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_rwalk.wasp
Title produced by softwareLaw of Averages
Date of computationTue, 02 Dec 2008 03:29:56 -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/t12282140058ws5q2fp524rixy.htm/, Retrieved Sun, 19 May 2024 10:19:14 +0000
Statistical Computations at FreeStatistics.org, Office for Research Development and Education, URL https://freestatistics.org/blog/index.php?pk=27595, Retrieved Sun, 19 May 2024 10:19:14 +0000
QR Codes:

Original text written by user:
IsPrivate?No (this computation is public)
User-defined keywords
Estimated Impact199

Tree of Dependent Computations

Family? (F = Feedback message, R = changed R code, M = changed R Module, P = changed Parameters, D = changed Data)
F     [Law of Averages] [Random Walk Simul...] [2008-11-25 18:40:39] [b98453cac15ba1066b407e146608df68]
F         [Law of Averages] [non stationary ti...] [2008-12-02 10:29:56] [a1f1fdabaee79c21770ea0f7b7f045f3] [Current]
Feedback Forum
2008-12-06 12:14:06 [Carole Thielens] [reply] 
Bij deze vraag kopieerde de studente in haar document uitsluitend het cumulative periodogram zonder enige uitleg. Er werd met andere woorden zeker niet uitgelegd waarom het raw periodogram en cumulative periodogram dat bepaald patroon vertonen. Omdat deze analyse zo beperkt was, maak ik enkele aanvullingen:

* Op de eerste grafiek kunnen we een langzaam dalende trend waarnemen. Op de x-as op wordt de frequentie weergegeven, terwijl de y-as het spectrum voorstelt. Dit is de weergave van het vermogen in een signaal als functie van de frequentie. Op deze grafiek zijn duidelijk lage frequenties en grote periodes vast te stellen. Ook zien we duidelijk dat de varianties steeds verschillen bij de verscheidene frequenties.
*Op het cumulatief periodogram, zien we een stijl stijgend verloop, wat wijst op een langetermijntrend. We kunnen ook zien dat de cumulatieve frequentiecurve buiten het betrouwbaarheidsinterval ligt.
2008-12-06 14:13:18 [c00776cbed2786c9c4960950021bd861] [reply] 
Er wordt hier enkel een grafiek gegeven, wat uiteraard te weinig is om de vraag goed te beantwoorden. Vandaar enkele aanvullingen :

Als we naar het 'raw periodogram' kijken, zien we een langzaam dalende trend.
We zien ook dat de hoogste spectrumwaarden liggen bij een lage frequentie.
Dit wijst allemaal op een lange termijntrend.

In het cumulatief periodogram zien we dat de zwarte lijn zeer snel stijgt naar ongeveer 70% -> ongeveer 70% van de tijdreeks wordt verklaard door de lange termijntrend!
2008-12-08 12:34:03 [] [reply] 
De student geeft enkel de grafiek weer zonder een woord uitleg. We zien op de grafiek van het Cumulative periodogram het volgende:

We zien dat bijna 70% van het model verklaart wordt door een lange termijn trend, dit zien we omdat de zwarte lijn sterk stijgt tot aan deze waarde van 0,7. Dit wijst er dus op dat we de d-waarde moeten aanpassen om een differentiatie door te voeren die de lange termijn trend kan 'wegzuiveren'. Indien de trend niet meer aanwezig is, zal de zwart lijn (ongeveer) binnen de stippellijnen vallen.
2008-12-08 12:38:55 [Dave Bellekens] [reply] 
De student geeft enkel de grafiek weer zonder een woord uitleg. We zien op de grafiek van het Cumulative periodogram het volgende:

We zien dat bijna 70% van het model verklaart wordt door een lange termijn trend, dit zien we omdat de zwarte lijn sterk stijgt tot aan deze waarde van 0,7. Dit wijst er dus op dat we de d-waarde moeten aanpassen om een differentiatie door te voeren die de lange termijn trend kan 'wegzuiveren'. Indien de trend niet meer aanwezig is, zal de zwart lijn (ongeveer) binnen de stippellijnen vallen.

Post a new message

Dataset

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'Gwilym Jenkins' @ 72.249.127.135

\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 & 'Gwilym Jenkins' @ 72.249.127.135 \tabularnewline
\hline
\end{tabular}
%Source: https://freestatistics.org/blog/index.php?pk=27595&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]'Gwilym Jenkins' @ 72.249.127.135[/C][/ROW]
[/TABLE]
Source: https://freestatistics.org/blog/index.php?pk=27595&T=0

Globally Unique Identifier (entire table): ba.freestatistics.org/blog/index.php?pk=27595&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'Gwilym Jenkins' @ 72.249.127.135


Figures (Output of Computation)

Input Parameters & R Code

Parameters (Session):
par1 = 500 ; par2 = 0.5 ;
Parameters (R input):
par1 = 500 ; par2 = 0.5 ; par3 = ; par4 = ; par5 = ; par6 = ; par7 = ; par8 = ; par9 = ; par10 = ; par11 = ; par12 = ; par13 = ; par14 = ; par15 = ; par16 = ; par17 = ; par18 = ; par19 = ; par20 = ;
R code (references can be found in the software module):
n <- as.numeric(par1)
p <- as.numeric(par2)
heads=rbinom(n-1,1,p)
a=2*(heads)-1
b=diffinv(a,xi=0)
c=1:n
pheads=(diffinv(heads,xi=.5))/c
bitmap(file='test1.png')
op=par(mfrow=c(2,1))
plot(c,b,type='n',main='Law of Averages',xlab='Toss Number',ylab='Excess of Heads',lwd=2,cex.lab=1.5,cex.main=2)
lines(c,b,col='red')
lines(c,rep(0,n),col='black')
plot(c,pheads,type='n',xlab='Toss Number',ylab='Proportion of Heads',lwd=2,cex.lab=1.5)
lines(c,pheads,col='blue')
lines(c,rep(.5,n),col='black')
par(op)
dev.off()
b
x <- b
bitmap(file='test1.png')
r <- spectrum(x,main='Raw Periodogram')
dev.off()
r
bitmap(file='test2.png')
cpgram(x,main='Cumulative Periodogram')
dev.off()