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

Wed, 14 Dec 2011 07:59:49 -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/14/t1323867646w1djst8sitkp0vp.htm/, Retrieved Sun, 10 Nov 2024 19:48:37 +0000

Statistical Computations at FreeStatistics.org, Office for Research Development and Education, URL https://freestatistics.org/blog/index.php?pk=154915, Retrieved Sun, 10 Nov 2024 19:48:37 +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

155

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)] [1] [2011-12-14 12:59:49] [5363b79245edacd2d961915f77b3b63a] [Current]
- R PD      [Recursive Partitioning (Regression Trees)] [recursive 2] [2011-12-22 15:01:54] [6bdab4f5b22620afa7d9dc512ad4e377] 
- R PD      [Recursive Partitioning (Regression Trees)] [recursive 3] [2011-12-22 15:06:38] [6bdab4f5b22620afa7d9dc512ad4e377] 

Feedback Forum

Post a new message

Dataseries X:

Download CSV

Histogram

Boxplots

1	78	20	17	30	28
2	46	38	17	42	39
3	18	0	0	0	0
4	84	49	22	54	54
5	125	74	30	86	80
6	215	104	31	157	144
7	50	37	19	36	36
8	48	53	25	48	48
9	37	42	30	45	42
10	86	62	26	77	71
11	69	50	20	49	49
12	59	65	25	77	74
13	85	28	15	28	27
14	84	48	22	84	83
15	44	42	12	31	31
16	67	47	19	28	28
17	49	71	28	99	98
18	47	0	12	2	2
19	77	50	28	41	43
20	20	12	13	25	24
21	49	16	14	16	16
22	81	76	27	96	95
23	58	29	25	23	22
24	45	38	30	33	33
25	73	50	18	46	45
26	22	33	17	59	59
27	138	45	22	72	66
28	74	59	28	72	70
29	102	49	25	62	56
30	35	40	16	55	55
31	39	40	23	27	27
32	38	51	20	41	37
33	88	41	11	51	48
34	102	73	20	26	26
35	42	43	21	65	64
36	1	0	0	0	0
37	54	46	27	28	21
38	46	44	14	44	44
39	41	31	29	36	36
40	49	71	31	100	89
41	56	61	19	104	101
42	47	28	30	35	31
43	25	21	23	69	65
44	62	42	20	73	71
45	41	44	22	106	102
46	72	34	19	53	53
47	26	15	32	43	41
48	77	46	18	49	46
49	75	43	26	38	37
50	51	47	25	51	51
51	28	12	22	14	14
52	54	42	19	40	40
53	64	56	24	79	77
54	67	41	26	52	51
55	48	48	27	44	43
56	44	30	10	34	33
57	55	44	26	47	47
58	17	25	21	32	31
59	55	42	21	31	31
60	72	28	34	40	40
61	47	33	29	42	42
62	62	32	18	34	35
63	45	28	16	40	40
64	29	31	23	35	30
65	25	13	22	11	11
66	37	38	29	43	41
67	60	39	31	53	53
68	57	68	21	82	82
69	32	32	21	41	41
70	15	5	21	6	6
71	102	53	15	82	81
72	52	33	9	47	47
73	53	48	21	108	100
74	58	36	18	46	46
75	51	52	31	38	38
76	31	0	24	0	0
77	50	52	24	45	45
78	78	45	22	57	56
79	23	16	21	20	18
80	66	33	26	56	54
81	56	48	22	38	37
82	51	33	26	42	40
83	24	24	20	37	37
84	32	37	25	36	36
85	36	16	19	34	34
86	42	32	22	53	49
87	180	48	25	85	82
88	83	36	19	36	36
89	46	29	21	33	33
90	40	26	20	57	55
91	33	37	23	50	50
92	66	58	22	71	71
93	52	35	21	32	31
94	51	24	12	45	42
95	30	18	9	33	31
96	89	37	32	53	51
97	49	86	24	64	64
98	12	13	1	14	14
99	83	20	24	38	37
100	51	32	20	39	37
101	24	8	4	8	8
102	19	38	15	38	38
103	44	45	21	24	23
104	52	24	23	22	22
105	35	23	12	18	18
106	22	2	16	3	1
107	32	52	24	49	48
108	22	5	9	5	5
109	0	0	0	0	0
110	26	43	22	47	46
111	48	18	17	33	33
112	35	41	18	44	41
113	47	45	21	56	57
114	55	29	17	49	49
115	5	0	0	0	0
116	0	0	0	0	0
117	37	32	20	45	45
118	65	58	26	78	78
119	81	17	26	51	46
120	32	24	20	25	25
121	19	7	1	1	1
122	58	62	24	62	59
123	33	30	14	29	29
124	42	49	26	26	26
125	37	3	12	4	4
126	12	10	2	10	10
127	41	42	16	43	43
128	23	18	22	36	36
129	35	40	28	43	41
130	9	1	2	0	0
131	9	0	0	0	0
132	49	29	17	33	32
133	3	0	1	0	0
134	41	46	17	53	53
135	3	5	0	0	0
136	16	8	4	6	6
137	0	0	0	0	0
138	41	21	25	19	18
139	31	21	26	26	26
140	4	0	0	0	0
141	11	0	0	0	0
142	20	15	15	16	16
143	40	40	18	84	84
144	16	17	19	28	22

Summary of computational transaction
Raw Input	view raw input (R code)
Raw Output	view raw output of R engine
Computing time	5 seconds
R Server	'George Udny Yule' @ yule.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 & 5 seconds \tabularnewline
R Server & 'George Udny Yule' @ yule.wessa.net \tabularnewline
\hline
\end{tabular}
%Source: https://freestatistics.org/blog/index.php?pk=154915&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]5 seconds[/C][/ROW]
[ROW][C]R Server[/C][C]'George Udny Yule' @ yule.wessa.net[/C][/ROW]
[/TABLE]
Source: https://freestatistics.org/blog/index.php?pk=154915&T=0

Globally Unique Identifier (entire table): ba.freestatistics.org/blog/index.php?pk=154915&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	5 seconds
R Server	'George Udny Yule' @ yule.wessa.net

Goodness of Fit
Correlation	0.9825
R-squared	0.9652
RMSE	5.0487

\begin{tabular}{lllllllll}
\hline
Goodness of Fit \tabularnewline
Correlation & 0.9825 \tabularnewline
R-squared & 0.9652 \tabularnewline
RMSE & 5.0487 \tabularnewline
\hline
\end{tabular}
%Source: https://freestatistics.org/blog/index.php?pk=154915&T=1

[TABLE]
[ROW][C]Goodness of Fit[/C][/ROW]
[ROW][C]Correlation[/C][C]0.9825[/C][/ROW]
[ROW][C]R-squared[/C][C]0.9652[/C][/ROW]
[ROW][C]RMSE[/C][C]5.0487[/C][/ROW]
[/TABLE]
Source: https://freestatistics.org/blog/index.php?pk=154915&T=1

Globally Unique Identifier (entire table): ba.freestatistics.org/blog/index.php?pk=154915&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	0.9825
R-squared	0.9652
RMSE	5.0487

Actuals, Predictions, and Residuals
#	Actuals	Forecasts	Residuals
1	30	26.3333333333333	3.66666666666667
2	42	41.8	0.200000000000003
3	0	0	0
4	54	58.8181818181818	-4.81818181818182
5	86	78.0666666666667	7.93333333333334
6	157	110	47
7	36	37.4615384615385	-1.46153846153846
8	48	50.0526315789474	-2.05263157894737
9	45	44	1
10	77	78.0666666666667	-1.06666666666666
11	49	50.0526315789474	-1.05263157894737
12	77	78.0666666666667	-1.06666666666666
13	28	26.3333333333333	1.66666666666667
14	84	78.0666666666667	5.93333333333334
15	31	33.0714285714286	-2.07142857142857
16	28	26.3333333333333	1.66666666666667
17	99	110	-11
18	2	4.375	-2.375
19	41	44	-3
20	25	26.3333333333333	-1.33333333333333
21	16	15.3333333333333	0.666666666666666
22	96	110	-14
23	23	26.3333333333333	-3.33333333333333
24	33	33.0714285714286	-0.0714285714285694
25	46	44	2
26	59	58.8181818181818	0.18181818181818
27	72	78.0666666666667	-6.06666666666666
28	72	78.0666666666667	-6.06666666666666
29	62	58.8181818181818	3.18181818181818
30	55	58.8181818181818	-3.81818181818182
31	27	26.3333333333333	0.666666666666668
32	41	37.4615384615385	3.53846153846154
33	51	50.0526315789474	0.94736842105263
34	26	26.3333333333333	-0.333333333333332
35	65	58.8181818181818	6.18181818181818
36	0	0	0
37	28	26.3333333333333	1.66666666666667
38	44	44	0
39	36	37.4615384615385	-1.46153846153846
40	100	110	-10
41	104	110	-6
42	35	33.0714285714286	1.92857142857143
43	69	78.0666666666667	-9.06666666666666
44	73	78.0666666666667	-5.06666666666666
45	106	110	-4
46	53	50.0526315789474	2.94736842105263
47	43	41.8	1.2
48	49	50.0526315789474	-1.05263157894737
49	38	37.4615384615385	0.53846153846154
50	51	50.0526315789474	0.94736842105263
51	14	15.3333333333333	-1.33333333333333
52	40	41.8	-1.8
53	79	78.0666666666667	0.933333333333337
54	52	50.0526315789474	1.94736842105263
55	44	44	0
56	34	33.0714285714286	0.92857142857143
57	47	50.0526315789474	-3.05263157894737
58	32	33.0714285714286	-1.07142857142857
59	31	33.0714285714286	-2.07142857142857
60	40	41.8	-1.8
61	42	44	-2
62	34	33.0714285714286	0.92857142857143
63	40	41.8	-1.8
64	35	33.0714285714286	1.92857142857143
65	11	15.3333333333333	-4.33333333333333
66	43	41.8	1.2
67	53	50.0526315789474	2.94736842105263
68	82	78.0666666666667	3.93333333333334
69	41	41.8	-0.799999999999997
70	6	4.375	1.625
71	82	78.0666666666667	3.93333333333334
72	47	50.0526315789474	-3.05263157894737
73	108	110	-2
74	46	50.0526315789474	-4.05263157894737
75	38	37.4615384615385	0.53846153846154
76	0	0	0
77	45	44	1
78	57	58.8181818181818	-1.81818181818182
79	20	15.3333333333333	4.66666666666667
80	56	58.8181818181818	-2.81818181818182
81	38	37.4615384615385	0.53846153846154
82	42	41.8	0.200000000000003
83	37	37.4615384615385	-0.46153846153846
84	36	37.4615384615385	-1.46153846153846
85	34	33.0714285714286	0.92857142857143
86	53	50.0526315789474	2.94736842105263
87	85	78.0666666666667	6.93333333333334
88	36	37.4615384615385	-1.46153846153846
89	33	33.0714285714286	-0.0714285714285694
90	57	58.8181818181818	-1.81818181818182
91	50	50.0526315789474	-0.0526315789473699
92	71	78.0666666666667	-7.06666666666666
93	32	33.0714285714286	-1.07142857142857
94	45	44	1
95	33	33.0714285714286	-0.0714285714285694
96	53	50.0526315789474	2.94736842105263
97	64	58.8181818181818	5.18181818181818
98	14	15.3333333333333	-1.33333333333333
99	38	37.4615384615385	0.53846153846154
100	39	37.4615384615385	1.53846153846154
101	8	4.375	3.625
102	38	37.4615384615385	0.53846153846154
103	24	26.3333333333333	-2.33333333333333
104	22	26.3333333333333	-4.33333333333333
105	18	15.3333333333333	2.66666666666667
106	3	4.375	-1.375
107	49	50.0526315789474	-1.05263157894737
108	5	4.375	0.625
109	0	0	0
110	47	50.0526315789474	-3.05263157894737
111	33	33.0714285714286	-0.0714285714285694
112	44	41.8	2.2
113	56	58.8181818181818	-2.81818181818182
114	49	50.0526315789474	-1.05263157894737
115	0	0	0
116	0	0	0
117	45	44	1
118	78	78.0666666666667	-0.0666666666666629
119	51	50.0526315789474	0.94736842105263
120	25	26.3333333333333	-1.33333333333333
121	1	4.375	-3.375
122	62	58.8181818181818	3.18181818181818
123	29	26.3333333333333	2.66666666666667
124	26	26.3333333333333	-0.333333333333332
125	4	4.375	-0.375
126	10	15.3333333333333	-5.33333333333333
127	43	44	-1
128	36	37.4615384615385	-1.46153846153846
129	43	41.8	1.2
130	0	0	0
131	0	0	0
132	33	33.0714285714286	-0.0714285714285694
133	0	0	0
134	53	50.0526315789474	2.94736842105263
135	0	0	0
136	6	4.375	1.625
137	0	0	0
138	19	15.3333333333333	3.66666666666667
139	26	26.3333333333333	-0.333333333333332
140	0	0	0
141	0	0	0
142	16	15.3333333333333	0.666666666666666
143	84	78.0666666666667	5.93333333333334
144	28	26.3333333333333	1.66666666666667

\begin{tabular}{lllllllll}
\hline
Actuals, Predictions, and Residuals \tabularnewline
# & Actuals & Forecasts & Residuals \tabularnewline
1 & 30 & 26.3333333333333 & 3.66666666666667 \tabularnewline
2 & 42 & 41.8 & 0.200000000000003 \tabularnewline
3 & 0 & 0 & 0 \tabularnewline
4 & 54 & 58.8181818181818 & -4.81818181818182 \tabularnewline
5 & 86 & 78.0666666666667 & 7.93333333333334 \tabularnewline
6 & 157 & 110 & 47 \tabularnewline
7 & 36 & 37.4615384615385 & -1.46153846153846 \tabularnewline
8 & 48 & 50.0526315789474 & -2.05263157894737 \tabularnewline
9 & 45 & 44 & 1 \tabularnewline
10 & 77 & 78.0666666666667 & -1.06666666666666 \tabularnewline
11 & 49 & 50.0526315789474 & -1.05263157894737 \tabularnewline
12 & 77 & 78.0666666666667 & -1.06666666666666 \tabularnewline
13 & 28 & 26.3333333333333 & 1.66666666666667 \tabularnewline
14 & 84 & 78.0666666666667 & 5.93333333333334 \tabularnewline
15 & 31 & 33.0714285714286 & -2.07142857142857 \tabularnewline
16 & 28 & 26.3333333333333 & 1.66666666666667 \tabularnewline
17 & 99 & 110 & -11 \tabularnewline
18 & 2 & 4.375 & -2.375 \tabularnewline
19 & 41 & 44 & -3 \tabularnewline
20 & 25 & 26.3333333333333 & -1.33333333333333 \tabularnewline
21 & 16 & 15.3333333333333 & 0.666666666666666 \tabularnewline
22 & 96 & 110 & -14 \tabularnewline
23 & 23 & 26.3333333333333 & -3.33333333333333 \tabularnewline
24 & 33 & 33.0714285714286 & -0.0714285714285694 \tabularnewline
25 & 46 & 44 & 2 \tabularnewline
26 & 59 & 58.8181818181818 & 0.18181818181818 \tabularnewline
27 & 72 & 78.0666666666667 & -6.06666666666666 \tabularnewline
28 & 72 & 78.0666666666667 & -6.06666666666666 \tabularnewline
29 & 62 & 58.8181818181818 & 3.18181818181818 \tabularnewline
30 & 55 & 58.8181818181818 & -3.81818181818182 \tabularnewline
31 & 27 & 26.3333333333333 & 0.666666666666668 \tabularnewline
32 & 41 & 37.4615384615385 & 3.53846153846154 \tabularnewline
33 & 51 & 50.0526315789474 & 0.94736842105263 \tabularnewline
34 & 26 & 26.3333333333333 & -0.333333333333332 \tabularnewline
35 & 65 & 58.8181818181818 & 6.18181818181818 \tabularnewline
36 & 0 & 0 & 0 \tabularnewline
37 & 28 & 26.3333333333333 & 1.66666666666667 \tabularnewline
38 & 44 & 44 & 0 \tabularnewline
39 & 36 & 37.4615384615385 & -1.46153846153846 \tabularnewline
40 & 100 & 110 & -10 \tabularnewline
41 & 104 & 110 & -6 \tabularnewline
42 & 35 & 33.0714285714286 & 1.92857142857143 \tabularnewline
43 & 69 & 78.0666666666667 & -9.06666666666666 \tabularnewline
44 & 73 & 78.0666666666667 & -5.06666666666666 \tabularnewline
45 & 106 & 110 & -4 \tabularnewline
46 & 53 & 50.0526315789474 & 2.94736842105263 \tabularnewline
47 & 43 & 41.8 & 1.2 \tabularnewline
48 & 49 & 50.0526315789474 & -1.05263157894737 \tabularnewline
49 & 38 & 37.4615384615385 & 0.53846153846154 \tabularnewline
50 & 51 & 50.0526315789474 & 0.94736842105263 \tabularnewline
51 & 14 & 15.3333333333333 & -1.33333333333333 \tabularnewline
52 & 40 & 41.8 & -1.8 \tabularnewline
53 & 79 & 78.0666666666667 & 0.933333333333337 \tabularnewline
54 & 52 & 50.0526315789474 & 1.94736842105263 \tabularnewline
55 & 44 & 44 & 0 \tabularnewline
56 & 34 & 33.0714285714286 & 0.92857142857143 \tabularnewline
57 & 47 & 50.0526315789474 & -3.05263157894737 \tabularnewline
58 & 32 & 33.0714285714286 & -1.07142857142857 \tabularnewline
59 & 31 & 33.0714285714286 & -2.07142857142857 \tabularnewline
60 & 40 & 41.8 & -1.8 \tabularnewline
61 & 42 & 44 & -2 \tabularnewline
62 & 34 & 33.0714285714286 & 0.92857142857143 \tabularnewline
63 & 40 & 41.8 & -1.8 \tabularnewline
64 & 35 & 33.0714285714286 & 1.92857142857143 \tabularnewline
65 & 11 & 15.3333333333333 & -4.33333333333333 \tabularnewline
66 & 43 & 41.8 & 1.2 \tabularnewline
67 & 53 & 50.0526315789474 & 2.94736842105263 \tabularnewline
68 & 82 & 78.0666666666667 & 3.93333333333334 \tabularnewline
69 & 41 & 41.8 & -0.799999999999997 \tabularnewline
70 & 6 & 4.375 & 1.625 \tabularnewline
71 & 82 & 78.0666666666667 & 3.93333333333334 \tabularnewline
72 & 47 & 50.0526315789474 & -3.05263157894737 \tabularnewline
73 & 108 & 110 & -2 \tabularnewline
74 & 46 & 50.0526315789474 & -4.05263157894737 \tabularnewline
75 & 38 & 37.4615384615385 & 0.53846153846154 \tabularnewline
76 & 0 & 0 & 0 \tabularnewline
77 & 45 & 44 & 1 \tabularnewline
78 & 57 & 58.8181818181818 & -1.81818181818182 \tabularnewline
79 & 20 & 15.3333333333333 & 4.66666666666667 \tabularnewline
80 & 56 & 58.8181818181818 & -2.81818181818182 \tabularnewline
81 & 38 & 37.4615384615385 & 0.53846153846154 \tabularnewline
82 & 42 & 41.8 & 0.200000000000003 \tabularnewline
83 & 37 & 37.4615384615385 & -0.46153846153846 \tabularnewline
84 & 36 & 37.4615384615385 & -1.46153846153846 \tabularnewline
85 & 34 & 33.0714285714286 & 0.92857142857143 \tabularnewline
86 & 53 & 50.0526315789474 & 2.94736842105263 \tabularnewline
87 & 85 & 78.0666666666667 & 6.93333333333334 \tabularnewline
88 & 36 & 37.4615384615385 & -1.46153846153846 \tabularnewline
89 & 33 & 33.0714285714286 & -0.0714285714285694 \tabularnewline
90 & 57 & 58.8181818181818 & -1.81818181818182 \tabularnewline
91 & 50 & 50.0526315789474 & -0.0526315789473699 \tabularnewline
92 & 71 & 78.0666666666667 & -7.06666666666666 \tabularnewline
93 & 32 & 33.0714285714286 & -1.07142857142857 \tabularnewline
94 & 45 & 44 & 1 \tabularnewline
95 & 33 & 33.0714285714286 & -0.0714285714285694 \tabularnewline
96 & 53 & 50.0526315789474 & 2.94736842105263 \tabularnewline
97 & 64 & 58.8181818181818 & 5.18181818181818 \tabularnewline
98 & 14 & 15.3333333333333 & -1.33333333333333 \tabularnewline
99 & 38 & 37.4615384615385 & 0.53846153846154 \tabularnewline
100 & 39 & 37.4615384615385 & 1.53846153846154 \tabularnewline
101 & 8 & 4.375 & 3.625 \tabularnewline
102 & 38 & 37.4615384615385 & 0.53846153846154 \tabularnewline
103 & 24 & 26.3333333333333 & -2.33333333333333 \tabularnewline
104 & 22 & 26.3333333333333 & -4.33333333333333 \tabularnewline
105 & 18 & 15.3333333333333 & 2.66666666666667 \tabularnewline
106 & 3 & 4.375 & -1.375 \tabularnewline
107 & 49 & 50.0526315789474 & -1.05263157894737 \tabularnewline
108 & 5 & 4.375 & 0.625 \tabularnewline
109 & 0 & 0 & 0 \tabularnewline
110 & 47 & 50.0526315789474 & -3.05263157894737 \tabularnewline
111 & 33 & 33.0714285714286 & -0.0714285714285694 \tabularnewline
112 & 44 & 41.8 & 2.2 \tabularnewline
113 & 56 & 58.8181818181818 & -2.81818181818182 \tabularnewline
114 & 49 & 50.0526315789474 & -1.05263157894737 \tabularnewline
115 & 0 & 0 & 0 \tabularnewline
116 & 0 & 0 & 0 \tabularnewline
117 & 45 & 44 & 1 \tabularnewline
118 & 78 & 78.0666666666667 & -0.0666666666666629 \tabularnewline
119 & 51 & 50.0526315789474 & 0.94736842105263 \tabularnewline
120 & 25 & 26.3333333333333 & -1.33333333333333 \tabularnewline
121 & 1 & 4.375 & -3.375 \tabularnewline
122 & 62 & 58.8181818181818 & 3.18181818181818 \tabularnewline
123 & 29 & 26.3333333333333 & 2.66666666666667 \tabularnewline
124 & 26 & 26.3333333333333 & -0.333333333333332 \tabularnewline
125 & 4 & 4.375 & -0.375 \tabularnewline
126 & 10 & 15.3333333333333 & -5.33333333333333 \tabularnewline
127 & 43 & 44 & -1 \tabularnewline
128 & 36 & 37.4615384615385 & -1.46153846153846 \tabularnewline
129 & 43 & 41.8 & 1.2 \tabularnewline
130 & 0 & 0 & 0 \tabularnewline
131 & 0 & 0 & 0 \tabularnewline
132 & 33 & 33.0714285714286 & -0.0714285714285694 \tabularnewline
133 & 0 & 0 & 0 \tabularnewline
134 & 53 & 50.0526315789474 & 2.94736842105263 \tabularnewline
135 & 0 & 0 & 0 \tabularnewline
136 & 6 & 4.375 & 1.625 \tabularnewline
137 & 0 & 0 & 0 \tabularnewline
138 & 19 & 15.3333333333333 & 3.66666666666667 \tabularnewline
139 & 26 & 26.3333333333333 & -0.333333333333332 \tabularnewline
140 & 0 & 0 & 0 \tabularnewline
141 & 0 & 0 & 0 \tabularnewline
142 & 16 & 15.3333333333333 & 0.666666666666666 \tabularnewline
143 & 84 & 78.0666666666667 & 5.93333333333334 \tabularnewline
144 & 28 & 26.3333333333333 & 1.66666666666667 \tabularnewline
\hline
\end{tabular}
%Source: https://freestatistics.org/blog/index.php?pk=154915&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]30[/C][C]26.3333333333333[/C][C]3.66666666666667[/C][/ROW]
[ROW][C]2[/C][C]42[/C][C]41.8[/C][C]0.200000000000003[/C][/ROW]
[ROW][C]3[/C][C]0[/C][C]0[/C][C]0[/C][/ROW]
[ROW][C]4[/C][C]54[/C][C]58.8181818181818[/C][C]-4.81818181818182[/C][/ROW]
[ROW][C]5[/C][C]86[/C][C]78.0666666666667[/C][C]7.93333333333334[/C][/ROW]
[ROW][C]6[/C][C]157[/C][C]110[/C][C]47[/C][/ROW]
[ROW][C]7[/C][C]36[/C][C]37.4615384615385[/C][C]-1.46153846153846[/C][/ROW]
[ROW][C]8[/C][C]48[/C][C]50.0526315789474[/C][C]-2.05263157894737[/C][/ROW]
[ROW][C]9[/C][C]45[/C][C]44[/C][C]1[/C][/ROW]
[ROW][C]10[/C][C]77[/C][C]78.0666666666667[/C][C]-1.06666666666666[/C][/ROW]
[ROW][C]11[/C][C]49[/C][C]50.0526315789474[/C][C]-1.05263157894737[/C][/ROW]
[ROW][C]12[/C][C]77[/C][C]78.0666666666667[/C][C]-1.06666666666666[/C][/ROW]
[ROW][C]13[/C][C]28[/C][C]26.3333333333333[/C][C]1.66666666666667[/C][/ROW]
[ROW][C]14[/C][C]84[/C][C]78.0666666666667[/C][C]5.93333333333334[/C][/ROW]
[ROW][C]15[/C][C]31[/C][C]33.0714285714286[/C][C]-2.07142857142857[/C][/ROW]
[ROW][C]16[/C][C]28[/C][C]26.3333333333333[/C][C]1.66666666666667[/C][/ROW]
[ROW][C]17[/C][C]99[/C][C]110[/C][C]-11[/C][/ROW]
[ROW][C]18[/C][C]2[/C][C]4.375[/C][C]-2.375[/C][/ROW]
[ROW][C]19[/C][C]41[/C][C]44[/C][C]-3[/C][/ROW]
[ROW][C]20[/C][C]25[/C][C]26.3333333333333[/C][C]-1.33333333333333[/C][/ROW]
[ROW][C]21[/C][C]16[/C][C]15.3333333333333[/C][C]0.666666666666666[/C][/ROW]
[ROW][C]22[/C][C]96[/C][C]110[/C][C]-14[/C][/ROW]
[ROW][C]23[/C][C]23[/C][C]26.3333333333333[/C][C]-3.33333333333333[/C][/ROW]
[ROW][C]24[/C][C]33[/C][C]33.0714285714286[/C][C]-0.0714285714285694[/C][/ROW]
[ROW][C]25[/C][C]46[/C][C]44[/C][C]2[/C][/ROW]
[ROW][C]26[/C][C]59[/C][C]58.8181818181818[/C][C]0.18181818181818[/C][/ROW]
[ROW][C]27[/C][C]72[/C][C]78.0666666666667[/C][C]-6.06666666666666[/C][/ROW]
[ROW][C]28[/C][C]72[/C][C]78.0666666666667[/C][C]-6.06666666666666[/C][/ROW]
[ROW][C]29[/C][C]62[/C][C]58.8181818181818[/C][C]3.18181818181818[/C][/ROW]
[ROW][C]30[/C][C]55[/C][C]58.8181818181818[/C][C]-3.81818181818182[/C][/ROW]
[ROW][C]31[/C][C]27[/C][C]26.3333333333333[/C][C]0.666666666666668[/C][/ROW]
[ROW][C]32[/C][C]41[/C][C]37.4615384615385[/C][C]3.53846153846154[/C][/ROW]
[ROW][C]33[/C][C]51[/C][C]50.0526315789474[/C][C]0.94736842105263[/C][/ROW]
[ROW][C]34[/C][C]26[/C][C]26.3333333333333[/C][C]-0.333333333333332[/C][/ROW]
[ROW][C]35[/C][C]65[/C][C]58.8181818181818[/C][C]6.18181818181818[/C][/ROW]
[ROW][C]36[/C][C]0[/C][C]0[/C][C]0[/C][/ROW]
[ROW][C]37[/C][C]28[/C][C]26.3333333333333[/C][C]1.66666666666667[/C][/ROW]
[ROW][C]38[/C][C]44[/C][C]44[/C][C]0[/C][/ROW]
[ROW][C]39[/C][C]36[/C][C]37.4615384615385[/C][C]-1.46153846153846[/C][/ROW]
[ROW][C]40[/C][C]100[/C][C]110[/C][C]-10[/C][/ROW]
[ROW][C]41[/C][C]104[/C][C]110[/C][C]-6[/C][/ROW]
[ROW][C]42[/C][C]35[/C][C]33.0714285714286[/C][C]1.92857142857143[/C][/ROW]
[ROW][C]43[/C][C]69[/C][C]78.0666666666667[/C][C]-9.06666666666666[/C][/ROW]
[ROW][C]44[/C][C]73[/C][C]78.0666666666667[/C][C]-5.06666666666666[/C][/ROW]
[ROW][C]45[/C][C]106[/C][C]110[/C][C]-4[/C][/ROW]
[ROW][C]46[/C][C]53[/C][C]50.0526315789474[/C][C]2.94736842105263[/C][/ROW]
[ROW][C]47[/C][C]43[/C][C]41.8[/C][C]1.2[/C][/ROW]
[ROW][C]48[/C][C]49[/C][C]50.0526315789474[/C][C]-1.05263157894737[/C][/ROW]
[ROW][C]49[/C][C]38[/C][C]37.4615384615385[/C][C]0.53846153846154[/C][/ROW]
[ROW][C]50[/C][C]51[/C][C]50.0526315789474[/C][C]0.94736842105263[/C][/ROW]
[ROW][C]51[/C][C]14[/C][C]15.3333333333333[/C][C]-1.33333333333333[/C][/ROW]
[ROW][C]52[/C][C]40[/C][C]41.8[/C][C]-1.8[/C][/ROW]
[ROW][C]53[/C][C]79[/C][C]78.0666666666667[/C][C]0.933333333333337[/C][/ROW]
[ROW][C]54[/C][C]52[/C][C]50.0526315789474[/C][C]1.94736842105263[/C][/ROW]
[ROW][C]55[/C][C]44[/C][C]44[/C][C]0[/C][/ROW]
[ROW][C]56[/C][C]34[/C][C]33.0714285714286[/C][C]0.92857142857143[/C][/ROW]
[ROW][C]57[/C][C]47[/C][C]50.0526315789474[/C][C]-3.05263157894737[/C][/ROW]
[ROW][C]58[/C][C]32[/C][C]33.0714285714286[/C][C]-1.07142857142857[/C][/ROW]
[ROW][C]59[/C][C]31[/C][C]33.0714285714286[/C][C]-2.07142857142857[/C][/ROW]
[ROW][C]60[/C][C]40[/C][C]41.8[/C][C]-1.8[/C][/ROW]
[ROW][C]61[/C][C]42[/C][C]44[/C][C]-2[/C][/ROW]
[ROW][C]62[/C][C]34[/C][C]33.0714285714286[/C][C]0.92857142857143[/C][/ROW]
[ROW][C]63[/C][C]40[/C][C]41.8[/C][C]-1.8[/C][/ROW]
[ROW][C]64[/C][C]35[/C][C]33.0714285714286[/C][C]1.92857142857143[/C][/ROW]
[ROW][C]65[/C][C]11[/C][C]15.3333333333333[/C][C]-4.33333333333333[/C][/ROW]
[ROW][C]66[/C][C]43[/C][C]41.8[/C][C]1.2[/C][/ROW]
[ROW][C]67[/C][C]53[/C][C]50.0526315789474[/C][C]2.94736842105263[/C][/ROW]
[ROW][C]68[/C][C]82[/C][C]78.0666666666667[/C][C]3.93333333333334[/C][/ROW]
[ROW][C]69[/C][C]41[/C][C]41.8[/C][C]-0.799999999999997[/C][/ROW]
[ROW][C]70[/C][C]6[/C][C]4.375[/C][C]1.625[/C][/ROW]
[ROW][C]71[/C][C]82[/C][C]78.0666666666667[/C][C]3.93333333333334[/C][/ROW]
[ROW][C]72[/C][C]47[/C][C]50.0526315789474[/C][C]-3.05263157894737[/C][/ROW]
[ROW][C]73[/C][C]108[/C][C]110[/C][C]-2[/C][/ROW]
[ROW][C]74[/C][C]46[/C][C]50.0526315789474[/C][C]-4.05263157894737[/C][/ROW]
[ROW][C]75[/C][C]38[/C][C]37.4615384615385[/C][C]0.53846153846154[/C][/ROW]
[ROW][C]76[/C][C]0[/C][C]0[/C][C]0[/C][/ROW]
[ROW][C]77[/C][C]45[/C][C]44[/C][C]1[/C][/ROW]
[ROW][C]78[/C][C]57[/C][C]58.8181818181818[/C][C]-1.81818181818182[/C][/ROW]
[ROW][C]79[/C][C]20[/C][C]15.3333333333333[/C][C]4.66666666666667[/C][/ROW]
[ROW][C]80[/C][C]56[/C][C]58.8181818181818[/C][C]-2.81818181818182[/C][/ROW]
[ROW][C]81[/C][C]38[/C][C]37.4615384615385[/C][C]0.53846153846154[/C][/ROW]
[ROW][C]82[/C][C]42[/C][C]41.8[/C][C]0.200000000000003[/C][/ROW]
[ROW][C]83[/C][C]37[/C][C]37.4615384615385[/C][C]-0.46153846153846[/C][/ROW]
[ROW][C]84[/C][C]36[/C][C]37.4615384615385[/C][C]-1.46153846153846[/C][/ROW]
[ROW][C]85[/C][C]34[/C][C]33.0714285714286[/C][C]0.92857142857143[/C][/ROW]
[ROW][C]86[/C][C]53[/C][C]50.0526315789474[/C][C]2.94736842105263[/C][/ROW]
[ROW][C]87[/C][C]85[/C][C]78.0666666666667[/C][C]6.93333333333334[/C][/ROW]
[ROW][C]88[/C][C]36[/C][C]37.4615384615385[/C][C]-1.46153846153846[/C][/ROW]
[ROW][C]89[/C][C]33[/C][C]33.0714285714286[/C][C]-0.0714285714285694[/C][/ROW]
[ROW][C]90[/C][C]57[/C][C]58.8181818181818[/C][C]-1.81818181818182[/C][/ROW]
[ROW][C]91[/C][C]50[/C][C]50.0526315789474[/C][C]-0.0526315789473699[/C][/ROW]
[ROW][C]92[/C][C]71[/C][C]78.0666666666667[/C][C]-7.06666666666666[/C][/ROW]
[ROW][C]93[/C][C]32[/C][C]33.0714285714286[/C][C]-1.07142857142857[/C][/ROW]
[ROW][C]94[/C][C]45[/C][C]44[/C][C]1[/C][/ROW]
[ROW][C]95[/C][C]33[/C][C]33.0714285714286[/C][C]-0.0714285714285694[/C][/ROW]
[ROW][C]96[/C][C]53[/C][C]50.0526315789474[/C][C]2.94736842105263[/C][/ROW]
[ROW][C]97[/C][C]64[/C][C]58.8181818181818[/C][C]5.18181818181818[/C][/ROW]
[ROW][C]98[/C][C]14[/C][C]15.3333333333333[/C][C]-1.33333333333333[/C][/ROW]
[ROW][C]99[/C][C]38[/C][C]37.4615384615385[/C][C]0.53846153846154[/C][/ROW]
[ROW][C]100[/C][C]39[/C][C]37.4615384615385[/C][C]1.53846153846154[/C][/ROW]
[ROW][C]101[/C][C]8[/C][C]4.375[/C][C]3.625[/C][/ROW]
[ROW][C]102[/C][C]38[/C][C]37.4615384615385[/C][C]0.53846153846154[/C][/ROW]
[ROW][C]103[/C][C]24[/C][C]26.3333333333333[/C][C]-2.33333333333333[/C][/ROW]
[ROW][C]104[/C][C]22[/C][C]26.3333333333333[/C][C]-4.33333333333333[/C][/ROW]
[ROW][C]105[/C][C]18[/C][C]15.3333333333333[/C][C]2.66666666666667[/C][/ROW]
[ROW][C]106[/C][C]3[/C][C]4.375[/C][C]-1.375[/C][/ROW]
[ROW][C]107[/C][C]49[/C][C]50.0526315789474[/C][C]-1.05263157894737[/C][/ROW]
[ROW][C]108[/C][C]5[/C][C]4.375[/C][C]0.625[/C][/ROW]
[ROW][C]109[/C][C]0[/C][C]0[/C][C]0[/C][/ROW]
[ROW][C]110[/C][C]47[/C][C]50.0526315789474[/C][C]-3.05263157894737[/C][/ROW]
[ROW][C]111[/C][C]33[/C][C]33.0714285714286[/C][C]-0.0714285714285694[/C][/ROW]
[ROW][C]112[/C][C]44[/C][C]41.8[/C][C]2.2[/C][/ROW]
[ROW][C]113[/C][C]56[/C][C]58.8181818181818[/C][C]-2.81818181818182[/C][/ROW]
[ROW][C]114[/C][C]49[/C][C]50.0526315789474[/C][C]-1.05263157894737[/C][/ROW]
[ROW][C]115[/C][C]0[/C][C]0[/C][C]0[/C][/ROW]
[ROW][C]116[/C][C]0[/C][C]0[/C][C]0[/C][/ROW]
[ROW][C]117[/C][C]45[/C][C]44[/C][C]1[/C][/ROW]
[ROW][C]118[/C][C]78[/C][C]78.0666666666667[/C][C]-0.0666666666666629[/C][/ROW]
[ROW][C]119[/C][C]51[/C][C]50.0526315789474[/C][C]0.94736842105263[/C][/ROW]
[ROW][C]120[/C][C]25[/C][C]26.3333333333333[/C][C]-1.33333333333333[/C][/ROW]
[ROW][C]121[/C][C]1[/C][C]4.375[/C][C]-3.375[/C][/ROW]
[ROW][C]122[/C][C]62[/C][C]58.8181818181818[/C][C]3.18181818181818[/C][/ROW]
[ROW][C]123[/C][C]29[/C][C]26.3333333333333[/C][C]2.66666666666667[/C][/ROW]
[ROW][C]124[/C][C]26[/C][C]26.3333333333333[/C][C]-0.333333333333332[/C][/ROW]
[ROW][C]125[/C][C]4[/C][C]4.375[/C][C]-0.375[/C][/ROW]
[ROW][C]126[/C][C]10[/C][C]15.3333333333333[/C][C]-5.33333333333333[/C][/ROW]
[ROW][C]127[/C][C]43[/C][C]44[/C][C]-1[/C][/ROW]
[ROW][C]128[/C][C]36[/C][C]37.4615384615385[/C][C]-1.46153846153846[/C][/ROW]
[ROW][C]129[/C][C]43[/C][C]41.8[/C][C]1.2[/C][/ROW]
[ROW][C]130[/C][C]0[/C][C]0[/C][C]0[/C][/ROW]
[ROW][C]131[/C][C]0[/C][C]0[/C][C]0[/C][/ROW]
[ROW][C]132[/C][C]33[/C][C]33.0714285714286[/C][C]-0.0714285714285694[/C][/ROW]
[ROW][C]133[/C][C]0[/C][C]0[/C][C]0[/C][/ROW]
[ROW][C]134[/C][C]53[/C][C]50.0526315789474[/C][C]2.94736842105263[/C][/ROW]
[ROW][C]135[/C][C]0[/C][C]0[/C][C]0[/C][/ROW]
[ROW][C]136[/C][C]6[/C][C]4.375[/C][C]1.625[/C][/ROW]
[ROW][C]137[/C][C]0[/C][C]0[/C][C]0[/C][/ROW]
[ROW][C]138[/C][C]19[/C][C]15.3333333333333[/C][C]3.66666666666667[/C][/ROW]
[ROW][C]139[/C][C]26[/C][C]26.3333333333333[/C][C]-0.333333333333332[/C][/ROW]
[ROW][C]140[/C][C]0[/C][C]0[/C][C]0[/C][/ROW]
[ROW][C]141[/C][C]0[/C][C]0[/C][C]0[/C][/ROW]
[ROW][C]142[/C][C]16[/C][C]15.3333333333333[/C][C]0.666666666666666[/C][/ROW]
[ROW][C]143[/C][C]84[/C][C]78.0666666666667[/C][C]5.93333333333334[/C][/ROW]
[ROW][C]144[/C][C]28[/C][C]26.3333333333333[/C][C]1.66666666666667[/C][/ROW]
[/TABLE]
Source: https://freestatistics.org/blog/index.php?pk=154915&T=2

Globally Unique Identifier (entire table): ba.freestatistics.org/blog/index.php?pk=154915&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	30	26.3333333333333	3.66666666666667
2	42	41.8	0.200000000000003
3	0	0	0
4	54	58.8181818181818	-4.81818181818182
5	86	78.0666666666667	7.93333333333334
6	157	110	47
7	36	37.4615384615385	-1.46153846153846
8	48	50.0526315789474	-2.05263157894737
9	45	44	1
10	77	78.0666666666667	-1.06666666666666
11	49	50.0526315789474	-1.05263157894737
12	77	78.0666666666667	-1.06666666666666
13	28	26.3333333333333	1.66666666666667
14	84	78.0666666666667	5.93333333333334
15	31	33.0714285714286	-2.07142857142857
16	28	26.3333333333333	1.66666666666667
17	99	110	-11
18	2	4.375	-2.375
19	41	44	-3
20	25	26.3333333333333	-1.33333333333333
21	16	15.3333333333333	0.666666666666666
22	96	110	-14
23	23	26.3333333333333	-3.33333333333333
24	33	33.0714285714286	-0.0714285714285694
25	46	44	2
26	59	58.8181818181818	0.18181818181818
27	72	78.0666666666667	-6.06666666666666
28	72	78.0666666666667	-6.06666666666666
29	62	58.8181818181818	3.18181818181818
30	55	58.8181818181818	-3.81818181818182
31	27	26.3333333333333	0.666666666666668
32	41	37.4615384615385	3.53846153846154
33	51	50.0526315789474	0.94736842105263
34	26	26.3333333333333	-0.333333333333332
35	65	58.8181818181818	6.18181818181818
36	0	0	0
37	28	26.3333333333333	1.66666666666667
38	44	44	0
39	36	37.4615384615385	-1.46153846153846
40	100	110	-10
41	104	110	-6
42	35	33.0714285714286	1.92857142857143
43	69	78.0666666666667	-9.06666666666666
44	73	78.0666666666667	-5.06666666666666
45	106	110	-4
46	53	50.0526315789474	2.94736842105263
47	43	41.8	1.2
48	49	50.0526315789474	-1.05263157894737
49	38	37.4615384615385	0.53846153846154
50	51	50.0526315789474	0.94736842105263
51	14	15.3333333333333	-1.33333333333333
52	40	41.8	-1.8
53	79	78.0666666666667	0.933333333333337
54	52	50.0526315789474	1.94736842105263
55	44	44	0
56	34	33.0714285714286	0.92857142857143
57	47	50.0526315789474	-3.05263157894737
58	32	33.0714285714286	-1.07142857142857
59	31	33.0714285714286	-2.07142857142857
60	40	41.8	-1.8
61	42	44	-2
62	34	33.0714285714286	0.92857142857143
63	40	41.8	-1.8
64	35	33.0714285714286	1.92857142857143
65	11	15.3333333333333	-4.33333333333333
66	43	41.8	1.2
67	53	50.0526315789474	2.94736842105263
68	82	78.0666666666667	3.93333333333334
69	41	41.8	-0.799999999999997
70	6	4.375	1.625
71	82	78.0666666666667	3.93333333333334
72	47	50.0526315789474	-3.05263157894737
73	108	110	-2
74	46	50.0526315789474	-4.05263157894737
75	38	37.4615384615385	0.53846153846154
76	0	0	0
77	45	44	1
78	57	58.8181818181818	-1.81818181818182
79	20	15.3333333333333	4.66666666666667
80	56	58.8181818181818	-2.81818181818182
81	38	37.4615384615385	0.53846153846154
82	42	41.8	0.200000000000003
83	37	37.4615384615385	-0.46153846153846
84	36	37.4615384615385	-1.46153846153846
85	34	33.0714285714286	0.92857142857143
86	53	50.0526315789474	2.94736842105263
87	85	78.0666666666667	6.93333333333334
88	36	37.4615384615385	-1.46153846153846
89	33	33.0714285714286	-0.0714285714285694
90	57	58.8181818181818	-1.81818181818182
91	50	50.0526315789474	-0.0526315789473699
92	71	78.0666666666667	-7.06666666666666
93	32	33.0714285714286	-1.07142857142857
94	45	44	1
95	33	33.0714285714286	-0.0714285714285694
96	53	50.0526315789474	2.94736842105263
97	64	58.8181818181818	5.18181818181818
98	14	15.3333333333333	-1.33333333333333
99	38	37.4615384615385	0.53846153846154
100	39	37.4615384615385	1.53846153846154
101	8	4.375	3.625
102	38	37.4615384615385	0.53846153846154
103	24	26.3333333333333	-2.33333333333333
104	22	26.3333333333333	-4.33333333333333
105	18	15.3333333333333	2.66666666666667
106	3	4.375	-1.375
107	49	50.0526315789474	-1.05263157894737
108	5	4.375	0.625
109	0	0	0
110	47	50.0526315789474	-3.05263157894737
111	33	33.0714285714286	-0.0714285714285694
112	44	41.8	2.2
113	56	58.8181818181818	-2.81818181818182
114	49	50.0526315789474	-1.05263157894737
115	0	0	0
116	0	0	0
117	45	44	1
118	78	78.0666666666667	-0.0666666666666629
119	51	50.0526315789474	0.94736842105263
120	25	26.3333333333333	-1.33333333333333
121	1	4.375	-3.375
122	62	58.8181818181818	3.18181818181818
123	29	26.3333333333333	2.66666666666667
124	26	26.3333333333333	-0.333333333333332
125	4	4.375	-0.375
126	10	15.3333333333333	-5.33333333333333
127	43	44	-1
128	36	37.4615384615385	-1.46153846153846
129	43	41.8	1.2
130	0	0	0
131	0	0	0
132	33	33.0714285714286	-0.0714285714285694
133	0	0	0
134	53	50.0526315789474	2.94736842105263
135	0	0	0
136	6	4.375	1.625
137	0	0	0
138	19	15.3333333333333	3.66666666666667
139	26	26.3333333333333	-0.333333333333332
140	0	0	0
141	0	0	0
142	16	15.3333333333333	0.666666666666666
143	84	78.0666666666667	5.93333333333334
144	28	26.3333333333333	1.66666666666667

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 = kendall ;

Parameters (R input):

par1 = 5 ; 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