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_boxcoxnorm.wasp

Title produced by software

Box-Cox Normality Plot

Date of computation

Tue, 11 Nov 2008 10:40:11 -0700

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/2008/Nov/11/t1226425264scav5mhuqk6uzpm.htm/, Retrieved Wed, 15 May 2024 18:00:14 +0000

Statistical Computations at FreeStatistics.org, Office for Research Development and Education, URL https://freestatistics.org/blog/index.php?pk=23771, Retrieved Wed, 15 May 2024 18:00:14 +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)

-     [Bivariate Kernel Density Estimation] [Q1 Bivariate Dens...] [2007-11-03 14:50:57] [e2ec4dc832988c648c062d4cdc574d44]
- RMPD  [Hierarchical Clustering] [WS4 Q2 dendrogram] [2007-11-05 10:02:49] [74be16979710d4c4e7c6647856088456]
- RMPD    [Box-Cox Normality Plot] [various eda topic...] [2008-11-04 20:30:40] [077ffec662d24c06be4c491541a44245]
F    D      [Box-Cox Normality Plot] [various eda topic...] [2008-11-04 20:48:12] [077ffec662d24c06be4c491541a44245]
F   P         [Box-Cox Normality Plot] [Box-Cox Normality...] [2008-11-11 16:08:06] [73d6180dc45497329efd1b6934a84aba]
F                 [Box-Cox Normality Plot] [Box-Cox Normality...] [2008-11-11 17:40:11] [14a75ec03b2c0d8ddd8b141a7b1594fd] [Current]
F                   [Box-Cox Normality Plot] [] [2008-11-11 20:04:58] [a7a7b7de998247cdf0f65ef79d563d66] 
-                   [Box-Cox Normality Plot] [] [2008-11-21 18:02:08] [888addc516c3b812dd7be4bd54caa358] 

Feedback Forum

2008-11-20 23:28:22 [Olivier Uyttendaele] [reply] 
Dezelfde uitleg als bij het vorige Box Cox Plot. 
Er is inderdaad zo goed als geen verschil tussen de 2 grafieken. Algemeen kan je zeggen dat het Box Cox Linearity Plot een manier is om tijdreeksen goed en snel te transformeren. Bedoeling is te onderzoeken of er een lambda parameter bestaat zodanig je een lineair verband krijgt. 
 
In de R-code wordt een nieuwe variabele gecreëerd nl. x1. Deze x1 is eigenlijk de oorspronkelijke variabele x verheven tot de macht lambda -1 en dit dan opnieuw gedeeld door lambda. Hierdoor transformeer je dus de tijdreeks. Je moet op zoek gaan naar de optimale lambda om de tijdreeks te transformeren. De optimale lambda hier is 0.57. 
 
Grafisch kan je in de grafiek zien. Als je in de grafiek naar het maximum van de rechte kijkt, moet je op die waarde de lambda nemen. Concluderend kan je zeggen dat een Box Cox Plot je een antwoord kan geven op; 1) is een transformatie aangewezen de reeks? 2) Wat is de beste waarde voor de transformatie parameter? 
 
Specifiek bij deze kan je eventueel de R code aanpassen omdat we ons kunnen vergissen betreffende het maximum (bij de grafiek). Als je de correlatie kan verkleinen, kan je eenvoudiger het maximum zien. 
2008-11-22 10:56:25 [Kenny Simons] [reply] 
Het antwoord op deze vraag is hetzelfde als de vorige vraag Q3. 
 
Een Box-Cox linearity plot is een manier om een tijdreeks te transformeren, zodat je een verband lineair kan maken. Om nu een verband lineair te maken, moet je gaan zoeken of er een  lambda parameter bestaat, zodat je de tijdreeks op een juiste manier kan transformeren.  
 
Grafisch moet je de lambdawaarde kiezen met de maximumwaarde, als je geen maximum kan aflezen, dan kan je uiteraard ook geen conclusies trekken.  
 
Hier zien we grafisch zo goed als geen verschil op de 2 grafieken. Er is met andere woorden zo goed als geen transformatie gebeurd.  

Post a new message

Dataseries X:

Download CSV

Histogram

Boxplots

Summary of computational transaction
Raw Input	view raw input (R code)
Raw Output	view raw output of R engine
Computing time	3 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 & 3 seconds \tabularnewline
R Server & 'Sir Ronald Aylmer Fisher' @ 193.190.124.24 \tabularnewline
\hline
\end{tabular}
%Source: https://freestatistics.org/blog/index.php?pk=23771&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]3 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=23771&T=0

Globally Unique Identifier (entire table): ba.freestatistics.org/blog/index.php?pk=23771&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	3 seconds
R Server	'Sir Ronald Aylmer Fisher' @ 193.190.124.24

Box-Cox Normality Plot
# observations x	60
maximum correlation	0.803824455609926
optimal lambda	2

\begin{tabular}{lllllllll}
\hline
Box-Cox Normality Plot \tabularnewline
# observations x & 60 \tabularnewline
maximum correlation & 0.803824455609926 \tabularnewline
optimal lambda & 2 \tabularnewline
\hline
\end{tabular}
%Source: https://freestatistics.org/blog/index.php?pk=23771&T=1

[TABLE]
[ROW][C]Box-Cox Normality Plot[/C][/ROW]
[ROW][C]# observations x[/C][C]60[/C][/ROW]
[ROW][C]maximum correlation[/C][C]0.803824455609926[/C][/ROW]
[ROW][C]optimal lambda[/C][C]2[/C][/ROW]
[/TABLE]
Source: https://freestatistics.org/blog/index.php?pk=23771&T=1

Globally Unique Identifier (entire table): ba.freestatistics.org/blog/index.php?pk=23771&T=1

As an alternative you can also use a QR Code:

The GUIDs for individual cells are displayed in the table below:

Box-Cox Normality Plot
# observations x	60
maximum correlation	0.803824455609926
optimal lambda	2

Figure 1

PNG link

Postscript link

PDF link

Figure 2

PNG link

Postscript link

PDF link

Figure 3

PNG link

Postscript link

PDF link

Figure 4

PNG link

Postscript link

PDF link

Figure 5

PNG link

Postscript link

PDF link

Parameters (Session):

par1 = 50 ; par2 = 50 ; par3 = Y ; par4 = Y ; par5 = uitvoer Vlaanderen ; par6 = uitvoer Belgie naar landen buiten EU ; par7 = uitvoer Belgie (totaal) ;

Parameters (R input):

R code (references can be found in the software module):

n <- length(x)
c <- array(NA,dim=c(401))
l <- array(NA,dim=c(401))
mx <- 0
mxli <- -999
for (i in 1:401)
{
l[i] <- (i-201)/100
if (l[i] != 0)
{
x1 <- (x^l[i] - 1) / l[i]
} else {
x1 <- log(x)
}
c[i] <- cor(qnorm(ppoints(x), mean=0, sd=1),x1)
if (mx < c[i])
{
mx <- c[i]
mxli <- l[i]
}
}
c
mx
mxli
if (mxli != 0)
{
x1 <- (x^mxli - 1) / mxli
} else {
x1 <- log(x)
}
bitmap(file='test1.png')
plot(l,c,main='Box-Cox Normality Plot',xlab='Lambda',ylab='correlation')
mtext(paste('Optimal Lambda =',mxli))
grid()
dev.off()
bitmap(file='test2.png')
hist(x,main='Histogram of Original Data',xlab='X',ylab='frequency')
grid()
dev.off()
bitmap(file='test3.png')
hist(x1,main='Histogram of Transformed Data',xlab='X',ylab='frequency')
grid()
dev.off()
bitmap(file='test4.png')
qqnorm(x)
qqline(x)
grid()
mtext('Original Data')
dev.off()
bitmap(file='test5.png')
qqnorm(x1)
qqline(x1)
grid()
mtext('Transformed Data')
dev.off()
load(file='createtable')
a<-table.start()
a<-table.row.start(a)
a<-table.element(a,'Box-Cox Normality Plot',2,TRUE)
a<-table.row.end(a)
a<-table.row.start(a)
a<-table.element(a,'# observations x',header=TRUE)
a<-table.element(a,n)
a<-table.row.end(a)
a<-table.row.start(a)
a<-table.element(a,'maximum correlation',header=TRUE)
a<-table.element(a,mx)
a<-table.row.end(a)
a<-table.row.start(a)
a<-table.element(a,'optimal lambda',header=TRUE)
a<-table.element(a,mxli)
a<-table.row.end(a)
a<-table.end(a)
table.save(a,file='mytable.tab')

Free Statistics

Description of Statistical Computation

Tree of Dependent Computations

Dataset

Tables (Output of Computation)

Figures (Output of Computation)

Input Parameters & R Code