999995
335.45.066666666666670.333333333333334
347.36.75517241379310.544827586206896
356.36.7551724137931-0.455172413793104
365.46.86-1.46
377.16.860.239999999999999
388.78.378571428571430.321428571428571
397.66.75517241379310.844827586206896
4065.70.3
4176.75517241379310.244827586206896
427.68.37857142857143-0.778571428571428
438.98.378571428571430.521428571428572
447.66.75517241379310.844827586206896
455.56.24-0.74
467.47.76-0.359999999999999
477.16.75517241379310.344827586206896
487.66.75517241379310.844827586206896
498.78.378571428571430.321428571428571
508.67.760.84
515.45.383333333333330.0166666666666666
525.76.24-0.54
538.78.378571428571430.321428571428571
546.16.86-0.760000000000001
557.36.75517241379310.544827586206896
567.76.860.84
5797.761.24
588.27.760.44
597.16.75517241379310.344827586206896
607.98.37857142857143-0.478571428571428
616.66.240.359999999999999
6286.75517241379311.2448275862069
636.36.425-0.125
6465.383333333333330.616666666666666
655.45.383333333333330.0166666666666666
667.66.75517241379310.844827586206896
676.46.7551724137931-0.355172413793103
686.16.7551724137931-0.655172413793104
695.25.7-0.5
706.66.7551724137931-0.155172413793104
717.66.75517241379310.844827586206896
725.86.86-1.06
737.97.760.140000000000001
748.68.378571428571430.221428571428572
758.26.75517241379311.4448275862069
767.16.860.239999999999999
776.46.7551724137931-0.355172413793103
787.68.37857142857143-0.778571428571428
798.99.375-0.475
805.75.383333333333330.316666666666666
817.16.860.239999999999999
827.47.76-0.359999999999999
836.66.4250.175
8455.38333333333333-0.383333333333334
858.27.760.44
865.25.7-0.5
875.25.7-0.5
888.27.760.44
897.37.76-0.46
908.26.75517241379311.4448275862069
917.46.860.54
924.85.06666666666667-0.266666666666667
937.68.37857142857143-0.778571428571428
948.99.375-0.475
957.76.860.84
967.36.860.44
976.36.7551724137931-0.455172413793104
985.46.86-1.46
996.46.7551724137931-0.355172413793103
1006.46.7551724137931-0.355172413793103
1015.46.7551724137931-1.3551724137931
1028.78.378571428571430.321428571428571
1036.16.7551724137931-0.655172413793104
1048.48.378571428571430.0214285714285722
1057.97.760.140000000000001
10676.75517241379310.244827586206896
1078.78.378571428571430.321428571428571
1087.97.760.140000000000001
1097.17.76-0.66
1105.86.86-1.06
1118.48.378571428571430.0214285714285722
1127.16.240.859999999999999
1137.66.75517241379310.844827586206896
1147.36.75517241379310.544827586206896
11586.75517241379311.2448275862069
1166.16.7551724137931-0.655172413793104
1178.78.378571428571430.321428571428571
1185.85.70.0999999999999996
1196.46.425-0.0249999999999995
1206.46.425-0.0249999999999995
12197.761.24
1226.46.7551724137931-0.355172413793103
12365.383333333333330.616666666666666
1248.78.378571428571430.321428571428571
12555.06666666666667-0.0666666666666664
1267.46.860.54
1278.67.760.84
1285.85.70.0999999999999996
1299.89.3750.425000000000001
1304.85.38333333333333-0.583333333333334
13177.76-0.76
1325.56.24-0.74
13355.38333333333333-0.383333333333334
13465.70.3
13587.760.24
1367.98.37857142857143-0.478571428571428
1374.85.38333333333333-0.583333333333334
1386.46.7551724137931-0.355172413793103
1394.85.06666666666667-0.266666666666667
1406.46.7551724137931-0.355172413793103
1416.86.75517241379310.0448275862068961
1427.98.37857142857143-0.478571428571428
1438.99.375-0.475
1447.47.76-0.359999999999999
14576.75517241379310.244827586206896
14676.75517241379310.244827586206896
14765.70.3
1487.46.860.54
1497.66.75517241379310.844827586206896
1504.86.7551724137931-1.9551724137931
1517.36.75517241379310.544827586206896
1526.36.7551724137931-0.455172413793104
15355.06666666666667-0.0666666666666664
1547.16.240.859999999999999
1556.35.70.6
1566.86.75517241379310.0448275862068961
1575.25.7-0.5
1586.36.7551724137931-0.455172413793104
1596.16.7551724137931-0.655172413793104
1607.37.76-0.46
1615.45.066666666666670.333333333333334
16287.760.24
1637.46.860.54
1647.36.860.44
1657.36.860.44
1666.46.425-0.0249999999999995
1675.75.383333333333330.316666666666666
1685.75.066666666666670.633333333333334
1696.66.4250.175
1706.36.7551724137931-0.455172413793104
1715.46.7551724137931-1.3551724137931
1727.46.75517241379310.644827586206897
1738.68.378571428571430.221428571428572
1747.36.860.44
1756.35.70.6
1768.78.378571428571430.321428571428571
1778.68.378571428571430.221428571428572
1788.48.378571428571430.0214285714285722
1797.46.75517241379310.644827586206897
1809.99.3750.525
18187.760.24
1827.98.37857142857143-0.478571428571428
1839.89.3750.425000000000001
1848.98.378571428571430.521428571428572
1856.86.75517241379310.0448275862068961
1867.47.76-0.359999999999999
1874.75.06666666666667-0.366666666666666
1885.45.383333333333330.0166666666666666
18977.76-0.76
1907.17.76-0.66
1916.36.425-0.125
1925.56.7551724137931-1.2551724137931
1935.45.383333333333330.0166666666666666
1945.45.7-0.3
1954.85.06666666666667-0.266666666666667
1968.27.760.44
1977.97.760.140000000000001
1988.68.378571428571430.221428571428572
1998.26.75517241379311.4448275862069
2008.68.378571428571430.221428571428572

\begin{tabular}{lllllllll}
\hline
Actuals, Predictions, and Residuals \tabularnewline
# & Actuals & Forecasts & Residuals \tabularnewline
1 & 8.2 & 6.7551724137931 & 1.4448275862069 \tabularnewline
2 & 5.7 & 6.24 & -0.54 \tabularnewline
3 & 8.9 & 9.375 & -0.475 \tabularnewline
4 & 4.8 & 5.06666666666667 & -0.266666666666667 \tabularnewline
5 & 7.1 & 6.86 & 0.239999999999999 \tabularnewline
6 & 4.7 & 5.06666666666667 & -0.366666666666666 \tabularnewline
7 & 5.7 & 5.06666666666667 & 0.633333333333334 \tabularnewline
8 & 6.3 & 6.7551724137931 & -0.455172413793104 \tabularnewline
9 & 7 & 7.76 & -0.76 \tabularnewline
10 & 5.5 & 6.7551724137931 & -1.2551724137931 \tabularnewline
11 & 7.4 & 7.76 & -0.359999999999999 \tabularnewline
12 & 6 & 5.7 & 0.3 \tabularnewline
13 & 8.4 & 8.37857142857143 & 0.0214285714285722 \tabularnewline
14 & 7.6 & 8.37857142857143 & -0.778571428571428 \tabularnewline
15 & 8 & 7.76 & 0.24 \tabularnewline
16 & 6.6 & 6.24 & 0.359999999999999 \tabularnewline
17 & 6.4 & 6.7551724137931 & -0.355172413793103 \tabularnewline
18 & 7.4 & 7.76 & -0.359999999999999 \tabularnewline
19 & 6.8 & 6.7551724137931 & 0.0448275862068961 \tabularnewline
20 & 7.6 & 6.7551724137931 & 0.844827586206896 \tabularnewline
21 & 5.4 & 5.7 & -0.3 \tabularnewline
22 & 9.9 & 9.375 & 0.525 \tabularnewline
23 & 7 & 7.76 & -0.76 \tabularnewline
24 & 8.6 & 8.37857142857143 & 0.221428571428572 \tabularnewline
25 & 4.8 & 6.7551724137931 & -1.9551724137931 \tabularnewline
26 & 6.6 & 6.7551724137931 & -0.155172413793104 \tabularnewline
27 & 6.3 & 6.24 & 0.0599999999999996 \tabularnewline
28 & 5.4 & 6.7551724137931 & -1.3551724137931 \tabularnewline
29 & 6.3 & 6.24 & 0.0599999999999996 \tabularnewline
30 & 5.4 & 6.7551724137931 & -1.3551724137931 \tabularnewline
31 & 6.1 & 6.86 & -0.760000000000001 \tabularnewline
32 & 6.4 & 6.425 & -0.0249999999999995 \tabularnewline
33 & 5.4 & 5.06666666666667 & 0.333333333333334 \tabularnewline
34 & 7.3 & 6.7551724137931 & 0.544827586206896 \tabularnewline
35 & 6.3 & 6.7551724137931 & -0.455172413793104 \tabularnewline
36 & 5.4 & 6.86 & -1.46 \tabularnewline
37 & 7.1 & 6.86 & 0.239999999999999 \tabularnewline
38 & 8.7 & 8.37857142857143 & 0.321428571428571 \tabularnewline
39 & 7.6 & 6.7551724137931 & 0.844827586206896 \tabularnewline
40 & 6 & 5.7 & 0.3 \tabularnewline
41 & 7 & 6.7551724137931 & 0.244827586206896 \tabularnewline
42 & 7.6 & 8.37857142857143 & -0.778571428571428 \tabularnewline
43 & 8.9 & 8.37857142857143 & 0.521428571428572 \tabularnewline
44 & 7.6 & 6.7551724137931 & 0.844827586206896 \tabularnewline
45 & 5.5 & 6.24 & -0.74 \tabularnewline
46 & 7.4 & 7.76 & -0.359999999999999 \tabularnewline
47 & 7.1 & 6.7551724137931 & 0.344827586206896 \tabularnewline
48 & 7.6 & 6.7551724137931 & 0.844827586206896 \tabularnewline
49 & 8.7 & 8.37857142857143 & 0.321428571428571 \tabularnewline
50 & 8.6 & 7.76 & 0.84 \tabularnewline
51 & 5.4 & 5.38333333333333 & 0.0166666666666666 \tabularnewline
52 & 5.7 & 6.24 & -0.54 \tabularnewline
53 & 8.7 & 8.37857142857143 & 0.321428571428571 \tabularnewline
54 & 6.1 & 6.86 & -0.760000000000001 \tabularnewline
55 & 7.3 & 6.7551724137931 & 0.544827586206896 \tabularnewline
56 & 7.7 & 6.86 & 0.84 \tabularnewline
57 & 9 & 7.76 & 1.24 \tabularnewline
58 & 8.2 & 7.76 & 0.44 \tabularnewline
59 & 7.1 & 6.7551724137931 & 0.344827586206896 \tabularnewline
60 & 7.9 & 8.37857142857143 & -0.478571428571428 \tabularnewline
61 & 6.6 & 6.24 & 0.359999999999999 \tabularnewline
62 & 8 & 6.7551724137931 & 1.2448275862069 \tabularnewline
63 & 6.3 & 6.425 & -0.125 \tabularnewline
64 & 6 & 5.38333333333333 & 0.616666666666666 \tabularnewline
65 & 5.4 & 5.38333333333333 & 0.0166666666666666 \tabularnewline
66 & 7.6 & 6.7551724137931 & 0.844827586206896 \tabularnewline
67 & 6.4 & 6.7551724137931 & -0.355172413793103 \tabularnewline
68 & 6.1 & 6.7551724137931 & -0.655172413793104 \tabularnewline
69 & 5.2 & 5.7 & -0.5 \tabularnewline
70 & 6.6 & 6.7551724137931 & -0.155172413793104 \tabularnewline
71 & 7.6 & 6.7551724137931 & 0.844827586206896 \tabularnewline
72 & 5.8 & 6.86 & -1.06 \tabularnewline
73 & 7.9 & 7.76 & 0.140000000000001 \tabularnewline
74 & 8.6 & 8.37857142857143 & 0.221428571428572 \tabularnewline
75 & 8.2 & 6.7551724137931 & 1.4448275862069 \tabularnewline
76 & 7.1 & 6.86 & 0.239999999999999 \tabularnewline
77 & 6.4 & 6.7551724137931 & -0.355172413793103 \tabularnewline
78 & 7.6 & 8.37857142857143 & -0.778571428571428 \tabularnewline
79 & 8.9 & 9.375 & -0.475 \tabularnewline
80 & 5.7 & 5.38333333333333 & 0.316666666666666 \tabularnewline
81 & 7.1 & 6.86 & 0.239999999999999 \tabularnewline
82 & 7.4 & 7.76 & -0.359999999999999 \tabularnewline
83 & 6.6 & 6.425 & 0.175 \tabularnewline
84 & 5 & 5.38333333333333 & -0.383333333333334 \tabularnewline
85 & 8.2 & 7.76 & 0.44 \tabularnewline
86 & 5.2 & 5.7 & -0.5 \tabularnewline
87 & 5.2 & 5.7 & -0.5 \tabularnewline
88 & 8.2 & 7.76 & 0.44 \tabularnewline
89 & 7.3 & 7.76 & -0.46 \tabularnewline
90 & 8.2 & 6.7551724137931 & 1.4448275862069 \tabularnewline
91 & 7.4 & 6.86 & 0.54 \tabularnewline
92 & 4.8 & 5.06666666666667 & -0.266666666666667 \tabularnewline
93 & 7.6 & 8.37857142857143 & -0.778571428571428 \tabularnewline
94 & 8.9 & 9.375 & -0.475 \tabularnewline
95 & 7.7 & 6.86 & 0.84 \tabularnewline
96 & 7.3 & 6.86 & 0.44 \tabularnewline
97 & 6.3 & 6.7551724137931 & -0.455172413793104 \tabularnewline
98 & 5.4 & 6.86 & -1.46 \tabularnewline
99 & 6.4 & 6.7551724137931 & -0.355172413793103 \tabularnewline
100 & 6.4 & 6.7551724137931 & -0.355172413793103 \tabularnewline
101 & 5.4 & 6.7551724137931 & -1.3551724137931 \tabularnewline
102 & 8.7 & 8.37857142857143 & 0.321428571428571 \tabularnewline
103 & 6.1 & 6.7551724137931 & -0.655172413793104 \tabularnewline
104 & 8.4 & 8.37857142857143 & 0.0214285714285722 \tabularnewline
105 & 7.9 & 7.76 & 0.140000000000001 \tabularnewline
106 & 7 & 6.7551724137931 & 0.244827586206896 \tabularnewline
107 & 8.7 & 8.37857142857143 & 0.321428571428571 \tabularnewline
108 & 7.9 & 7.76 & 0.140000000000001 \tabularnewline
109 & 7.1 & 7.76 & -0.66 \tabularnewline
110 & 5.8 & 6.86 & -1.06 \tabularnewline
111 & 8.4 & 8.37857142857143 & 0.0214285714285722 \tabularnewline
112 & 7.1 & 6.24 & 0.859999999999999 \tabularnewline
113 & 7.6 & 6.7551724137931 & 0.844827586206896 \tabularnewline
114 & 7.3 & 6.7551724137931 & 0.544827586206896 \tabularnewline
115 & 8 & 6.7551724137931 & 1.2448275862069 \tabularnewline
116 & 6.1 & 6.7551724137931 & -0.655172413793104 \tabularnewline
117 & 8.7 & 8.37857142857143 & 0.321428571428571 \tabularnewline
118 & 5.8 & 5.7 & 0.0999999999999996 \tabularnewline
119 & 6.4 & 6.425 & -0.0249999999999995 \tabularnewline
120 & 6.4 & 6.425 & -0.0249999999999995 \tabularnewline
121 & 9 & 7.76 & 1.24 \tabularnewline
122 & 6.4 & 6.7551724137931 & -0.355172413793103 \tabularnewline
123 & 6 & 5.38333333333333 & 0.616666666666666 \tabularnewline
124 & 8.7 & 8.37857142857143 & 0.321428571428571 \tabularnewline
125 & 5 & 5.06666666666667 & -0.0666666666666664 \tabularnewline
126 & 7.4 & 6.86 & 0.54 \tabularnewline
127 & 8.6 & 7.76 & 0.84 \tabularnewline
128 & 5.8 & 5.7 & 0.0999999999999996 \tabularnewline
129 & 9.8 & 9.375 & 0.425000000000001 \tabularnewline
130 & 4.8 & 5.38333333333333 & -0.583333333333334 \tabularnewline
131 & 7 & 7.76 & -0.76 \tabularnewline
132 & 5.5 & 6.24 & -0.74 \tabularnewline
133 & 5 & 5.38333333333333 & -0.383333333333334 \tabularnewline
134 & 6 & 5.7 & 0.3 \tabularnewline
135 & 8 & 7.76 & 0.24 \tabularnewline
136 & 7.9 & 8.37857142857143 & -0.478571428571428 \tabularnewline
137 & 4.8 & 5.38333333333333 & -0.583333333333334 \tabularnewline
138 & 6.4 & 6.7551724137931 & -0.355172413793103 \tabularnewline
139 & 4.8 & 5.06666666666667 & -0.266666666666667 \tabularnewline
140 & 6.4 & 6.7551724137931 & -0.355172413793103 \tabularnewline
141 & 6.8 & 6.7551724137931 & 0.0448275862068961 \tabularnewline
142 & 7.9 & 8.37857142857143 & -0.478571428571428 \tabularnewline
143 & 8.9 & 9.375 & -0.475 \tabularnewline
144 & 7.4 & 7.76 & -0.359999999999999 \tabularnewline
145 & 7 & 6.7551724137931 & 0.244827586206896 \tabularnewline
146 & 7 & 6.7551724137931 & 0.244827586206896 \tabularnewline
147 & 6 & 5.7 & 0.3 \tabularnewline
148 & 7.4 & 6.86 & 0.54 \tabularnewline
149 & 7.6 & 6.7551724137931 & 0.844827586206896 \tabularnewline
150 & 4.8 & 6.7551724137931 & -1.9551724137931 \tabularnewline
151 & 7.3 & 6.7551724137931 & 0.544827586206896 \tabularnewline
152 & 6.3 & 6.7551724137931 & -0.455172413793104 \tabularnewline
153 & 5 & 5.06666666666667 & -0.0666666666666664 \tabularnewline
154 & 7.1 & 6.24 & 0.859999999999999 \tabularnewline
155 & 6.3 & 5.7 & 0.6 \tabularnewline
156 & 6.8 & 6.7551724137931 & 0.0448275862068961 \tabularnewline
157 & 5.2 & 5.7 & -0.5 \tabularnewline
158 & 6.3 & 6.7551724137931 & -0.455172413793104 \tabularnewline
159 & 6.1 & 6.7551724137931 & -0.655172413793104 \tabularnewline
160 & 7.3 & 7.76 & -0.46 \tabularnewline
161 & 5.4 & 5.06666666666667 & 0.333333333333334 \tabularnewline
162 & 8 & 7.76 & 0.24 \tabularnewline
163 & 7.4 & 6.86 & 0.54 \tabularnewline
164 & 7.3 & 6.86 & 0.44 \tabularnewline
165 & 7.3 & 6.86 & 0.44 \tabularnewline
166 & 6.4 & 6.425 & -0.0249999999999995 \tabularnewline
167 & 5.7 & 5.38333333333333 & 0.316666666666666 \tabularnewline
168 & 5.7 & 5.06666666666667 & 0.633333333333334 \tabularnewline
169 & 6.6 & 6.425 & 0.175 \tabularnewline
170 & 6.3 & 6.7551724137931 & -0.455172413793104 \tabularnewline
171 & 5.4 & 6.7551724137931 & -1.3551724137931 \tabularnewline
172 & 7.4 & 6.7551724137931 & 0.644827586206897 \tabularnewline
173 & 8.6 & 8.37857142857143 & 0.221428571428572 \tabularnewline
174 & 7.3 & 6.86 & 0.44 \tabularnewline
175 & 6.3 & 5.7 & 0.6 \tabularnewline
176 & 8.7 & 8.37857142857143 & 0.321428571428571 \tabularnewline
177 & 8.6 & 8.37857142857143 & 0.221428571428572 \tabularnewline
178 & 8.4 & 8.37857142857143 & 0.0214285714285722 \tabularnewline
179 & 7.4 & 6.7551724137931 & 0.644827586206897 \tabularnewline
180 & 9.9 & 9.375 & 0.525 \tabularnewline
181 & 8 & 7.76 & 0.24 \tabularnewline
182 & 7.9 & 8.37857142857143 & -0.478571428571428 \tabularnewline
183 & 9.8 & 9.375 & 0.425000000000001 \tabularnewline
184 & 8.9 & 8.37857142857143 & 0.521428571428572 \tabularnewline
185 & 6.8 & 6.7551724137931 & 0.0448275862068961 \tabularnewline
186 & 7.4 & 7.76 & -0.359999999999999 \tabularnewline
187 & 4.7 & 5.06666666666667 & -0.366666666666666 \tabularnewline
188 & 5.4 & 5.38333333333333 & 0.0166666666666666 \tabularnewline
189 & 7 & 7.76 & -0.76 \tabularnewline
190 & 7.1 & 7.76 & -0.66 \tabularnewline
191 & 6.3 & 6.425 & -0.125 \tabularnewline
192 & 5.5 & 6.7551724137931 & -1.2551724137931 \tabularnewline
193 & 5.4 & 5.38333333333333 & 0.0166666666666666 \tabularnewline
194 & 5.4 & 5.7 & -0.3 \tabularnewline
195 & 4.8 & 5.06666666666667 & -0.266666666666667 \tabularnewline
196 & 8.2 & 7.76 & 0.44 \tabularnewline
197 & 7.9 & 7.76 & 0.140000000000001 \tabularnewline
198 & 8.6 & 8.37857142857143 & 0.221428571428572 \tabularnewline
199 & 8.2 & 6.7551724137931 & 1.4448275862069 \tabularnewline
200 & 8.6 & 8.37857142857143 & 0.221428571428572 \tabularnewline
\hline
\end{tabular}
%Source: https://freestatistics.org/blog/index.php?pk=198665&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]8.2[/C][C]6.7551724137931[/C][C]1.4448275862069[/C][/ROW]
[ROW][C]2[/C][C]5.7[/C][C]6.24[/C][C]-0.54[/C][/ROW]
[ROW][C]3[/C][C]8.9[/C][C]9.375[/C][C]-0.475[/C][/ROW]
[ROW][C]4[/C][C]4.8[/C][C]5.06666666666667[/C][C]-0.266666666666667[/C][/ROW]
[ROW][C]5[/C][C]7.1[/C][C]6.86[/C][C]0.239999999999999[/C][/ROW]
[ROW][C]6[/C][C]4.7[/C][C]5.06666666666667[/C][C]-0.366666666666666[/C][/ROW]
[ROW][C]7[/C][C]5.7[/C][C]5.06666666666667[/C][C]0.633333333333334[/C][/ROW]
[ROW][C]8[/C][C]6.3[/C][C]6.7551724137931[/C][C]-0.455172413793104[/C][/ROW]
[ROW][C]9[/C][C]7[/C][C]7.76[/C][C]-0.76[/C][/ROW]
[ROW][C]10[/C][C]5.5[/C][C]6.7551724137931[/C][C]-1.2551724137931[/C][/ROW]
[ROW][C]11[/C][C]7.4[/C][C]7.76[/C][C]-0.359999999999999[/C][/ROW]
[ROW][C]12[/C][C]6[/C][C]5.7[/C][C]0.3[/C][/ROW]
[ROW][C]13[/C][C]8.4[/C][C]8.37857142857143[/C][C]0.0214285714285722[/C][/ROW]
[ROW][C]14[/C][C]7.6[/C][C]8.37857142857143[/C][C]-0.778571428571428[/C][/ROW]
[ROW][C]15[/C][C]8[/C][C]7.76[/C][C]0.24[/C][/ROW]
[ROW][C]16[/C][C]6.6[/C][C]6.24[/C][C]0.359999999999999[/C][/ROW]
[ROW][C]17[/C][C]6.4[/C][C]6.7551724137931[/C][C]-0.355172413793103[/C][/ROW]
[ROW][C]18[/C][C]7.4[/C][C]7.76[/C][C]-0.359999999999999[/C][/ROW]
[ROW][C]19[/C][C]6.8[/C][C]6.7551724137931[/C][C]0.0448275862068961[/C][/ROW]
[ROW][C]20[/C][C]7.6[/C][C]6.7551724137931[/C][C]0.844827586206896[/C][/ROW]
[ROW][C]21[/C][C]5.4[/C][C]5.7[/C][C]-0.3[/C][/ROW]
[ROW][C]22[/C][C]9.9[/C][C]9.375[/C][C]0.525[/C][/ROW]
[ROW][C]23[/C][C]7[/C][C]7.76[/C][C]-0.76[/C][/ROW]
[ROW][C]24[/C][C]8.6[/C][C]8.37857142857143[/C][C]0.221428571428572[/C][/ROW]
[ROW][C]25[/C][C]4.8[/C][C]6.7551724137931[/C][C]-1.9551724137931[/C][/ROW]
[ROW][C]26[/C][C]6.6[/C][C]6.7551724137931[/C][C]-0.155172413793104[/C][/ROW]
[ROW][C]27[/C][C]6.3[/C][C]6.24[/C][C]0.0599999999999996[/C][/ROW]
[ROW][C]28[/C][C]5.4[/C][C]6.7551724137931[/C][C]-1.3551724137931[/C][/ROW]
[ROW][C]29[/C][C]6.3[/C][C]6.24[/C][C]0.0599999999999996[/C][/ROW]
[ROW][C]30[/C][C]5.4[/C][C]6.7551724137931[/C][C]-1.3551724137931[/C][/ROW]
[ROW][C]31[/C][C]6.1[/C][C]6.86[/C][C]-0.760000000000001[/C][/ROW]
[ROW][C]32[/C][C]6.4[/C][C]6.425[/C][C]-0.0249999999999995[/C][/ROW]
[ROW][C]33[/C][C]5.4[/C][C]5.06666666666667[/C][C]0.333333333333334[/C][/ROW]
[ROW][C]34[/C][C]7.3[/C][C]6.7551724137931[/C][C]0.544827586206896[/C][/ROW]
[ROW][C]35[/C][C]6.3[/C][C]6.7551724137931[/C][C]-0.455172413793104[/C][/ROW]
[ROW][C]36[/C][C]5.4[/C][C]6.86[/C][C]-1.46[/C][/ROW]
[ROW][C]37[/C][C]7.1[/C][C]6.86[/C][C]0.239999999999999[/C][/ROW]
[ROW][C]38[/C][C]8.7[/C][C]8.37857142857143[/C][C]0.321428571428571[/C][/ROW]
[ROW][C]39[/C][C]7.6[/C][C]6.7551724137931[/C][C]0.844827586206896[/C][/ROW]
[ROW][C]40[/C][C]6[/C][C]5.7[/C][C]0.3[/C][/ROW]
[ROW][C]41[/C][C]7[/C][C]6.7551724137931[/C][C]0.244827586206896[/C][/ROW]
[ROW][C]42[/C][C]7.6[/C][C]8.37857142857143[/C][C]-0.778571428571428[/C][/ROW]
[ROW][C]43[/C][C]8.9[/C][C]8.37857142857143[/C][C]0.521428571428572[/C][/ROW]
[ROW][C]44[/C][C]7.6[/C][C]6.7551724137931[/C][C]0.844827586206896[/C][/ROW]
[ROW][C]45[/C][C]5.5[/C][C]6.24[/C][C]-0.74[/C][/ROW]
[ROW][C]46[/C][C]7.4[/C][C]7.76[/C][C]-0.359999999999999[/C][/ROW]
[ROW][C]47[/C][C]7.1[/C][C]6.7551724137931[/C][C]0.344827586206896[/C][/ROW]
[ROW][C]48[/C][C]7.6[/C][C]6.7551724137931[/C][C]0.844827586206896[/C][/ROW]
[ROW][C]49[/C][C]8.7[/C][C]8.37857142857143[/C][C]0.321428571428571[/C][/ROW]
[ROW][C]50[/C][C]8.6[/C][C]7.76[/C][C]0.84[/C][/ROW]
[ROW][C]51[/C][C]5.4[/C][C]5.38333333333333[/C][C]0.0166666666666666[/C][/ROW]
[ROW][C]52[/C][C]5.7[/C][C]6.24[/C][C]-0.54[/C][/ROW]
[ROW][C]53[/C][C]8.7[/C][C]8.37857142857143[/C][C]0.321428571428571[/C][/ROW]
[ROW][C]54[/C][C]6.1[/C][C]6.86[/C][C]-0.760000000000001[/C][/ROW]
[ROW][C]55[/C][C]7.3[/C][C]6.7551724137931[/C][C]0.544827586206896[/C][/ROW]
[ROW][C]56[/C][C]7.7[/C][C]6.86[/C][C]0.84[/C][/ROW]
[ROW][C]57[/C][C]9[/C][C]7.76[/C][C]1.24[/C][/ROW]
[ROW][C]58[/C][C]8.2[/C][C]7.76[/C][C]0.44[/C][/ROW]
[ROW][C]59[/C][C]7.1[/C][C]6.7551724137931[/C][C]0.344827586206896[/C][/ROW]
[ROW][C]60[/C][C]7.9[/C][C]8.37857142857143[/C][C]-0.478571428571428[/C][/ROW]
[ROW][C]61[/C][C]6.6[/C][C]6.24[/C][C]0.359999999999999[/C][/ROW]
[ROW][C]62[/C][C]8[/C][C]6.7551724137931[/C][C]1.2448275862069[/C][/ROW]
[ROW][C]63[/C][C]6.3[/C][C]6.425[/C][C]-0.125[/C][/ROW]
[ROW][C]64[/C][C]6[/C][C]5.38333333333333[/C][C]0.616666666666666[/C][/ROW]
[ROW][C]65[/C][C]5.4[/C][C]5.38333333333333[/C][C]0.0166666666666666[/C][/ROW]
[ROW][C]66[/C][C]7.6[/C][C]6.7551724137931[/C][C]0.844827586206896[/C][/ROW]
[ROW][C]67[/C][C]6.4[/C][C]6.7551724137931[/C][C]-0.355172413793103[/C][/ROW]
[ROW][C]68[/C][C]6.1[/C][C]6.7551724137931[/C][C]-0.655172413793104[/C][/ROW]
[ROW][C]69[/C][C]5.2[/C][C]5.7[/C][C]-0.5[/C][/ROW]
[ROW][C]70[/C][C]6.6[/C][C]6.7551724137931[/C][C]-0.155172413793104[/C][/ROW]
[ROW][C]71[/C][C]7.6[/C][C]6.7551724137931[/C][C]0.844827586206896[/C][/ROW]
[ROW][C]72[/C][C]5.8[/C][C]6.86[/C][C]-1.06[/C][/ROW]
[ROW][C]73[/C][C]7.9[/C][C]7.76[/C][C]0.140000000000001[/C][/ROW]
[ROW][C]74[/C][C]8.6[/C][C]8.37857142857143[/C][C]0.221428571428572[/C][/ROW]
[ROW][C]75[/C][C]8.2[/C][C]6.7551724137931[/C][C]1.4448275862069[/C][/ROW]
[ROW][C]76[/C][C]7.1[/C][C]6.86[/C][C]0.239999999999999[/C][/ROW]
[ROW][C]77[/C][C]6.4[/C][C]6.7551724137931[/C][C]-0.355172413793103[/C][/ROW]
[ROW][C]78[/C][C]7.6[/C][C]8.37857142857143[/C][C]-0.778571428571428[/C][/ROW]
[ROW][C]79[/C][C]8.9[/C][C]9.375[/C][C]-0.475[/C][/ROW]
[ROW][C]80[/C][C]5.7[/C][C]5.38333333333333[/C][C]0.316666666666666[/C][/ROW]
[ROW][C]81[/C][C]7.1[/C][C]6.86[/C][C]0.239999999999999[/C][/ROW]
[ROW][C]82[/C][C]7.4[/C][C]7.76[/C][C]-0.359999999999999[/C][/ROW]
[ROW][C]83[/C][C]6.6[/C][C]6.425[/C][C]0.175[/C][/ROW]
[ROW][C]84[/C][C]5[/C][C]5.38333333333333[/C][C]-0.383333333333334[/C][/ROW]
[ROW][C]85[/C][C]8.2[/C][C]7.76[/C][C]0.44[/C][/ROW]
[ROW][C]86[/C][C]5.2[/C][C]5.7[/C][C]-0.5[/C][/ROW]
[ROW][C]87[/C][C]5.2[/C][C]5.7[/C][C]-0.5[/C][/ROW]
[ROW][C]88[/C][C]8.2[/C][C]7.76[/C][C]0.44[/C][/ROW]
[ROW][C]89[/C][C]7.3[/C][C]7.76[/C][C]-0.46[/C][/ROW]
[ROW][C]90[/C][C]8.2[/C][C]6.7551724137931[/C][C]1.4448275862069[/C][/ROW]
[ROW][C]91[/C][C]7.4[/C][C]6.86[/C][C]0.54[/C][/ROW]
[ROW][C]92[/C][C]4.8[/C][C]5.06666666666667[/C][C]-0.266666666666667[/C][/ROW]
[ROW][C]93[/C][C]7.6[/C][C]8.37857142857143[/C][C]-0.778571428571428[/C][/ROW]
[ROW][C]94[/C][C]8.9[/C][C]9.375[/C][C]-0.475[/C][/ROW]
[ROW][C]95[/C][C]7.7[/C][C]6.86[/C][C]0.84[/C][/ROW]
[ROW][C]96[/C][C]7.3[/C][C]6.86[/C][C]0.44[/C][/ROW]
[ROW][C]97[/C][C]6.3[/C][C]6.7551724137931[/C][C]-0.455172413793104[/C][/ROW]
[ROW][C]98[/C][C]5.4[/C][C]6.86[/C][C]-1.46[/C][/ROW]
[ROW][C]99[/C][C]6.4[/C][C]6.7551724137931[/C][C]-0.355172413793103[/C][/ROW]
[ROW][C]100[/C][C]6.4[/C][C]6.7551724137931[/C][C]-0.355172413793103[/C][/ROW]
[ROW][C]101[/C][C]5.4[/C][C]6.7551724137931[/C][C]-1.3551724137931[/C][/ROW]
[ROW][C]102[/C][C]8.7[/C][C]8.37857142857143[/C][C]0.321428571428571[/C][/ROW]
[ROW][C]103[/C][C]6.1[/C][C]6.7551724137931[/C][C]-0.655172413793104[/C][/ROW]
[ROW][C]104[/C][C]8.4[/C][C]8.37857142857143[/C][C]0.0214285714285722[/C][/ROW]
[ROW][C]105[/C][C]7.9[/C][C]7.76[/C][C]0.140000000000001[/C][/ROW]
[ROW][C]106[/C][C]7[/C][C]6.7551724137931[/C][C]0.244827586206896[/C][/ROW]
[ROW][C]107[/C][C]8.7[/C][C]8.37857142857143[/C][C]0.321428571428571[/C][/ROW]
[ROW][C]108[/C][C]7.9[/C][C]7.76[/C][C]0.140000000000001[/C][/ROW]
[ROW][C]109[/C][C]7.1[/C][C]7.76[/C][C]-0.66[/C][/ROW]
[ROW][C]110[/C][C]5.8[/C][C]6.86[/C][C]-1.06[/C][/ROW]
[ROW][C]111[/C][C]8.4[/C][C]8.37857142857143[/C][C]0.0214285714285722[/C][/ROW]
[ROW][C]112[/C][C]7.1[/C][C]6.24[/C][C]0.859999999999999[/C][/ROW]
[ROW][C]113[/C][C]7.6[/C][C]6.7551724137931[/C][C]0.844827586206896[/C][/ROW]
[ROW][C]114[/C][C]7.3[/C][C]6.7551724137931[/C][C]0.544827586206896[/C][/ROW]
[ROW][C]115[/C][C]8[/C][C]6.7551724137931[/C][C]1.2448275862069[/C][/ROW]
[ROW][C]116[/C][C]6.1[/C][C]6.7551724137931[/C][C]-0.655172413793104[/C][/ROW]
[ROW][C]117[/C][C]8.7[/C][C]8.37857142857143[/C][C]0.321428571428571[/C][/ROW]
[ROW][C]118[/C][C]5.8[/C][C]5.7[/C][C]0.0999999999999996[/C][/ROW]
[ROW][C]119[/C][C]6.4[/C][C]6.425[/C][C]-0.0249999999999995[/C][/ROW]
[ROW][C]120[/C][C]6.4[/C][C]6.425[/C][C]-0.0249999999999995[/C][/ROW]
[ROW][C]121[/C][C]9[/C][C]7.76[/C][C]1.24[/C][/ROW]
[ROW][C]122[/C][C]6.4[/C][C]6.7551724137931[/C][C]-0.355172413793103[/C][/ROW]
[ROW][C]123[/C][C]6[/C][C]5.38333333333333[/C][C]0.616666666666666[/C][/ROW]
[ROW][C]124[/C][C]8.7[/C][C]8.37857142857143[/C][C]0.321428571428571[/C][/ROW]
[ROW][C]125[/C][C]5[/C][C]5.06666666666667[/C][C]-0.0666666666666664[/C][/ROW]
[ROW][C]126[/C][C]7.4[/C][C]6.86[/C][C]0.54[/C][/ROW]
[ROW][C]127[/C][C]8.6[/C][C]7.76[/C][C]0.84[/C][/ROW]
[ROW][C]128[/C][C]5.8[/C][C]5.7[/C][C]0.0999999999999996[/C][/ROW]
[ROW][C]129[/C][C]9.8[/C][C]9.375[/C][C]0.425000000000001[/C][/ROW]
[ROW][C]130[/C][C]4.8[/C][C]5.38333333333333[/C][C]-0.583333333333334[/C][/ROW]
[ROW][C]131[/C][C]7[/C][C]7.76[/C][C]-0.76[/C][/ROW]
[ROW][C]132[/C][C]5.5[/C][C]6.24[/C][C]-0.74[/C][/ROW]
[ROW][C]133[/C][C]5[/C][C]5.38333333333333[/C][C]-0.383333333333334[/C][/ROW]
[ROW][C]134[/C][C]6[/C][C]5.7[/C][C]0.3[/C][/ROW]
[ROW][C]135[/C][C]8[/C][C]7.76[/C][C]0.24[/C][/ROW]
[ROW][C]136[/C][C]7.9[/C][C]8.37857142857143[/C][C]-0.478571428571428[/C][/ROW]
[ROW][C]137[/C][C]4.8[/C][C]5.38333333333333[/C][C]-0.583333333333334[/C][/ROW]
[ROW][C]138[/C][C]6.4[/C][C]6.7551724137931[/C][C]-0.355172413793103[/C][/ROW]
[ROW][C]139[/C][C]4.8[/C][C]5.06666666666667[/C][C]-0.266666666666667[/C][/ROW]
[ROW][C]140[/C][C]6.4[/C][C]6.7551724137931[/C][C]-0.355172413793103[/C][/ROW]
[ROW][C]141[/C][C]6.8[/C][C]6.7551724137931[/C][C]0.0448275862068961[/C][/ROW]
[ROW][C]142[/C][C]7.9[/C][C]8.37857142857143[/C][C]-0.478571428571428[/C][/ROW]
[ROW][C]143[/C][C]8.9[/C][C]9.375[/C][C]-0.475[/C][/ROW]
[ROW][C]144[/C][C]7.4[/C][C]7.76[/C][C]-0.359999999999999[/C][/ROW]
[ROW][C]145[/C][C]7[/C][C]6.7551724137931[/C][C]0.244827586206896[/C][/ROW]
[ROW][C]146[/C][C]7[/C][C]6.7551724137931[/C][C]0.244827586206896[/C][/ROW]
[ROW][C]147[/C][C]6[/C][C]5.7[/C][C]0.3[/C][/ROW]
[ROW][C]148[/C][C]7.4[/C][C]6.86[/C][C]0.54[/C][/ROW]
[ROW][C]149[/C][C]7.6[/C][C]6.7551724137931[/C][C]0.844827586206896[/C][/ROW]
[ROW][C]150[/C][C]4.8[/C][C]6.7551724137931[/C][C]-1.9551724137931[/C][/ROW]
[ROW][C]151[/C][C]7.3[/C][C]6.7551724137931[/C][C]0.544827586206896[/C][/ROW]
[ROW][C]152[/C][C]6.3[/C][C]6.7551724137931[/C][C]-0.455172413793104[/C][/ROW]
[ROW][C]153[/C][C]5[/C][C]5.06666666666667[/C][C]-0.0666666666666664[/C][/ROW]
[ROW][C]154[/C][C]7.1[/C][C]6.24[/C][C]0.859999999999999[/C][/ROW]
[ROW][C]155[/C][C]6.3[/C][C]5.7[/C][C]0.6[/C][/ROW]
[ROW][C]156[/C][C]6.8[/C][C]6.7551724137931[/C][C]0.0448275862068961[/C][/ROW]
[ROW][C]157[/C][C]5.2[/C][C]5.7[/C][C]-0.5[/C][/ROW]
[ROW][C]158[/C][C]6.3[/C][C]6.7551724137931[/C][C]-0.455172413793104[/C][/ROW]
[ROW][C]159[/C][C]6.1[/C][C]6.7551724137931[/C][C]-0.655172413793104[/C][/ROW]
[ROW][C]160[/C][C]7.3[/C][C]7.76[/C][C]-0.46[/C][/ROW]
[ROW][C]161[/C][C]5.4[/C][C]5.06666666666667[/C][C]0.333333333333334[/C][/ROW]
[ROW][C]162[/C][C]8[/C][C]7.76[/C][C]0.24[/C][/ROW]
[ROW][C]163[/C][C]7.4[/C][C]6.86[/C][C]0.54[/C][/ROW]
[ROW][C]164[/C][C]7.3[/C][C]6.86[/C][C]0.44[/C][/ROW]
[ROW][C]165[/C][C]7.3[/C][C]6.86[/C][C]0.44[/C][/ROW]
[ROW][C]166[/C][C]6.4[/C][C]6.425[/C][C]-0.0249999999999995[/C][/ROW]
[ROW][C]167[/C][C]5.7[/C][C]5.38333333333333[/C][C]0.316666666666666[/C][/ROW]
[ROW][C]168[/C][C]5.7[/C][C]5.06666666666667[/C][C]0.633333333333334[/C][/ROW]
[ROW][C]169[/C][C]6.6[/C][C]6.425[/C][C]0.175[/C][/ROW]
[ROW][C]170[/C][C]6.3[/C][C]6.7551724137931[/C][C]-0.455172413793104[/C][/ROW]
[ROW][C]171[/C][C]5.4[/C][C]6.7551724137931[/C][C]-1.3551724137931[/C][/ROW]
[ROW][C]172[/C][C]7.4[/C][C]6.7551724137931[/C][C]0.644827586206897[/C][/ROW]
[ROW][C]173[/C][C]8.6[/C][C]8.37857142857143[/C][C]0.221428571428572[/C][/ROW]
[ROW][C]174[/C][C]7.3[/C][C]6.86[/C][C]0.44[/C][/ROW]
[ROW][C]175[/C][C]6.3[/C][C]5.7[/C][C]0.6[/C][/ROW]
[ROW][C]176[/C][C]8.7[/C][C]8.37857142857143[/C][C]0.321428571428571[/C][/ROW]
[ROW][C]177[/C][C]8.6[/C][C]8.37857142857143[/C][C]0.221428571428572[/C][/ROW]
[ROW][C]178[/C][C]8.4[/C][C]8.37857142857143[/C][C]0.0214285714285722[/C][/ROW]
[ROW][C]179[/C][C]7.4[/C][C]6.7551724137931[/C][C]0.644827586206897[/C][/ROW]
[ROW][C]180[/C][C]9.9[/C][C]9.375[/C][C]0.525[/C][/ROW]
[ROW][C]181[/C][C]8[/C][C]7.76[/C][C]0.24[/C][/ROW]
[ROW][C]182[/C][C]7.9[/C][C]8.37857142857143[/C][C]-0.478571428571428[/C][/ROW]
[ROW][C]183[/C][C]9.8[/C][C]9.375[/C][C]0.425000000000001[/C][/ROW]
[ROW][C]184[/C][C]8.9[/C][C]8.37857142857143[/C][C]0.521428571428572[/C][/ROW]
[ROW][C]185[/C][C]6.8[/C][C]6.7551724137931[/C][C]0.0448275862068961[/C][/ROW]
[ROW][C]186[/C][C]7.4[/C][C]7.76[/C][C]-0.359999999999999[/C][/ROW]
[ROW][C]187[/C][C]4.7[/C][C]5.06666666666667[/C][C]-0.366666666666666[/C][/ROW]
[ROW][C]188[/C][C]5.4[/C][C]5.38333333333333[/C][C]0.0166666666666666[/C][/ROW]
[ROW][C]189[/C][C]7[/C][C]7.76[/C][C]-0.76[/C][/ROW]
[ROW][C]190[/C][C]7.1[/C][C]7.76[/C][C]-0.66[/C][/ROW]
[ROW][C]191[/C][C]6.3[/C][C]6.425[/C][C]-0.125[/C][/ROW]
[ROW][C]192[/C][C]5.5[/C][C]6.7551724137931[/C][C]-1.2551724137931[/C][/ROW]
[ROW][C]193[/C][C]5.4[/C][C]5.38333333333333[/C][C]0.0166666666666666[/C][/ROW]
[ROW][C]194[/C][C]5.4[/C][C]5.7[/C][C]-0.3[/C][/ROW]
[ROW][C]195[/C][C]4.8[/C][C]5.06666666666667[/C][C]-0.266666666666667[/C][/ROW]
[ROW][C]196[/C][C]8.2[/C][C]7.76[/C][C]0.44[/C][/ROW]
[ROW][C]197[/C][C]7.9[/C][C]7.76[/C][C]0.140000000000001[/C][/ROW]
[ROW][C]198[/C][C]8.6[/C][C]8.37857142857143[/C][C]0.221428571428572[/C][/ROW]
[ROW][C]199[/C][C]8.2[/C][C]6.7551724137931[/C][C]1.4448275862069[/C][/ROW]
[ROW][C]200[/C][C]8.6[/C][C]8.37857142857143[/C][C]0.221428571428572[/C][/ROW]
[/TABLE]
Source: https://freestatistics.org/blog/index.php?pk=198665&T=2

Globally Unique Identifier (entire table): ba.freestatistics.org/blog/index.php?pk=198665&T=2

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


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

Actuals, Predictions, and Residuals
#ActualsForecastsResiduals
18.26.75517241379311.4448275862069
25.76.24-0.54
38.99.375-0.475
44.85.06666666666667-0.266666666666667
57.16.860.239999999999999
64.75.06666666666667-0.366666666666666
75.75.066666666666670.633333333333334
86.36.7551724137931-0.455172413793104
977.76-0.76
105.56.7551724137931-1.2551724137931
117.47.76-0.359999999999999
1265.70.3
138.48.378571428571430.0214285714285722
147.68.37857142857143-0.778571428571428
1587.760.24
166.66.240.359999999999999
176.46.7551724137931-0.355172413793103
187.47.76-0.359999999999999
196.86.75517241379310.0448275862068961
207.66.75517241379310.844827586206896
215.45.7-0.3
229.99.3750.525
2377.76-0.76
248.68.378571428571430.221428571428572
254.86.7551724137931-1.9551724137931
266.66.7551724137931-0.155172413793104
276.36.240.0599999999999996
285.46.7551724137931-1.3551724137931
296.36.240.0599999999999996
305.46.7551724137931-1.3551724137931
316.16.86-0.760000000000001
326.46.425-0.0249999999999995
335.45.066666666666670.333333333333334
347.36.75517241379310.544827586206896
356.36.7551724137931-0.455172413793104
365.46.86-1.46
377.16.860.239999999999999
388.78.378571428571430.321428571428571
397.66.75517241379310.844827586206896
4065.70.3
4176.75517241379310.244827586206896
427.68.37857142857143-0.778571428571428
438.98.378571428571430.521428571428572
447.66.75517241379310.844827586206896
455.56.24-0.74
467.47.76-0.359999999999999
477.16.75517241379310.344827586206896
487.66.75517241379310.844827586206896
498.78.378571428571430.321428571428571
508.67.760.84
515.45.383333333333330.0166666666666666
525.76.24-0.54
538.78.378571428571430.321428571428571
546.16.86-0.760000000000001
557.36.75517241379310.544827586206896
567.76.860.84
5797.761.24
588.27.760.44
597.16.75517241379310.344827586206896
607.98.37857142857143-0.478571428571428
616.66.240.359999999999999
6286.75517241379311.2448275862069
636.36.425-0.125
6465.383333333333330.616666666666666
655.45.383333333333330.0166666666666666
667.66.75517241379310.844827586206896
676.46.7551724137931-0.355172413793103
686.16.7551724137931-0.655172413793104
695.25.7-0.5
706.66.7551724137931-0.155172413793104
717.66.75517241379310.844827586206896
725.86.86-1.06
737.97.760.140000000000001
748.68.378571428571430.221428571428572
758.26.75517241379311.4448275862069
767.16.860.239999999999999
776.46.7551724137931-0.355172413793103
787.68.37857142857143-0.778571428571428
798.99.375-0.475
805.75.383333333333330.316666666666666
817.16.860.239999999999999
827.47.76-0.359999999999999
836.66.4250.175
8455.38333333333333-0.383333333333334
858.27.760.44
865.25.7-0.5
875.25.7-0.5
888.27.760.44
897.37.76-0.46
908.26.75517241379311.4448275862069
917.46.860.54
924.85.06666666666667-0.266666666666667
937.68.37857142857143-0.778571428571428
948.99.375-0.475
957.76.860.84
967.36.860.44
976.36.7551724137931-0.455172413793104
985.46.86-1.46
996.46.7551724137931-0.355172413793103
1006.46.7551724137931-0.355172413793103
1015.46.7551724137931-1.3551724137931
1028.78.378571428571430.321428571428571
1036.16.7551724137931-0.655172413793104
1048.48.378571428571430.0214285714285722
1057.97.760.140000000000001
10676.75517241379310.244827586206896
1078.78.378571428571430.321428571428571
1087.97.760.140000000000001
1097.17.76-0.66
1105.86.86-1.06
1118.48.378571428571430.0214285714285722
1127.16.240.859999999999999
1137.66.75517241379310.844827586206896
1147.36.75517241379310.544827586206896
11586.75517241379311.2448275862069
1166.16.7551724137931-0.655172413793104
1178.78.378571428571430.321428571428571
1185.85.70.0999999999999996
1196.46.425-0.0249999999999995
1206.46.425-0.0249999999999995
12197.761.24
1226.46.7551724137931-0.355172413793103
12365.383333333333330.616666666666666
1248.78.378571428571430.321428571428571
12555.06666666666667-0.0666666666666664
1267.46.860.54
1278.67.760.84
1285.85.70.0999999999999996
1299.89.3750.425000000000001
1304.85.38333333333333-0.583333333333334
13177.76-0.76
1325.56.24-0.74
13355.38333333333333-0.383333333333334
13465.70.3
13587.760.24
1367.98.37857142857143-0.478571428571428
1374.85.38333333333333-0.583333333333334
1386.46.7551724137931-0.355172413793103
1394.85.06666666666667-0.266666666666667
1406.46.7551724137931-0.355172413793103
1416.86.75517241379310.0448275862068961
1427.98.37857142857143-0.478571428571428
1438.99.375-0.475
1447.47.76-0.359999999999999
14576.75517241379310.244827586206896
14676.75517241379310.244827586206896
14765.70.3
1487.46.860.54
1497.66.75517241379310.844827586206896
1504.86.7551724137931-1.9551724137931
1517.36.75517241379310.544827586206896
1526.36.7551724137931-0.455172413793104
15355.06666666666667-0.0666666666666664
1547.16.240.859999999999999
1556.35.70.6
1566.86.75517241379310.0448275862068961
1575.25.7-0.5
1586.36.7551724137931-0.455172413793104
1596.16.7551724137931-0.655172413793104
1607.37.76-0.46
1615.45.066666666666670.333333333333334
16287.760.24
1637.46.860.54
1647.36.860.44
1657.36.860.44
1666.46.425-0.0249999999999995
1675.75.383333333333330.316666666666666
1685.75.066666666666670.633333333333334
1696.66.4250.175
1706.36.7551724137931-0.455172413793104
1715.46.7551724137931-1.3551724137931
1727.46.75517241379310.644827586206897
1738.68.378571428571430.221428571428572
1747.36.860.44
1756.35.70.6
1768.78.378571428571430.321428571428571
1778.68.378571428571430.221428571428572
1788.48.378571428571430.0214285714285722
1797.46.75517241379310.644827586206897
1809.99.3750.525
18187.760.24
1827.98.37857142857143-0.478571428571428
1839.89.3750.425000000000001
1848.98.378571428571430.521428571428572
1856.86.75517241379310.0448275862068961
1867.47.76-0.359999999999999
1874.75.06666666666667-0.366666666666666
1885.45.383333333333330.0166666666666666
18977.76-0.76
1907.17.76-0.66
1916.36.425-0.125
1925.56.7551724137931-1.2551724137931
1935.45.383333333333330.0166666666666666
1945.45.7-0.3
1954.85.06666666666667-0.266666666666667
1968.27.760.44
1977.97.760.140000000000001
1988.68.378571428571430.221428571428572
1998.26.75517241379311.4448275862069
2008.68.378571428571430.221428571428572


Figures (Output of Computation)

Input Parameters & R Code

Parameters (Session):
par1 = 1 ; par2 = none ; par3 = 3 ; par4 = no ;
Parameters (R input):
par1 = 1 ; 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')
}