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 computationSat, 29 Nov 2008 04:04:17 -0700
Cite this page as followsStatistical Computations at FreeStatistics.org, Office for Research Development and Education, URL https://freestatistics.org/blog/index.php?v=date/2008/Nov/29/t12279566946rd8r2w2g4xb8os.htm/, Retrieved Sun, 19 May 2024 06:43:14 +0000
Statistical Computations at FreeStatistics.org, Office for Research Development and Education, URL https://freestatistics.org/blog/index.php?pk=26201, Retrieved Sun, 19 May 2024 06:43:14 +0000
QR Codes:

Original text written by user:
IsPrivate?No (this computation is public)
User-defined keywords
Estimated Impact199

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] [Q2] [2008-11-29 11:04:17] [32a7b12f2bdf14b45f7a9a96ba1ab98d] [Current]
Feedback Forum
2008-12-04 08:49:54 [Julie Govaerts] [reply] 
Er is schijnbaar een negatieve trend. De beurskoers heeft een relatief hoog begin en een relatief laag einde (eerste grafiek) = informatie uit het verleden zegt iets over de toekomst
--> formule random-walk= vorige beurskoers x e(t) DUS als de vorige beurskoers laag was is de kans groot dat de beurskoers de volgende dag ook laag is
--> e(t) = wat aan het toeval toegeschreven kan worden (bv het nieuws wat je te weten komt)

De stippellijnen stellen het 95% betrouwbaarheidsniveau voor. Op het moment dat de verticale lijnen zodanig lang zijn (allemaal erbuiten) dat ze de stippellijnen (en dus het betrouwbaarheidsinterval) passeren zijn de waarden ervan significant verschillend zijn van 0.
Er is een dalend verloop, er is een patroon en dit kan geen toeval zijn.
Hoe vaak we de grafiek ook reproduceren telkens zien we het patroon = dit is typisch voor een stochastische trend op lange termijn (deze kan gemodeleerd = gedifferentieert worden).
Stochastisch = het tegenovergestelde van deterministisch
D.w.z. dat de trend kan veranderen (hoeft dus niet lineair stijgend/dalend te zijn).
2008-12-04 13:51:39 [72e979bcc364082694890d2eccc1a66f] [reply] 
Deze opdracht werd correct uitgevoerd en geïnterpreteerd.

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'Sir Ronald Aylmer Fisher' @ 193.190.124.24

\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 & 'Sir Ronald Aylmer Fisher' @ 193.190.124.24 \tabularnewline
\hline
\end{tabular}
%Source: https://freestatistics.org/blog/index.php?pk=26201&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]'Sir Ronald Aylmer Fisher' @ 193.190.124.24[/C][/ROW]
[/TABLE]
Source: https://freestatistics.org/blog/index.php?pk=26201&T=0

Globally Unique Identifier (entire table): ba.freestatistics.org/blog/index.php?pk=26201&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'Sir Ronald Aylmer Fisher' @ 193.190.124.24


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