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 04:37:28 -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/t1228217934gx1k6rnl3lkexel.htm/, Retrieved Sun, 19 May 2024 00:27:00 +0000
Statistical Computations at FreeStatistics.org, Office for Research Development and Education, URL https://freestatistics.org/blog/index.php?pk=27615, Retrieved Sun, 19 May 2024 00:27:00 +0000
QR Codes:

Original text written by user:
IsPrivate?No (this computation is public)
User-defined keywords
Estimated Impact188

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 18:40:39] [b98453cac15ba1066b407e146608df68]
F         [Law of Averages] [tinneke_debock.wo...] [2008-12-02 11:37:28] [20137734a2343a7bbbd59daaec7ad301] [Current]
Feedback Forum
2008-12-08 13:41:54 [Dave Bellekens] [reply] 
Correcte en zeer volledige uitleg bij de spectrale analyse.
Je ziet in beide grafieken de aanwezigheid van een lange termijn trend opduiken. Bij de cumulatieve periodogram is het de bedoeling om door te differentiëren een grafiek te bekomen dit niet meer trapgewijst verloopt en binnen het betrouwbaarheidsinterval valt dat wordt aangegeven door de stippellijen.
2008-12-08 15:41:57 [Jonas Scheltjens] [reply] 
De student heeft nagelaten te vermelden dat doordat we een spectraal analyse uitvoeren, de trend kan onderzocht worden. Het essentiële hierbij is dat de tijdreeks wordt ontbonden in de sinus- en cosinusfuncties die zich in de tijdreeks voordoen. Wat de student wel juist heeft is dat er in het Raw Periodogram een lange termijn trend aanwezig is en lange periode en de hieraan gekoppelde lage frequentie (aangezien een lage frequentie overeen komt met een lange periode en omgekeerd). De verklaring over het cummulative periodogram is volledig correct. We interpreteren de gegevensvoorstelling hier als volgt: Om 80% (0.8 op Y-as) van de reeks te verklaren is er een lage frequentie nodig (af te lezen op de X-as).De grafiek vertoont inderdaad een zeer steil begin, wat duidt op een lange termijn trend. We zijn niet in staat enige seizoenaliteit waar te nemen aangezien er zich geen trap-patroon voordoet.

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 time1 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 & 1 seconds \tabularnewline
R Server & 'Gwilym Jenkins' @ 72.249.127.135 \tabularnewline
\hline
\end{tabular}
%Source: https://freestatistics.org/blog/index.php?pk=27615&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]1 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=27615&T=0

Globally Unique Identifier (entire table): ba.freestatistics.org/blog/index.php?pk=27615&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 time1 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
x <- b
bitmap(file='test1.png')
r <- spectrum(x,main='Raw Periodogram')
dev.off()
r
bitmap(file='test2.png')
cpgram(x,main='Cumulative Periodogram')
dev.off()