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 08:00:09 -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/t1228230071zlll1tb2umjk4cu.htm/, Retrieved Sun, 19 May 2024 12:40:18 +0000
Statistical Computations at FreeStatistics.org, Office for Research Development and Education, URL https://freestatistics.org/blog/index.php?pk=27915, Retrieved Sun, 19 May 2024 12:40:18 +0000
QR Codes:

Original text written by user:
IsPrivate?No (this computation is public)
User-defined keywords
Estimated Impact150

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 17:50:19] [b98453cac15ba1066b407e146608df68]
F         [Law of Averages] [NonStationaryTime...] [2008-12-02 15:00:09] [d41d8cd98f00b204e9800998ecf8427e] [Current]
Feedback Forum
2008-12-04 17:22:05 [An Knapen] [reply] 
2008-12-04 17:43:32 [An Knapen] [reply] 
Op de eerste grafiek, kunnen we inderdaad een lange termijnverloop zien. Deze trend is echter schijnbaar. Want de worpen zijn onafhankelijk van elkaar. Afhandelijke worpen zou betenenen dat je uit de vorige worp de huidige worp kunt voorspellen. Dit is hier niet het geval.
Op de grafiek kan je ook zien dat wanneer er ‘kop’ gegooid wordt,de grafiek omhoog gaat, wanneer er munt gegooid wordt,zal de grafiek omlaag gaan.
In principe is er evenveel kans om kop te gooien als om munt te gooien, namelijk elk 50%. Toch is het echter niet te voorspellen wanneer je kop of munt gooit.De trend is dus te wijten aan toeval.
De tweede grafiek geeft de kans weer dat ‘kop’ gegooid wordt. Normaal gezien is dit dus 50%. In de eerste paar worpen kan deze kans nog schommelen omdat er sterke afwijkingen zwaarder doorwegen bij een klein aantal worpen dan bij een groot aantal worpen. Maar hoe meer worpen je doet, hoe meer de grafiek zal naderen naar 50% en hoe gelijkmatiger de trend.
2008-12-08 18:34:31 [Sofie Sergoynne] [reply] 
Goed antwoord, kan nog iets meer info bij.
Random Walk is een simulatie van een experiment met een muntstuk. In the number of tosses vullen we het aantal keer in dat we gaan werpen met het muntstuk (x-as). P is in dit experiment 0.50. De Excess of heads op de y-as kan je zien hoeveel keer kop meer is gegooid dan let. Vanaf 100 wordt er meer let gegooid dan kop, dit gaat door tot 250. Vanaf dan wordt er meer kop gegooid dan munt. En dit gaat zo ongeveer stijgend door tot 500. Deze gebeurtenissen gebeuren op een onafhankelijke manier. Dat wil zeggen dat het muntstuk niet weet wat er in het verleden in geworpen. Bij de onderste figuur convergeert de Proportion of Heads ( y-as), uiteindelijk naar 50%. Dit experiment is wel afhankelijk van het verleden. Trendmatige verloop is eridd en dt is iid aan het toeval te wijten.
2008-12-08 19:02:33 [Ellen Van den Broeck] [reply] 
Het antwoord is juist. We kunnen er nog aan toevoegen dat er duidelijk geen sprake van een patroon is dat de grafiek uit het verleden terug opvolgt. Hierdoor kan er dus ook geen voorspelling worden gemaakt over het verloop van de grafiek in de toekomst.
Uit de onderste grafiek kan je zien dat de grafiek ongeveer een constant verloop krijgt naar het einde toe. Hoe langer men gooit hoe harder de kans evolueert naar een fifty/fifty kans op het gooien van kop of let. De kans (op LT) dat men beide waarden evenwaardig gooit is dus even groot.
Je kan stellen dat een stijging of daling aan het toeval is te wijten. Dit is logisch, het gooien van kop kan niet verklaard worden aan voorafgaande resultaten. Als we de tijdserie reproduceren krijgen we een gesimuleerde random walk. Conclusie = het is schijnbaar voorspelbaar (op het eerste zicht) maar de stijgingen en dalingen zijn werkelijk puur aan het toeval te wijten. Er is geen seizoenaliteit te zien.

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'Herman Ole Andreas Wold' @ 193.190.124.10:1001

\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 & 'Herman Ole Andreas Wold' @ 193.190.124.10:1001 \tabularnewline
\hline
\end{tabular}
%Source: https://freestatistics.org/blog/index.php?pk=27915&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]'Herman Ole Andreas Wold' @ 193.190.124.10:1001[/C][/ROW]
[/TABLE]
Source: https://freestatistics.org/blog/index.php?pk=27915&T=0

Globally Unique Identifier (entire table): ba.freestatistics.org/blog/index.php?pk=27915&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'Herman Ole Andreas Wold' @ 193.190.124.10:1001


Figures (Output of Computation)

Input Parameters & R Code

Parameters (Session):
par1 = 500 ; par2 = 0.5 ;
Parameters (R input):
par1 = 500 ; par2 = 0.5 ;
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()