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 07:47:23 -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/t12245105170zqqujmb02gsr2f.htm/, Retrieved Fri, 17 May 2024 09:49:13 +0000
Statistical Computations at FreeStatistics.org, Office for Research Development and Education, URL https://freestatistics.org/blog/index.php?pk=17275, Retrieved Fri, 17 May 2024 09:49:13 +0000
QR Codes:

Original text written by user:
IsPrivate?No (this computation is public)
User-defined keywords
Estimated Impact144

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] [Q4 Clothing produ...] [2007-10-20 14:33:09] [b731da8b544846036771bbf9bf2f34ce]
F    D    [Pearson Correlation] [Samenhang prijs -...] [2008-10-20 13:47:23] [de3f0516a1536f7c4a656924d8bc8d07] [Current]
Feedback Forum
2008-10-25 13:34:29 [Astrid Sniekers] [reply] 
De conclusie van de student is fout. We hebben hier te maken met een zeer kleine positieve correlatie. Er is bijna geen verband tussen de prijs en de productie van kledij. Dit wil zeggen dat als de prijs van kledij stijgt, de productie van kledij niet noodzakelijk ook zal stijgen. De student heeft het ook over verkopen, terwijl het hier gaat over een samenhang tussen PRODUCTIE van kledij en de prijs.
2008-10-26 16:19:27 [Kristof Augustyns] [reply] 
De correlatie bedraagt 0.287034985095086 en wilt dus inderdaad zeggen dat er een samenhang bestaat tussen prijs en kleding productie.
Dit is wel een stuk minder als tussen totale productie en kleding productie, maar hier is het nog altijd wel positief.
De samenhang tussen prijs en kleding productie bedraagt een 28% en dit wil dus zeggen dat ze toch niet echt zo afhankelijk van elkaar zijn.
het is niet zo dat men kan zeggen dat als de prijs hard daalt, dat dan ook de kleding productie hard zal dalen.
De kleding productie zal ook wel dalen, maar voor een kwart ongeveer en zeker niet zo hard als de prijs daalt.
Het is wel zo dat als de prijs daalt, de kleding productie niet zal stijgen.
We hebben hier namelijk te maken met een positieve correlatie.
De student hier heeft niet veel uitleg gegeven, maar wat er is gegeven, is wel voor een deel juist.
Alleen gaat het hier over productie en niet over verkopen.
2008-10-26 16:22:36 [Kristof Augustyns] [reply] 
Je ziet ook op die grafiek (correlatie) dat als je een rechte lijn trekt tussen de puntjes, dat die dan bijna helemaal horizontaal loopt om zo symmetrie te verkrijgen tussen het bovenste gedeelde en het onderste.
Bijna horizontaal betekent dus vrij weinig correlatie.
2008-10-27 11:02:26 [Thomas Beyers] [reply] 
Op de grafiek zie je dat de punten totaal verspreid uit elkaar liggen. Dit wil zeggen dat er geen correlatie of verband is tussen de gegevensreeksen. De correlatiecoëfficiënt in de tabel bedraagt dan ook slechts 0,28. Dit betekent dat productie van kleding bijna niet geassocieerd wordt met de prijs. De productie schommelt en de prijs vertoont eerder een constant patroon.

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 
99.90
99.80
99.80
100.30
99.90
99.90
100.00
100.10
100.10
100.20
100.30
100.60
100.00
100.10
100.20
100.00
100.10
100.10
100.10
100.50
100.50
100.50
96.30
96.30
96.80
96.80
96.90
96.80
96.80
96.80
96.80
97.00
97.00
97.00
96.80
96.90
97.20
97.30
97.30
97.20
97.30
97.30
97.30
97.30
97.30
97.30
98.10
96.80
96.80
96.80
96.80
96.80
96.80
96.80
96.80
96.80
96.80
96.80
96.90
97.10
97.10

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'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 & 2 seconds \tabularnewline
R Server & 'George Udny Yule' @ 72.249.76.132 \tabularnewline
\hline
\end{tabular}
%Source: https://freestatistics.org/blog/index.php?pk=17275&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]'George Udny Yule' @ 72.249.76.132[/C][/ROW]
[/TABLE]
Source: https://freestatistics.org/blog/index.php?pk=17275&T=0

Globally Unique Identifier (entire table): ba.freestatistics.org/blog/index.php?pk=17275&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'George Udny Yule' @ 72.249.76.132






Pearson Product Moment Correlation - Ungrouped Data
StatisticVariable XVariable Y
Mean86.893442622950898.111475409836
Biased Variance109.8917602794952.39249126578877
Biased Standard Deviation10.48292708548021.54676800645370
Covariance4.7317431693989
Correlation0.287034985095086
Determination0.0823890826685364
T-Test2.30160903402757
p-value (2 sided)0.0249057450545593
p-value (1 sided)0.0124528725272797
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 & 98.111475409836 \tabularnewline
Biased Variance & 109.891760279495 & 2.39249126578877 \tabularnewline
Biased Standard Deviation & 10.4829270854802 & 1.54676800645370 \tabularnewline
Covariance & 4.7317431693989 \tabularnewline
Correlation & 0.287034985095086 \tabularnewline
Determination & 0.0823890826685364 \tabularnewline
T-Test & 2.30160903402757 \tabularnewline
p-value (2 sided) & 0.0249057450545593 \tabularnewline
p-value (1 sided) & 0.0124528725272797 \tabularnewline
Degrees of Freedom & 59 \tabularnewline
Number of Observations & 61 \tabularnewline
\hline
\end{tabular}
%Source: https://freestatistics.org/blog/index.php?pk=17275&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]98.111475409836[/C][/ROW]
[ROW][C]Biased Variance[/C][C]109.891760279495[/C][C]2.39249126578877[/C][/ROW]
[ROW][C]Biased Standard Deviation[/C][C]10.4829270854802[/C][C]1.54676800645370[/C][/ROW]
[ROW][C]Covariance[/C][C]4.7317431693989[/C][/ROW]
[ROW][C]Correlation[/C][C]0.287034985095086[/C][/ROW]
[ROW][C]Determination[/C][C]0.0823890826685364[/C][/ROW]
[ROW][C]T-Test[/C][C]2.30160903402757[/C][/ROW]
[ROW][C]p-value (2 sided)[/C][C]0.0249057450545593[/C][/ROW]
[ROW][C]p-value (1 sided)[/C][C]0.0124528725272797[/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=17275&T=1

Globally Unique Identifier (entire table): ba.freestatistics.org/blog/index.php?pk=17275&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
Mean86.893442622950898.111475409836
Biased Variance109.8917602794952.39249126578877
Biased Standard Deviation10.48292708548021.54676800645370
Covariance4.7317431693989
Correlation0.287034985095086
Determination0.0823890826685364
T-Test2.30160903402757
p-value (2 sided)0.0249057450545593
p-value (1 sided)0.0124528725272797
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')