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_correlation.wasp
Title produced by softwarePearson Correlation
Date of computationMon, 20 Oct 2008 07:40:55 -0600
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/Oct/20/t1224510187u511l2samhowjkn.htm/, Retrieved Fri, 17 May 2024 10:52:05 +0000
Statistical Computations at FreeStatistics.org, Office for Research Development and Education, URL https://freestatistics.org/blog/index.php?pk=17263, Retrieved Fri, 17 May 2024 10:52:05 +0000
QR Codes:

Original text written by user:
IsPrivate?No (this computation is public)
User-defined keywords
Estimated Impact173

Tree of Dependent Computations

Family? (F = Feedback message, R = changed R code, M = changed R Module, P = changed Parameters, D = changed Data)
F     [Pearson Correlation] [Q3 Clothing produ...] [2007-10-20 14:22:11] [b731da8b544846036771bbf9bf2f34ce]
-    D  [Pearson Correlation] [Pearson Correlation] [2008-10-17 13:16:06] [252acdb58d8522ab27f61fa1e87b5efe]
F    D      [Pearson Correlation] [Verband tussen pr...] [2008-10-20 13:40:55] [de3f0516a1536f7c4a656924d8bc8d07] [Current]
Feedback Forum
2008-10-25 12:20:10 [Davy De Nef] [reply] 
De correlatie bedraagt hier 56%. Je kan een denkbeeldige stijgende rechte trekken door de punten van de grafiek. Dit wijst op een positieve correlatie. Toch zou je dan links en rechts van de grafiek heel wat punten zien, die tamelijk ver van de grafiek liggen. Moest dat nu maar een of twee punten zijn, zouden we kunnen spreken van outliers. Dat is hier niet het geval.
2008-10-25 13:34:05 [Astrid Sniekers] [reply] 
De conclusie van de student is fout. We hebben hier te maken met een kleine positieve correlatie. Dit wil zeggen dat als de totale productie stijgt, de productie van kleding ook zal stijgen. De correlatie is dus zeker NIET tamelijk hoog!
2008-10-26 16:07:45 [Kristof Augustyns] [reply] 
De correlatie is hier inderdaad 56% en je ziet dat ook met het blote oog op de grafiek.
Je ziet perfect dat je een denkbeeldige lijn kan trekken van links van onder tot rechts van boven en dan weet je ook dat je een stijgende rechte hebt.
Een stijgende rechte is dus altijd positief dus positieve correlatie.
Correlatie moet liggen tussen -1 en 1 en als je weet dat het hier 0,56 is, dan is dit toch wel tamelijk hoog en is er toch een goede samenhang tussen kledingproductie en totale productie.
Conclusie: Er is inderdaad een sterk verband tussen totale productie en kledingproductie.
=> Als de kleding productie zou afzwakken, dan zal de totale productie ook wel voor een stuk afzwakken en andersom.
De student hier heeft toch niet veel uitleg gegeven zoals bij de rest van de vragen.
  2008-10-27 11:00:15 [Thomas Beyers] [reply] 
IK DENK NIET DAT DE JE ZOMAAR KAN ZEGGEN DAT JE DE CORRELATIE HIER MET HET BLOTE OOG OP DE GRAFIEK KAN VASTSTELLEN;RAADPLEEG TOCH BEST HET STATISTISCHE CIJFER EN INTERPRETEER DAN.
2008-10-27 20:15:02 [Bart Haemels] [reply] 
Ik ga niet akkoord met het woord STERK verband. Ik noem dit een licht of gemiddeld verband. Je kan inderdaad zeggen dat als de productie v kledij stijgt de totale productie ook zal stijgen.Je kan hier helemaal geen denkbeeldige rechte trekken. althans niet met het blote oog. van outliers is er geen spraken want er zouden enorm veel punten niet vlak bij de recht liggen.

Post a new message

Dataset

Dataseries X:
Download CSV
Histogram
Boxplots 
109.20
88.60
94.30
98.30
86.40
80.60
104.10
108.20
93.40
71.90
94.10
94.90
96.40
91.10
84.40
86.40
88.00
75.10
109.70
103.00
82.10
68.00
96.40
94.30
90.00
88.00
76.10
82.50
81.40
66.50
97.20
94.10
80.70
70.50
87.80
89.50
99.60
84.20
75.10
92.00
80.80
73.10
99.80
90.00
83.10
72.40
78.80
87.30
91.00
80.10
73.60
86.40
74.50
71.20
92.40
81.50
85.30
69.90
84.20
90.70
100.30
Dataseries Y:
Download CSV
Histogram 
110.40
96.40
101.90
106.20
81.00
94.70
101.00
109.40
102.30
90.70
96.20
96.10
106.00
103.10
102.00
104.70
86.00
92.10
106.90
112.60
101.70
92.00
97.40
97.00
105.40
102.70
98.10
104.50
87.40
89.90
109.80
111.70
98.60
96.90
95.10
97.00
112.70
102.90
97.40
111.40
87.40
96.80
114.10
110.30
103.90
101.60
94.60
95.90
104.70
102.80
98.10
113.90
80.90
95.70
113.20
105.90
108.80
102.30
99.00
100.70
115.50

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=17263&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=17263&T=0

Globally Unique Identifier (entire table): ba.freestatistics.org/blog/index.php?pk=17263&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






Pearson Product Moment Correlation - Ungrouped Data
StatisticVariable XVariable Y
Mean86.8934426229508100.908196721311
Biased Variance109.89176027949564.2309164203171
Biased Standard Deviation10.48292708548028.01441928153981
Covariance48.2815546448088
Correlation0.565259717157914
Determination0.319518547841445
T-Test5.2633941884171
p-value (2 sided)2.07228182813601e-06
p-value (1 sided)1.03614091406801e-06
Degrees of Freedom59
Number of Observations61

\begin{tabular}{lllllllll}
\hline
Pearson Product Moment Correlation - Ungrouped Data \tabularnewline
Statistic & Variable X & Variable Y \tabularnewline
Mean & 86.8934426229508 & 100.908196721311 \tabularnewline
Biased Variance & 109.891760279495 & 64.2309164203171 \tabularnewline
Biased Standard Deviation & 10.4829270854802 & 8.01441928153981 \tabularnewline
Covariance & 48.2815546448088 \tabularnewline
Correlation & 0.565259717157914 \tabularnewline
Determination & 0.319518547841445 \tabularnewline
T-Test & 5.2633941884171 \tabularnewline
p-value (2 sided) & 2.07228182813601e-06 \tabularnewline
p-value (1 sided) & 1.03614091406801e-06 \tabularnewline
Degrees of Freedom & 59 \tabularnewline
Number of Observations & 61 \tabularnewline
\hline
\end{tabular}
%Source: https://freestatistics.org/blog/index.php?pk=17263&T=1

[TABLE]
[ROW][C]Pearson Product Moment Correlation - Ungrouped Data[/C][/ROW]
[ROW][C]Statistic[/C][C]Variable X[/C][C]Variable Y[/C][/ROW]
[ROW][C]Mean[/C][C]86.8934426229508[/C][C]100.908196721311[/C][/ROW]
[ROW][C]Biased Variance[/C][C]109.891760279495[/C][C]64.2309164203171[/C][/ROW]
[ROW][C]Biased Standard Deviation[/C][C]10.4829270854802[/C][C]8.01441928153981[/C][/ROW]
[ROW][C]Covariance[/C][C]48.2815546448088[/C][/ROW]
[ROW][C]Correlation[/C][C]0.565259717157914[/C][/ROW]
[ROW][C]Determination[/C][C]0.319518547841445[/C][/ROW]
[ROW][C]T-Test[/C][C]5.2633941884171[/C][/ROW]
[ROW][C]p-value (2 sided)[/C][C]2.07228182813601e-06[/C][/ROW]
[ROW][C]p-value (1 sided)[/C][C]1.03614091406801e-06[/C][/ROW]
[ROW][C]Degrees of Freedom[/C][C]59[/C][/ROW]
[ROW][C]Number of Observations[/C][C]61[/C][/ROW]
[/TABLE]
Source: https://freestatistics.org/blog/index.php?pk=17263&T=1

Globally Unique Identifier (entire table): ba.freestatistics.org/blog/index.php?pk=17263&T=1

As an alternative you can also use a QR Code:  
QR Code


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

Pearson Product Moment Correlation - Ungrouped Data
StatisticVariable XVariable Y
Mean86.8934426229508100.908196721311
Biased Variance109.89176027949564.2309164203171
Biased Standard Deviation10.48292708548028.01441928153981
Covariance48.2815546448088
Correlation0.565259717157914
Determination0.319518547841445
T-Test5.2633941884171
p-value (2 sided)2.07228182813601e-06
p-value (1 sided)1.03614091406801e-06
Degrees of Freedom59
Number of Observations61


Figures (Output of Computation)

Input Parameters & R Code

Parameters (Session):
Parameters (R input):
R code (references can be found in the software module):
bitmap(file='test1.png')
histx <- hist(x, plot=FALSE)
histy <- hist(y, plot=FALSE)
maxcounts <- max(c(histx$counts, histx$counts))
xrange <- c(min(x),max(x))
yrange <- c(min(y),max(y))
nf <- layout(matrix(c(2,0,1,3),2,2,byrow=TRUE), c(3,1), c(1,3), TRUE)
par(mar=c(4,4,1,1))
plot(x, y, xlim=xrange, ylim=yrange, xlab=xlab, ylab=ylab)
par(mar=c(0,4,1,1))
barplot(histx$counts, axes=FALSE, ylim=c(0, maxcounts), space=0)
par(mar=c(4,0,1,1))
barplot(histy$counts, axes=FALSE, xlim=c(0, maxcounts), space=0, horiz=TRUE)
dev.off()
lx = length(x)
makebiased = (lx-1)/lx
varx = var(x)*makebiased
vary = var(y)*makebiased
corxy <- cor.test(x,y,method='pearson')
cxy <- as.matrix(corxy$estimate)[1,1]
load(file='createtable')
a<-table.start()
a<-table.row.start(a)
a<-table.element(a,'Pearson Product Moment Correlation - Ungrouped Data',3,TRUE)
a<-table.row.end(a)
a<-table.row.start(a)
a<-table.element(a,'Statistic',1,TRUE)
a<-table.element(a,'Variable X',1,TRUE)
a<-table.element(a,'Variable Y',1,TRUE)
a<-table.row.end(a)
a<-table.row.start(a)
a<-table.element(a,hyperlink('arithmetic_mean.htm','Mean',''),header=TRUE)
a<-table.element(a,mean(x))
a<-table.element(a,mean(y))
a<-table.row.end(a)
a<-table.row.start(a)
a<-table.element(a,hyperlink('biased.htm','Biased Variance',''),header=TRUE)
a<-table.element(a,varx)
a<-table.element(a,vary)
a<-table.row.end(a)
a<-table.row.start(a)
a<-table.element(a,hyperlink('biased1.htm','Biased Standard Deviation',''),header=TRUE)
a<-table.element(a,sqrt(varx))
a<-table.element(a,sqrt(vary))
a<-table.row.end(a)
a<-table.row.start(a)
a<-table.element(a,hyperlink('covariance.htm','Covariance',''),header=TRUE)
a<-table.element(a,cov(x,y),2)
a<-table.row.end(a)
a<-table.row.start(a)
a<-table.element(a,hyperlink('pearson_correlation.htm','Correlation',''),header=TRUE)
a<-table.element(a,cxy,2)
a<-table.row.end(a)
a<-table.row.start(a)
a<-table.element(a,hyperlink('coeff_of_determination.htm','Determination',''),header=TRUE)
a<-table.element(a,cxy*cxy,2)
a<-table.row.end(a)
a<-table.row.start(a)
a<-table.element(a,hyperlink('ttest_statistic.htm','T-Test',''),header=TRUE)
a<-table.element(a,as.matrix(corxy$statistic)[1,1],2)
a<-table.row.end(a)
a<-table.row.start(a)
a<-table.element(a,'p-value (2 sided)',header=TRUE)
a<-table.element(a,(p2 <- as.matrix(corxy$p.value)[1,1]),2)
a<-table.row.end(a)
a<-table.row.start(a)
a<-table.element(a,'p-value (1 sided)',header=TRUE)
a<-table.element(a,p2/2,2)
a<-table.row.end(a)
a<-table.row.start(a)
a<-table.element(a,'Degrees of Freedom',header=TRUE)
a<-table.element(a,lx-2,2)
a<-table.row.end(a)
a<-table.row.start(a)
a<-table.element(a,'Number of Observations',header=TRUE)
a<-table.element(a,lx,2)
a<-table.row.end(a)
a<-table.end(a)
table.save(a,file='mytable.tab')