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_univariatedataseries.wasp
Title produced by softwareUnivariate Data Series
Date of computationTue, 02 Dec 2008 00:39:18 -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/t12282036028olm1ufco2g8q4q.htm/, Retrieved Sun, 19 May 2024 09:24:27 +0000
Statistical Computations at FreeStatistics.org, Office for Research Development and Education, URL https://freestatistics.org/blog/index.php?pk=27572, Retrieved Sun, 19 May 2024 09:24:27 +0000
QR Codes:

Original text written by user:
IsPrivate?No (this computation is public)
User-defined keywordsQ5
Estimated Impact223

Tree of Dependent Computations

Family? (F = Feedback message, R = changed R code, M = changed R Module, P = changed Parameters, D = changed Data)
F     [Univariate Data Series] [Airline data] [2007-10-18 09:58:47] [42daae401fd3def69a25014f2252b4c2]
F    D    [Univariate Data Series] [Q5 - 1ste reprodu...] [2008-12-02 07:39:18] [8da7502cfecb272886bc60b3f290b8b8] [Current]
-           [Univariate Data Series] [Q5 -2de reproduce...] [2008-12-02 07:40:44] [9e54d1454d464f1bf9ee4a54d5d56945]
-             [Univariate Data Series] [Q5 -3de reproduce...] [2008-12-02 07:42:00] [9e54d1454d464f1bf9ee4a54d5d56945]
F RMPD        [Cross Correlation Function] [Q9 - Cross correl...] [2008-12-02 07:59:27] [9e54d1454d464f1bf9ee4a54d5d56945]
- RMPD        [Cross Correlation Function] [Q9 met lambda] [2008-12-02 08:06:50] [9e54d1454d464f1bf9ee4a54d5d56945]
Feedback Forum
2008-12-08 19:43:34 [Evelien Blockx] [reply] 
Hiervoor moet je de Standard Deviation Mean Plot gebruiken i.p.v. de Univariate Data Series. De seizoenaliteit moet je instellen op 12.

http://www.freestatistics.org/blog/date/2008/Dec/01/t1228172333gklyv8zh79b1ucm.htm

Met deze berekening wordt je tijdreeks opgesplitst in sequential blocks. Voor elk mootje krijg je een gemiddelde en een standaardfout.

Het gemiddelde neemt jaar na jaar toe (trend!), de standaardfout neemt ook toe.

De grafiek vertoont geen outliers, bovendien is er een zeer duidelijk verband tussen gemiddelde en standaardfout. De helling is significant verschillend van nul.

De Lambda voor stationaire variantie bedraagt -0.312592539725755.
2008-12-08 20:21:25 [Evelien Blockx] [reply] 
Feedback Q6

Dit is een foutieve berekening met een foute conclusie. Hier moet je de juiste graden van gewone en seizoenale differentiatie zoeken (d=?, D=?). De opdracht zegt dat je dit moet doen met ACF, VRM en Spectrum.

Hoe je met VRM en Spectrum werkt, is reeds uitgelegd in de feedback van Q3 en Q4. Op dezelfde wijze kan je te werk gaan voor deze oefening.

Bovendien moet je een analyse doen via de autocorrelatiefunctie. Het aantal time lags kan je best op 36 zetten (voldoende ver teruggaan!) Eerst zet je d=0 en D=0. Op de autocorrelatiefunctie zal je dan een LT-trend en seizoenaliteit waarnemen.

Daarna ga je de LT-trend verwijderen door 1 keer gewoon te differentiëren (d=1). Dan zal je merken dat het wegwerken van de LT-trend gelukt is, want het patroon dat typisch is voor een LT-trend is weg.

Er blijft dan echter nog wel een probleem over: seizoenaliteit (zie lag 12,24,36). Deze gaan we verwijderen door 1 keer seizoenaal te differentiëren (D=1). Je zal merken dat de seizoenale trend verdwenen is.

Post a new message

Dataset

Dataseries X:
Download CSV
Histogram
Boxplots 
112
118
132
129
121
135
148
148
136
119
104
118
115
126
141
135
125
149
170
170
158
133
114
140
145
150
178
163
172
178
199
199
184
162
146
166
171
180
193
181
183
218
230
242
209
191
172
194
196
196
236
235
229
243
264
272
237
211
180
201
204
188
235
227
234
264
302
293
259
229
203
229
242
233
267
269
270
315
364
347
312
274
237
278
284
277
317
313
318
374
413
405
355
306
271
306
315
301
356
348
355
422
465
467
404
347
305
336
340
318
362
348
363
435
491
505
404
359
310
337
360
342
406
396
420
472
548
559
463
407
362
405
417
391
419
461
472
535
622
606
508
461
390
432

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=27572&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=27572&T=0

Globally Unique Identifier (entire table): ba.freestatistics.org/blog/index.php?pk=27572&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






Univariate Dataseries
Name of dataseriesAirline
SourceBox-Jenkins
DescriptionAirline Passengers
Number of observations144

\begin{tabular}{lllllllll}
\hline
Univariate Dataseries \tabularnewline
Name of dataseries & Airline \tabularnewline
Source & Box-Jenkins \tabularnewline
Description & Airline Passengers \tabularnewline
Number of observations & 144 \tabularnewline
\hline
\end{tabular}
%Source: https://freestatistics.org/blog/index.php?pk=27572&T=1

[TABLE]
[ROW][C]Univariate Dataseries[/C][/ROW]
[ROW][C]Name of dataseries[/C][C]Airline[/C][/ROW]
[ROW][C]Source[/C][C]Box-Jenkins[/C][/ROW]
[ROW][C]Description[/C][C]Airline Passengers[/C][/ROW]
[ROW][C]Number of observations[/C][C]144[/C][/ROW]
[/TABLE]
Source: https://freestatistics.org/blog/index.php?pk=27572&T=1

Globally Unique Identifier (entire table): ba.freestatistics.org/blog/index.php?pk=27572&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:

Univariate Dataseries
Name of dataseriesAirline
SourceBox-Jenkins
DescriptionAirline Passengers
Number of observations144


Figures (Output of Computation)

Input Parameters & R Code

Parameters (Session):
par1 = Airline ; par2 = Box-Jenkins ; par3 = Airline Passengers ;
Parameters (R input):
par1 = Airline ; par2 = Box-Jenkins ; par3 = Airline Passengers ;
R code (references can be found in the software module):
bitmap(file='test1.png')
plot(x,col=2,type='b',main=main,xlab=xlab,ylab=ylab)
dev.off()
load(file='createtable')
a<-table.start()
a<-table.row.start(a)
a<-table.element(a,'Univariate Dataseries',2,TRUE)
a<-table.row.end(a)
a<-table.row.start(a)
a<-table.element(a,'Name of dataseries',header=TRUE)
a<-table.element(a,par1)
a<-table.row.end(a)
a<-table.row.start(a)
a<-table.element(a,'Source',header=TRUE)
a<-table.element(a,par2)
a<-table.row.end(a)
a<-table.row.start(a)
a<-table.element(a,'Description',header=TRUE)
a<-table.element(a,par3)
a<-table.row.end(a)
a<-table.row.start(a)
a<-table.element(a,'Number of observations',header=TRUE)
a<-table.element(a,length(x))
a<-table.row.end(a)
a<-table.end(a)
table.save(a,file='mytable.tab')