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 13:10:26 -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/t1228248668dz5e37es46rwx6q.htm/, Retrieved Sun, 19 May 2024 09:26:49 +0000
Statistical Computations at FreeStatistics.org, Office for Research Development and Education, URL https://freestatistics.org/blog/index.php?pk=28336, Retrieved Sun, 19 May 2024 09:26:49 +0000
QR Codes:

Original text written by user:
IsPrivate?No (this computation is public)
User-defined keywords
Estimated Impact167

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] [Q1] [2008-12-02 20:10:26] [52492148dbcac26917ed19e489351f79] [Current]
F           [Law of Averages] [] [2008-12-03 11:09:13] [74be16979710d4c4e7c6647856088456]
Feedback Forum
2008-12-06 11:50:08 [Loïque Verhasselt] [reply] 
Q1: De student geeft de juiste output maar geen goede interpretatie.De bekomen output is een simulatie-experiment met een muntstuk dat 500 maal word opgegooid. Dit noemen we het random walk model (Yt – Yt-1 (=et) => Yt = Yt-1 + et).Er is een trend merkbaar in de grafiek.Een trend wil zeggen dat het over een lange termijnverloop gaat. Deze trend is echter schijnbaar.Deze is dus absoluut onvoorspelbaar omdat deze een simulatie voorstelt. We kunnen ook een schijnbare voorspelbaarheid zien maar dit is ook puur toeval.In de 2de grafiek zien we de waarschijnlijkheid van voorkomen. De proportie gaat naar 50% kans op kop of led!
2008-12-08 18:56:21 [Charis Berrevoets] [reply] 
Je zegt heel kort dat er geen seizoenaliteit is en dat er een trend lijkt te zijn maar dat dit aan toeval te wijten is. Dit klopt maar dit is een wel erg korte conclusie.
Je had de 2 grafieken nog kunnen bespreken. In de eerste grafiek zien we een rode lijn. Deze stelt het aantal keer dat kop meer gegooid word dan led voor. In de grafiek zien we dat dit sterk varieert, dat er een tijd meer kop en een tijd meer led gegooid wordt. Het lijkt ook dat hier een trend in zit zoals je zelf al zei. Dit is echter niet zo omdat de verschillende experimenten onafhankelijk zijn van elkaar. De module gooit zogezegd 500 keer een muntstuk op en houdt nooit rekening met wat er de vorige keer gegooid werd. Elke keer opnieuw heb je 50% kans dat het kop is. Je kan dus helemaal niet voorspellen of het kop zal worden en er is dus ook geen lange termijn trend.
De 2de grafiek bekijkt dezelfde worpen maar dan relatief gezien. Hier zien we dat na verloop van tijd de grafiek naar 0,5 neigt. Dit betekent dat we dus rond de 50% kans situeren. Zo toont ook de grafiek dat je 50% kans hebt om kop te gooien.
Je had ook nog kunnen vermelden dat dit model vaak gebruikt wordt op de beurs en door vele beursanalisten gezien wordt als het finaciële model.
De vergelijking van het random-walk model is: Yt = Yt-1 + et waarbij Yt de beurskoers voorstelt en et wat aan toeval te wijten is. Als dit model klopt dat zouden we een voorspelling kunnen maken op basis van: Ft = Yt-et = Yt-1 waarbij Ft de voorspelde beurskoers is. Dit betekent dat we de beurskoers gaan voorspellen op basis van wat de beurskoers in het verleden is (Yt-1). Het model klopt echter niet. Dan zou je immers op de grafiek van excess of heads een horizontale lijn moeten zien, maar deze is er niet. Er is ook helemaal geen lange termijn trend: je kan de beurs niet voorspellen. De kans dat de beurs de trend blijft volgen naar boven = 50% maar er is ook 50% kans dat ze naar beneden gaat. De experimenten zijn immers onafhankelijk van elkaar.

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'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 & 2 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=28336&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]'Herman Ole Andreas Wold' @ 193.190.124.10:1001[/C][/ROW]
[/TABLE]
Source: https://freestatistics.org/blog/index.php?pk=28336&T=0

Globally Unique Identifier (entire table): ba.freestatistics.org/blog/index.php?pk=28336&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'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 ; 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()