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_rwalk.wasp
Title produced by softwareLaw of Averages
Date of computationTue, 02 Dec 2008 04:33:00 -0700
Cite this page as followsStatistical Computations at FreeStatistics.org, Office for Research Development and Education, URL https://freestatistics.org/blog/index.php?v=date/2008/Dec/02/t1228217646nzdzdsv6eywef2p.htm/, Retrieved Sun, 19 May 2024 00:27:17 +0000
Statistical Computations at FreeStatistics.org, Office for Research Development and Education, URL https://freestatistics.org/blog/index.php?pk=27609, Retrieved Sun, 19 May 2024 00:27:17 +0000
QR Codes:

Original text written by user:
IsPrivate?No (this computation is public)
User-defined keywords
Estimated Impact223

Tree of Dependent Computations

Family? (F = Feedback message, R = changed R code, M = changed R Module, P = changed Parameters, D = changed Data)
F     [Law of Averages] [Random Walk Simul...] [2008-11-25 18:05:16] [b98453cac15ba1066b407e146608df68]
F         [Law of Averages] [tinneke_debock@ho...] [2008-12-02 11:33:00] [20137734a2343a7bbbd59daaec7ad301] [Current]
Feedback Forum
2008-12-08 13:36:28 [Dave Bellekens] [reply] 
goede interpretatie en uitleg bij de positieve correlatie.
Er wordt juist opgemerkt dat de correlaties allemaal significant zijn en niet aan het toeval te wijten zijn, maar er wordt niet vermeld dat de autocorrelatie functie een (langzaam) dalende trend vertoont.
2008-12-08 15:40:02 [Jonas Scheltjens] [reply] 
De student geeft hier een goede uitleg bij de grafieken. Echter hadden enkele zaken nog kunnen worden opgenomen in de verklaring zoals de duidelijk dalende trend van de verticale lijnen in de Autocorrealtion. Uiteraard moet er ook vermeldt worden dat dit slechts een schijnbare trend is. De verklaring over de positieve autocorrelatie is zeer goed: het is inderdaad zo in dit model dat wanneer de vorige waarde hoog is, de volgende dat ook is. Is de vorige waarde klein, zal de volgende dat ook zijn. Ook grafisch kunnen we dit vaststellen. Dit bekomen we ook omdat we een langzame evolutie kunnen waarnemen. Dit wijst dus nogmaals op een positieve correlatie. Een negatieve autocorrelatie zouden daarentegen kunnen waarnemen wanneer we te maken hadden gehad met een grafiek die veel harder fluctueert.
We kunnen dus concluderen dat er geen seizoenaliteit is. Het argument omtrent het feit dat alle verticale lijnen buiten het 95% betrouwbaarheidsinterval gelegen zijn en dat we dus niet kunnen spreken van toeval is ook correct. Dit is een typisch kenmerk voor een stochastische trend op lange termijn. Door te differentiëren kunnen we dit verwijderen. Het feit dat de autocorrelatie een belangrijke veroorzaker is van schijncorrelatie zou niet hebben misstaan in de verklaring van de student.

Post a new message

Dataset

Tables (Output of Computation)





Summary of computational transaction
Raw Inputview raw input (R code)
Raw Outputview raw output of R engine
Computing time2 seconds
R Server'Gwilym Jenkins' @ 72.249.127.135

\begin{tabular}{lllllllll}
\hline
Summary of computational transaction \tabularnewline
Raw Input & view raw input (R code)  \tabularnewline
Raw Output & view raw output of R engine  \tabularnewline
Computing time & 2 seconds \tabularnewline
R Server & 'Gwilym Jenkins' @ 72.249.127.135 \tabularnewline
\hline
\end{tabular}
%Source: https://freestatistics.org/blog/index.php?pk=27609&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]2 seconds[/C][/ROW]
[ROW][C]R Server[/C][C]'Gwilym Jenkins' @ 72.249.127.135[/C][/ROW]
[/TABLE]
Source: https://freestatistics.org/blog/index.php?pk=27609&T=0

Globally Unique Identifier (entire table): ba.freestatistics.org/blog/index.php?pk=27609&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 time2 seconds
R Server'Gwilym Jenkins' @ 72.249.127.135


Figures (Output of Computation)

Input Parameters & R Code

Parameters (Session):
par1 = 500 ; par2 = 0.5 ;
Parameters (R input):
par1 = 500 ; par2 = 0.5 ;
R code (references can be found in the software module):
n <- as.numeric(par1)
p <- as.numeric(par2)
heads=rbinom(n-1,1,p)
a=2*(heads)-1
b=diffinv(a,xi=0)
c=1:n
pheads=(diffinv(heads,xi=.5))/c
bitmap(file='test1.png')
op=par(mfrow=c(2,1))
plot(c,b,type='n',main='Law of Averages',xlab='Toss Number',ylab='Excess of Heads',lwd=2,cex.lab=1.5,cex.main=2)
lines(c,b,col='red')
lines(c,rep(0,n),col='black')
plot(c,pheads,type='n',xlab='Toss Number',ylab='Proportion of Heads',lwd=2,cex.lab=1.5)
lines(c,pheads,col='blue')
lines(c,rep(.5,n),col='black')
par(op)
dev.off()
b
bitmap(file='pic1.png')
racf <- acf(b,n/10,main='Autocorrelation',xlab='lags',ylab='ACF')
dev.off()
racf