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_edauni.wasp

Title produced by software

Univariate Explorative Data Analysis

Date of computation

Mon, 27 Oct 2008 11:04:00 -0600

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/Oct/27/t1225127096i2qqjq1kiwqyemf.htm/, Retrieved Sat, 18 May 2024 20:38:26 +0000

Statistical Computations at FreeStatistics.org, Office for Research Development and Education, URL https://freestatistics.org/blog/index.php?pk=19270, Retrieved Sat, 18 May 2024 20:38:26 +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

179

Family? (F = Feedback message, R = changed R code, M = changed R Module, P = changed Parameters, D = changed Data)

F     [Univariate Explorative Data Analysis] [Investigating dis...] [2007-10-22 19:45:25] [b9964c45117f7aac638ab9056d451faa]
F    D  [Univariate Explorative Data Analysis] [] [2008-10-25 14:47:25] [4c8dfb519edec2da3492d7e6be9a5685]
F    D      [Univariate Explorative Data Analysis] [] [2008-10-27 17:04:00] [3817f5e632a8bfeb1be7b5e8c86bd450] [Current]
-   PD        [Univariate Explorative Data Analysis] [distributions tas...] [2008-10-28 18:12:04] [077ffec662d24c06be4c491541a44245] 

Feedback Forum

2008-10-28 18:25:59 [Glenn De Maeyer] [reply] 
Bij dit onderzoek maken we gebruik van 4 voorwaarden waaraan moet voldaan worden: 
 
1. random drawings (onafhankelijke trekking) 
2. from a fixed distribution (vaste verdeling) 
3. with the distribution having fixed location (De verdeling heeft een constant niveau) 
4. with the distribution having fixed variation (Ze hebben dezelfde spreiding) 
 
Deze voorwaarden kan je testen door hier bepaalde berekeningen op uit te voeren. Ik gebruikte hier de juiste methode nl. 'Univariate Explorative Data Analysis' maar ik gaf het aantal lags niet in. Bij lags geef je best 12 in ofwel het maximum nl. 36. 
Enkel indien u dit doet verschijnen ook de grafieken i.v.m. lag plot. 
(Link: http://www.freestatistics.org/blog/index.php?v=date/2008/Oct/28/t1225217572g3u9cqslakv60cx.htm) 
 
1. Random drawings: 
Dit beoordeel ja op basis van het lag plot. Op basis van de lag plot (k=1) lowess and regression line kunnen we stellen dat correlatie 0 is, omdat de puntenwolk rond en niet dichtbij de rechte ligt. Indien we ook even kijken naar autocorrelation function zien we dat er ook hier geen correlatie is. 
 
conclusie: De tijdreeks is random. 
 
2. Is er een vaste verdeling? 
Hiervoor kijken we naar het histogram en het density plot. We merken hier bv aan het verloop van het density plot (dat normaal de vormen van een klok moet hebben) dat er geen normaalverdeling is.  
 
conclusie: Er is hier dus geen normaalverdeling. 
 
3. Verdeling heeft een constant niveau. 
Ik werkte hier met het run sequence plot. Indien we hier een rechte zouden door tekenen zou deze een stijgend verloop kennen. 
 
Conclusie: We vermoeden een stijging maar zijn niet zeker. 
 
4. fixed variation 
We merken hier dat er een steeds terugkerend patroon is. Er is hier dus een constante spreiding. 
 
Conclusie: Er is dus een constante spreiding. 
 
Algemeen besluit: 
Er is niet aan alle voorwaarden voldaan dus de tijdreeks voldoet niet aan het model van: Uitvoer vanuit Vlaanderen = constant + random component. 
2008-11-03 20:58:24 [Thomas Baken] [reply] 
Assumptie 1: Omdat het lagplot en de autocorrelation function niet aanwezig zijn in de blog is het onmogelijk om te controleren of we te maken hebben met een autocorrelation.  
Assumptie 2: We kunnen hier spreken over een normale verdeling aangezien er geen afwijkingen te bespeuren zijn.  
Assumptie 3: Als we kijken naar run sequence plot bemerken we geen rechte. 
Assumptie 4: T.o.v. de Y-as bemerken we sterke veranderingen in het run sequenceplot waardoor we kunnen opmerken dat we hier te maken hebben met een slecht model. 

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	2 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=19270&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=19270&T=0

Globally Unique Identifier (entire table): ba.freestatistics.org/blog/index.php?pk=19270&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	2 seconds
R Server	'George Udny Yule' @ 72.249.76.132

Descriptive Statistics
# observations	60
minimum	9455
Q1	13078.825
median	14207.65
mean	14294.1416666667
Q3	15589.85
maximum	17851.9

\begin{tabular}{lllllllll}
\hline
Descriptive Statistics \tabularnewline
# observations & 60 \tabularnewline
minimum & 9455 \tabularnewline
Q1 & 13078.825 \tabularnewline
median & 14207.65 \tabularnewline
mean & 14294.1416666667 \tabularnewline
Q3 & 15589.85 \tabularnewline
maximum & 17851.9 \tabularnewline
\hline
\end{tabular}
%Source: https://freestatistics.org/blog/index.php?pk=19270&T=1

[TABLE]
[ROW][C]Descriptive Statistics[/C][/ROW]
[ROW][C]# observations[/C][C]60[/C][/ROW]
[ROW][C]minimum[/C][C]9455[/C][/ROW]
[ROW][C]Q1[/C][C]13078.825[/C][/ROW]
[ROW][C]median[/C][C]14207.65[/C][/ROW]
[ROW][C]mean[/C][C]14294.1416666667[/C][/ROW]
[ROW][C]Q3[/C][C]15589.85[/C][/ROW]
[ROW][C]maximum[/C][C]17851.9[/C][/ROW]
[/TABLE]
Source: https://freestatistics.org/blog/index.php?pk=19270&T=1

Globally Unique Identifier (entire table): ba.freestatistics.org/blog/index.php?pk=19270&T=1

As an alternative you can also use a QR Code:

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

Descriptive Statistics
# observations	60
minimum	9455
Q1	13078.825
median	14207.65
mean	14294.1416666667
Q3	15589.85
maximum	17851.9

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

Figure 6

PNG link

Postscript link

PDF link

Parameters (Session):

par1 = 0 ; par2 = 0 ;

Parameters (R input):

par1 = 0 ; par2 = 0 ;

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

par1 <- as.numeric(par1)
par2 <- as.numeric(par2)
x <- as.ts(x)
library(lattice)
bitmap(file='pic1.png')
plot(x,type='l',main='Run Sequence Plot',xlab='time or index',ylab='value')
grid()
dev.off()
bitmap(file='pic2.png')
hist(x)
grid()
dev.off()
bitmap(file='pic3.png')
if (par1 > 0)
{
densityplot(~x,col='black',main=paste('Density Plot   bw = ',par1),bw=par1)
} else {
densityplot(~x,col='black',main='Density Plot')
}
dev.off()
bitmap(file='pic4.png')
qqnorm(x)
grid()
dev.off()
if (par2 > 0)
{
bitmap(file='lagplot.png')
dum <- cbind(lag(x,k=1),x)
dum
dum1 <- dum[2:length(x),]
dum1
z <- as.data.frame(dum1)
z
plot(z,main=paste('Lag plot, lowess, and regression line'))
lines(lowess(z))
abline(lm(z))
dev.off()
bitmap(file='pic5.png')
acf(x,lag.max=par2,main='Autocorrelation Function')
grid()
dev.off()
}
summary(x)
load(file='createtable')
a<-table.start()
a<-table.row.start(a)
a<-table.element(a,'Descriptive Statistics',2,TRUE)
a<-table.row.end(a)
a<-table.row.start(a)
a<-table.element(a,'# observations',header=TRUE)
a<-table.element(a,length(x))
a<-table.row.end(a)
a<-table.row.start(a)
a<-table.element(a,'minimum',header=TRUE)
a<-table.element(a,min(x))
a<-table.row.end(a)
a<-table.row.start(a)
a<-table.element(a,'Q1',header=TRUE)
a<-table.element(a,quantile(x,0.25))
a<-table.row.end(a)
a<-table.row.start(a)
a<-table.element(a,'median',header=TRUE)
a<-table.element(a,median(x))
a<-table.row.end(a)
a<-table.row.start(a)
a<-table.element(a,'mean',header=TRUE)
a<-table.element(a,mean(x))
a<-table.row.end(a)
a<-table.row.start(a)
a<-table.element(a,'Q3',header=TRUE)
a<-table.element(a,quantile(x,0.75))
a<-table.row.end(a)
a<-table.row.start(a)
a<-table.element(a,'maximum',header=TRUE)
a<-table.element(a,max(x))
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