FreeStatistics.org

Free Statistics

of Irreproducible Research!

Description of Statistical Computation

Author's title

Author*Unverified author*
R Software Modulerwasp_rwalk.wasp
Title produced by softwareLaw of Averages
Date of computationTue, 02 Dec 2008 03:37:15 -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/t12282143381z6c7ulkrtryg7w.htm/, Retrieved Sun, 19 May 2024 10:09:58 +0000
Statistical Computations at FreeStatistics.org, Office for Research Development and Education, URL https://freestatistics.org/blog/index.php?pk=27596, Retrieved Sun, 19 May 2024 10:09:58 +0000
QR Codes:

Original text written by user:
IsPrivate?No (this computation is public)
User-defined keywords
Estimated Impact184

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 18:05:16] [b98453cac15ba1066b407e146608df68]
F         [Law of Averages] [Workshop 4] [2008-12-02 10:37:15] [d41d8cd98f00b204e9800998ecf8427e] [Current]
Feedback Forum
2008-12-06 17:34:09 [Stefan Temmerman] [reply] 
De student heeft het hier niet bij het rechte eind: Het model is hier juist niet betrouwbaar door de hoge autocorrelaties. Het Random-Walk model (Yt= Yt-1 + Et) zegt dat als een waarde hoog is (Yt-1), de kans groot is dat de volgende waarde (Yt) ook hoog is. Daarom ziet de ACF hier er zo uit, met opeenvolgende waarden die lichtjes dalen. In de ACF liggen alle correlaties buiten de stippellijnen, wat wil zeggen dat ze allen significant verschillend zijn en dat het patroon niet door het toeval kan verklaard worden. Dit is geen toeval en moet wijzen op een eigenschap van de tijdreeks. Het ligt dalend patroon duidt op een stochastische trend. Dit wil zeggen dat de trend kan veranderen: Hier verandert hij dikwijls, het is een munt dat wordt opgegooid.
2008-12-08 18:40:06 [An Knapen] [reply] 
In tegenstelling tot de commentaar van de vorige student, vind ik dat de uitleg wel correct is.
Wanneer we op de grafiek twee opeenvolgende meetresultaten bezien, dan kunnen we vaststellen dat deze gelijkaardig zijn. Hiermee bedoel ik dat als de vorige meting heel hoog gelegen is, is er een grote kans dat de volgende waarde ook heel hoog is.Dit fenomeen noemen we positieve autocorrelatie. Met andere woorden, als het niveau van de functie langzaam verloopt, dan is er sprake van positieve autocorrelatie.
In het andere geval, als de grafiek dus een wispelturig verloop kent, dan spreken we van negatieve autocorrelatie.
Op de autocorrelatieplot, zie je dat alles buiten het betrouwbaarheidsinterval van 95% gelegen is en dat de worpen dus significant verschillen van elkaar. Bovendien zijn ze positief, gezien ze gelegen zijn boven het betrouwbaarheidsinterval. Ook vertoont deze random walk een negatieve trend. Zo’n plot is heel typisch voor een stochastische trend op lange termijn.
Door te differentiëren kunnen we het model verbeteren. Op het autocorrelatieplot zullen de resultaten dan ook binnen het betrouwbaarheidsinterval(blauwe stippellijnen) komen te liggen.

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 time3 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 & 3 seconds \tabularnewline
R Server & 'Gwilym Jenkins' @ 72.249.127.135 \tabularnewline
\hline
\end{tabular}
%Source: https://freestatistics.org/blog/index.php?pk=27596&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]3 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=27596&T=0

Globally Unique Identifier (entire table): ba.freestatistics.org/blog/index.php?pk=27596&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 time3 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
bitmap(file='pic1.png')
racf <- acf(b,n/10,main='Autocorrelation',xlab='lags',ylab='ACF')
dev.off()
racf