FreeStatistics.org

Free Statistics

of Irreproducible Research!

Description of Statistical Computation

Author's title

Author*Unverified author*
R Software Modulerwasp_rwalk.wasp
Title produced by softwareLaw of Averages
Date of computationTue, 02 Dec 2008 06:19:17 -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/Dec/02/t1228224033rjxy8zw58z965sd.htm/, Retrieved Sat, 18 May 2024 06:11:20 +0000
Statistical Computations at FreeStatistics.org, Office for Research Development and Education, URL https://freestatistics.org/blog/index.php?pk=27736, Retrieved Sat, 18 May 2024 06:11:20 +0000
QR Codes:

Original text written by user:
IsPrivate?No (this computation is public)
User-defined keywords
Estimated Impact187

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] [] [2008-12-02 13:19:17] [d41d8cd98f00b204e9800998ecf8427e] [Current]
Feedback Forum
2008-12-07 17:01:50 [Samira Zeroual] [reply] 
De 2 grafieken van Q1 horen hier ook bij daar is er dan inderdaad sprake van een positieve autocorrelatie. En bij een zeer onevenwichtig verloop zal de autocorrelatie negatief zijn.

Op de autocorrealtieplot is duidelijk te zien dan het niet aan toeval te wijten is dat werd ook gezegd, maar ze zijn ook positief omdat ze boven de betrouwbaarheidsinterval gelegen zijn.

Door te differentiëren kunnen we dit model optimaliseren. Als resultaat hiervan zullen op het autocorrelatieplot de resultaten dan ook binnen het betrouwbaarheidsinterval liggen
2008-12-08 18:03:43 [Tinneke De Bock] [reply] 
Wat je hierbij nog kan vermelden is dat alle autocorrelatiecoëfficiënten significant verschillend van 0, en allemaal positief zijn. Dit kunnen we zien doordat ze allemaal een heel eind boven het betrouwbaarheidsinterval van 95% gelegen zijn. De kans is dus klein dat dit patroon te wijten is aan het toeval. Ook als we het model zouden reproduceren zullen we een gelijkaardig patroon te zien krijgen.
Ook is dit verloop typisch voor een stochastische trend op lange termijn. We dienen dit verloop te verwijderen door differentiatie toe te passen. Autocorrelatie is immers een belangrijke veroorzaker van schijncorrelatie.
2008-12-08 18:32:54 [Marlies Polfliet] [reply] 
De student concludeert terecht dat alle autocorrelaties (= er is voorspelbaarheid op basis van het verleden die niet aan het toeval te wijten is) positief en significant zijn, maar heeft onvoldoende uitgelegd wat dit juist betekent. We kunnen opmerken dat er in de autocorrelatie schijnbaar een trend te zien. De autocorrelatie is positief en we zien een geleidelijke afname. De autocorrelatie is significant verschillend van nul dit kunnen we zien doordat ze overal buiten het 95% betrouwbaarheidsinterval (blauwe stippellijnen) valt, hieruit kunnen we concluderen dat de kans klein is dat dit patroon op toeval berust.

Wanneer er een langzame evolutie is van het niveau is er sprake van autocorrelatie. Bij een zeer wispelturige grafiek zou er sprake zijn van negatieve autocorrelatie. Een autocorrelation plot als deze is typisch voor een stochastische lange termijn trend (=Stochastisch is het tegenovergestelde van deterministisch en betekent dat de trend kan veranderen). We kunnen deze trend echter verwijderen uit de data door differentiatie.

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'George Udny Yule' @ 72.249.76.132

\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 & 'George Udny Yule' @ 72.249.76.132 \tabularnewline
\hline
\end{tabular}
%Source: https://freestatistics.org/blog/index.php?pk=27736&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]'George Udny Yule' @ 72.249.76.132[/C][/ROW]
[/TABLE]
Source: https://freestatistics.org/blog/index.php?pk=27736&T=0

Globally Unique Identifier (entire table): ba.freestatistics.org/blog/index.php?pk=27736&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'George Udny Yule' @ 72.249.76.132


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