Repository of Reproducible Computations

Free Statistics

of Irreproducible Research!

Author's title

Author

*Unverified author*

R Software Module

rwasp_smp.wasp

Title produced by software

Standard Deviation-Mean Plot

Date of computation

Sun, 07 Dec 2008 04:50:18 -0700

Cite this page as follows

Statistical Computations at FreeStatistics.org, Office for Research Development and Education, URL https://freestatistics.org/blog/index.php?v=date/2008/Dec/07/t1228650649y1cdxtmflmbv31e.htm/, Retrieved Sun, 19 May 2024 11:36:33 +0000

Statistical Computations at FreeStatistics.org, Office for Research Development and Education, URL https://freestatistics.org/blog/index.php?pk=29885, Retrieved Sun, 19 May 2024 11:36:33 +0000

QR Codes:

Paste this QR Code to cite your computation.

Original text written by user:

IsPrivate?

No (this computation is public)

User-defined keywords

Estimated Impact

194

Family? (F = Feedback message, R = changed R code, M = changed R Module, P = changed Parameters, D = changed Data)

-     [Univariate Data Series] [data set] [2008-12-01 19:54:57] [b98453cac15ba1066b407e146608df68]
F RMP     [Standard Deviation-Mean Plot] [q1] [2008-12-07 11:50:18] [607bd9e9685911f7e343f7bc0bf7bdf9] [Current]
F RM        [Variance Reduction Matrix] [step 2] [2008-12-07 11:57:32] [1b742211e88d1643c42c5773474321b2] 
F RMP         [(Partial) Autocorrelation Function] [ste^2] [2008-12-07 12:04:39] [1b742211e88d1643c42c5773474321b2] 
F RM            [Spectral Analysis] [step 2] [2008-12-07 12:10:49] [1b742211e88d1643c42c5773474321b2] 
-                 [Spectral Analysis] [step 3] [2008-12-07 12:17:09] [1b742211e88d1643c42c5773474321b2] 
F RM                [(Partial) Autocorrelation Function] [step 3] [2008-12-07 12:22:25] [1b742211e88d1643c42c5773474321b2] 
F RM                  [ARIMA Backward Selection] [step 4] [2008-12-07 12:41:04] [1b742211e88d1643c42c5773474321b2] 

Feedback Forum

2008-12-13 11:34:01 [Nicolaj Wuyts] [reply] 
Het is belangrijk of we ook aan de hand van cijfers controleren ofdat de lamba waarde wel significant is. Hiervoor kijken we naar de p-value, die kleiner moet zijn dan 0,05. Uit de weergave van de tabel kunnen we bevestigen dat de lamba waarde significant is en dus mag gebruikt worden.
2008-12-13 14:11:20 [Kelly Deckx] [reply] 
Ik had nog moeten vermelden waarom we de lamda waarde mogen gebruiken.  
De p-value bij de eerste tabel is kleiner dan 0.05, dus is de lamda waarde betrouwbaar en mogen we deze gebruiken. 
2008-12-14 12:07:44 [Carole Thielens] [reply] 
Vooreerst kan gesteld worden dat de bewerkingen die de student maakte, volledig correct zijn. De lambda-waarde die zal leiden tot de hoogste correlatie tussen de standaardfout en het gemiddelde, is inderdaad gelijk aan 0.46. Hierbij merkt de student eveneens op dat er sprake is van een positief verband tussen sd en mean, waaruit hij besluit dat de tijdsreeks niet stationair is. 
 
De student zou echter nog wel hebben moeten opmerken dat er een outlier aanwezig is in de tijdsreeks, welke duidelijk waarneembaar is op de standard-deviation mean plot. Er was reeds sprake van een zwak positief verband, maar indien de outlier weggelaten zou worden, dan zal dit positief verband NOG sterker worden. 
Ook kan opgemerkt worden dat de p-waarde in de tabel kleiner is dan 0.05 en bijgevolg er op duidt dat de berekende lambda-waarde betrouwbaar is. 
2008-12-14 13:00:27 [Carole Thielens] [reply] 
Vooreerst kan gesteld worden dat de bewerkingen die de student maakte, volledig correct zijn. De lambda-waarde die zal leiden tot de hoogste correlatie tussen de standaardfout en het gemiddelde, is inderdaad gelijk aan 0.46.Hierbij merkt de student eveneens op dat er sprake is van een positief verband tussen sd en mean,, waaruit hij besluit dat de tijdsreeks niet stationair is. 
De student zou echter nog wel hebben moeten opmerken dat er een outlier aanwezig is in de tijdsreeks, welke duidelijk waarneembaar is op de standard-deviation mean plot. Er was reeds sprake van een zwak positief verband, maar indien de outlier weggelaten zou worden, dan zal dit positief verband NOG sterker worden. 
Ook kan opgemerkt worden dat de p-waarde in de tabel zonder twijfel kleiner is dan 0.05 en bijgevolg er op duidt dat de berekende lambda-waarde betrouwbaar is. 
2008-12-14 16:37:38 [Jasmine Hendrikx] [reply] 
Evaluatie stap 1: 
De student heeft de berekening goed uitgevoerd, maar de conclusie is onvolledig. Zo zou er het volgende nog vermeld kunnen worden: 
Met de Standard Deviation –Mean Plot gaat de tijdreeks in mootjes gehakt worden. In de eerste tabel krijgen we voor het eerste jaar en voor de volgende jaren steeds het gemiddelde en de standaardafwijking. In de laatste kolom zien we de range (dit is het verschil tussen de grootste en kleinste waarde). De grafiek geeft het verband weer tussen het gemiddelde niveau en de standaardafwijking. Op de x-as zien we het gemiddelde en op de y-as de standaardafwijking. We moeten hier goed opletten op outliers, zeker wanneer deze zich links of rechts bevinden, aangezien zij de helling dan sterk zullen beïnvloeden. Uit de grafiek kunnen we afleiden dat er bovenaan wel een outlier is, maar deze bevindt zich gelukkig niet helemaal links of rechts. Over het algemeen kunnen we een positief verband zien tussen het gemiddelde en de standaardafwijking.  We zien uit de tweede tabel (tabel na de tabel met gemiddelde, S.D.,…)dat bèta gelijk is aan 0,05 (de student heeft deze tabel niet in het document gezet, maar dit zou wel nuttig zijn, aangezien we deze tabel zeker moeten gebruiken). Dit getal is significant verschillend van 0, doordat de p-waarde zeer klein is. De p-waarde is zelfs kleiner dan 1%, waardoor we kunnen zeggen dat er minder dan 1% kans is dat we ons vergissen bij het verwerpen van de nulhypothese. De helling (beta) is dus significant verschillend van 0 en het positieve verband tussen het gemiddelde en de standaardafwijking is dus niet aan het toeval te wijten. In de derde tabel vind je een theoretische lambda die je kan gebruiken in de transformatie.We zien uit de vorige tabel dat er een significant verband bestaat tussen het gemiddelde en de standaardafwijking, daarom mogen we dus de waarde van lambda nemen die berekend is (zou er geen significant verband zijn tussen de standaardafwijking en het gemiddelde, dan mogen we de berekende lambda niet nemen en moeten we deze 1 houden). Dus als de p-waarde kleiner is dan 0.05 moeten we deze lambda gebruiken bij de transformatie, is dit niet het geval, dan moeten we lambda 1 houden. We zoeken deze lambda om de variantie te stabiliseren en zo de tijdreeks meer stationair te maken.  
2008-12-16 10:02:35 [] [reply] 
De bewerkingen zijn correct uitgevoerd. 
De lambda mag inderdaad gebruikt worden aangezien de p-value kleiner is dan 5%. 
Zoals hierboven reeds eerder vermeld. Verdere commentaar gegeven bij de tabel lijkt me correct en redelijk volledig.
  2008-12-16 10:03:33 [Sören Van Donink] [reply] 
vergete in te logge

Post a new message

Dataseries X:

Download CSV

Histogram

Boxplots

Summary of computational transaction
Raw Input	view raw input (R code)
Raw Output	view raw output of R engine
Computing time	1 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 & 1 seconds \tabularnewline
R Server & 'Gwilym Jenkins' @ 72.249.127.135 \tabularnewline
\hline
\end{tabular}
%Source: https://freestatistics.org/blog/index.php?pk=29885&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]1 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=29885&T=0

Globally Unique Identifier (entire table): ba.freestatistics.org/blog/index.php?pk=29885&T=0

As an alternative you can also use a QR Code:

The GUIDs for individual cells are displayed in the table below:

Summary of computational transaction
Raw Input	view raw input (R code)
Raw Output	view raw output of R engine
Computing time	1 seconds
R Server	'Gwilym Jenkins' @ 72.249.127.135

Standard Deviation-Mean Plot
Section	Mean	Standard Deviation	Range
1	227.733333333333	29.1940010442162	106
2	363.65	36.3267119348834	139.3
3	328.916666666667	93.5458451857438	273.6
4	205.45	30.3247123946491	89.5
5	188.333333333333	27.3773739803621	86
6	181.25	26.1571995999016	85.2
7	353.341666666667	36.2089506346236	110.8
8	285.308333333333	46.6051783766048	138.5
9	275.125	35.0509272345255	108.8
10	285.85	30.7409262296136	86.7
11	460.166666666667	56.0969831198748	147.3
12	373.95	53.1021228817215	150.3
13	385.1	35.1442999387072	115.5
14	471.358333333333	64.2130184808676	179.1
15	394.208333333333	40.6847628018454	138.7
16	407	46.6030432092544	147.6
17	378.575	49.9696839912143	132
18	336.633333333333	51.5290973993129	146.3
19	287.841666666667	33.2699826033054	112.7
20	297.566666666667	30.476438987082	117
21	281.666666666667	40.7140434412173	131.1
22	283.033333333333	28.4860837901065	109
23	408.85	48.934882520271	128.5
24	499.333333333333	37.5159925494408	109.6
25	484.008333333333	48.4390236808249	133.1
26	430.433333333333	37.4665022103584	108.4
27	507.583333333333	53.8722703730919	196.2
28	782.975	48.4555489832973	137.4
29	728.8	53.3077684940777	187
30	685.558333333333	72.5442618285032	222.9
31	604.716666666667	50.4040372360882	144

\begin{tabular}{lllllllll}
\hline
Standard Deviation-Mean Plot \tabularnewline
Section & Mean & Standard Deviation & Range \tabularnewline
1 & 227.733333333333 & 29.1940010442162 & 106 \tabularnewline
2 & 363.65 & 36.3267119348834 & 139.3 \tabularnewline
3 & 328.916666666667 & 93.5458451857438 & 273.6 \tabularnewline
4 & 205.45 & 30.3247123946491 & 89.5 \tabularnewline
5 & 188.333333333333 & 27.3773739803621 & 86 \tabularnewline
6 & 181.25 & 26.1571995999016 & 85.2 \tabularnewline
7 & 353.341666666667 & 36.2089506346236 & 110.8 \tabularnewline
8 & 285.308333333333 & 46.6051783766048 & 138.5 \tabularnewline
9 & 275.125 & 35.0509272345255 & 108.8 \tabularnewline
10 & 285.85 & 30.7409262296136 & 86.7 \tabularnewline
11 & 460.166666666667 & 56.0969831198748 & 147.3 \tabularnewline
12 & 373.95 & 53.1021228817215 & 150.3 \tabularnewline
13 & 385.1 & 35.1442999387072 & 115.5 \tabularnewline
14 & 471.358333333333 & 64.2130184808676 & 179.1 \tabularnewline
15 & 394.208333333333 & 40.6847628018454 & 138.7 \tabularnewline
16 & 407 & 46.6030432092544 & 147.6 \tabularnewline
17 & 378.575 & 49.9696839912143 & 132 \tabularnewline
18 & 336.633333333333 & 51.5290973993129 & 146.3 \tabularnewline
19 & 287.841666666667 & 33.2699826033054 & 112.7 \tabularnewline
20 & 297.566666666667 & 30.476438987082 & 117 \tabularnewline
21 & 281.666666666667 & 40.7140434412173 & 131.1 \tabularnewline
22 & 283.033333333333 & 28.4860837901065 & 109 \tabularnewline
23 & 408.85 & 48.934882520271 & 128.5 \tabularnewline
24 & 499.333333333333 & 37.5159925494408 & 109.6 \tabularnewline
25 & 484.008333333333 & 48.4390236808249 & 133.1 \tabularnewline
26 & 430.433333333333 & 37.4665022103584 & 108.4 \tabularnewline
27 & 507.583333333333 & 53.8722703730919 & 196.2 \tabularnewline
28 & 782.975 & 48.4555489832973 & 137.4 \tabularnewline
29 & 728.8 & 53.3077684940777 & 187 \tabularnewline
30 & 685.558333333333 & 72.5442618285032 & 222.9 \tabularnewline
31 & 604.716666666667 & 50.4040372360882 & 144 \tabularnewline
\hline
\end{tabular}
%Source: https://freestatistics.org/blog/index.php?pk=29885&T=1

[TABLE]
[ROW][C]Standard Deviation-Mean Plot[/C][/ROW]
[ROW][C]Section[/C][C]Mean[/C][C]Standard Deviation[/C][C]Range[/C][/ROW]
[ROW][C]1[/C][C]227.733333333333[/C][C]29.1940010442162[/C][C]106[/C][/ROW]
[ROW][C]2[/C][C]363.65[/C][C]36.3267119348834[/C][C]139.3[/C][/ROW]
[ROW][C]3[/C][C]328.916666666667[/C][C]93.5458451857438[/C][C]273.6[/C][/ROW]
[ROW][C]4[/C][C]205.45[/C][C]30.3247123946491[/C][C]89.5[/C][/ROW]
[ROW][C]5[/C][C]188.333333333333[/C][C]27.3773739803621[/C][C]86[/C][/ROW]
[ROW][C]6[/C][C]181.25[/C][C]26.1571995999016[/C][C]85.2[/C][/ROW]
[ROW][C]7[/C][C]353.341666666667[/C][C]36.2089506346236[/C][C]110.8[/C][/ROW]
[ROW][C]8[/C][C]285.308333333333[/C][C]46.6051783766048[/C][C]138.5[/C][/ROW]
[ROW][C]9[/C][C]275.125[/C][C]35.0509272345255[/C][C]108.8[/C][/ROW]
[ROW][C]10[/C][C]285.85[/C][C]30.7409262296136[/C][C]86.7[/C][/ROW]
[ROW][C]11[/C][C]460.166666666667[/C][C]56.0969831198748[/C][C]147.3[/C][/ROW]
[ROW][C]12[/C][C]373.95[/C][C]53.1021228817215[/C][C]150.3[/C][/ROW]
[ROW][C]13[/C][C]385.1[/C][C]35.1442999387072[/C][C]115.5[/C][/ROW]
[ROW][C]14[/C][C]471.358333333333[/C][C]64.2130184808676[/C][C]179.1[/C][/ROW]
[ROW][C]15[/C][C]394.208333333333[/C][C]40.6847628018454[/C][C]138.7[/C][/ROW]
[ROW][C]16[/C][C]407[/C][C]46.6030432092544[/C][C]147.6[/C][/ROW]
[ROW][C]17[/C][C]378.575[/C][C]49.9696839912143[/C][C]132[/C][/ROW]
[ROW][C]18[/C][C]336.633333333333[/C][C]51.5290973993129[/C][C]146.3[/C][/ROW]
[ROW][C]19[/C][C]287.841666666667[/C][C]33.2699826033054[/C][C]112.7[/C][/ROW]
[ROW][C]20[/C][C]297.566666666667[/C][C]30.476438987082[/C][C]117[/C][/ROW]
[ROW][C]21[/C][C]281.666666666667[/C][C]40.7140434412173[/C][C]131.1[/C][/ROW]
[ROW][C]22[/C][C]283.033333333333[/C][C]28.4860837901065[/C][C]109[/C][/ROW]
[ROW][C]23[/C][C]408.85[/C][C]48.934882520271[/C][C]128.5[/C][/ROW]
[ROW][C]24[/C][C]499.333333333333[/C][C]37.5159925494408[/C][C]109.6[/C][/ROW]
[ROW][C]25[/C][C]484.008333333333[/C][C]48.4390236808249[/C][C]133.1[/C][/ROW]
[ROW][C]26[/C][C]430.433333333333[/C][C]37.4665022103584[/C][C]108.4[/C][/ROW]
[ROW][C]27[/C][C]507.583333333333[/C][C]53.8722703730919[/C][C]196.2[/C][/ROW]
[ROW][C]28[/C][C]782.975[/C][C]48.4555489832973[/C][C]137.4[/C][/ROW]
[ROW][C]29[/C][C]728.8[/C][C]53.3077684940777[/C][C]187[/C][/ROW]
[ROW][C]30[/C][C]685.558333333333[/C][C]72.5442618285032[/C][C]222.9[/C][/ROW]
[ROW][C]31[/C][C]604.716666666667[/C][C]50.4040372360882[/C][C]144[/C][/ROW]
[/TABLE]
Source: https://freestatistics.org/blog/index.php?pk=29885&T=1

Globally Unique Identifier (entire table): ba.freestatistics.org/blog/index.php?pk=29885&T=1

As an alternative you can also use a QR Code:

The GUIDs for individual cells are displayed in the table below:

Standard Deviation-Mean Plot
Section	Mean	Standard Deviation	Range
1	227.733333333333	29.1940010442162	106
2	363.65	36.3267119348834	139.3
3	328.916666666667	93.5458451857438	273.6
4	205.45	30.3247123946491	89.5
5	188.333333333333	27.3773739803621	86
6	181.25	26.1571995999016	85.2
7	353.341666666667	36.2089506346236	110.8
8	285.308333333333	46.6051783766048	138.5
9	275.125	35.0509272345255	108.8
10	285.85	30.7409262296136	86.7
11	460.166666666667	56.0969831198748	147.3
12	373.95	53.1021228817215	150.3
13	385.1	35.1442999387072	115.5
14	471.358333333333	64.2130184808676	179.1
15	394.208333333333	40.6847628018454	138.7
16	407	46.6030432092544	147.6
17	378.575	49.9696839912143	132
18	336.633333333333	51.5290973993129	146.3
19	287.841666666667	33.2699826033054	112.7
20	297.566666666667	30.476438987082	117
21	281.666666666667	40.7140434412173	131.1
22	283.033333333333	28.4860837901065	109
23	408.85	48.934882520271	128.5
24	499.333333333333	37.5159925494408	109.6
25	484.008333333333	48.4390236808249	133.1
26	430.433333333333	37.4665022103584	108.4
27	507.583333333333	53.8722703730919	196.2
28	782.975	48.4555489832973	137.4
29	728.8	53.3077684940777	187
30	685.558333333333	72.5442618285032	222.9
31	604.716666666667	50.4040372360882	144

Regression: S.E.(k) = alpha + beta * Mean(k)
alpha	25.0818554501784
beta	0.0488516650103526
S.D.	0.0155384837695400
T-STAT	3.14391453728042
p-value	0.00382792717820021

\begin{tabular}{lllllllll}
\hline
Regression: S.E.(k) = alpha + beta * Mean(k) \tabularnewline
alpha & 25.0818554501784 \tabularnewline
beta & 0.0488516650103526 \tabularnewline
S.D. & 0.0155384837695400 \tabularnewline
T-STAT & 3.14391453728042 \tabularnewline
p-value & 0.00382792717820021 \tabularnewline
\hline
\end{tabular}
%Source: https://freestatistics.org/blog/index.php?pk=29885&T=2

[TABLE]
[ROW][C]Regression: S.E.(k) = alpha + beta * Mean(k)[/C][/ROW]
[ROW][C]alpha[/C][C]25.0818554501784[/C][/ROW]
[ROW][C]beta[/C][C]0.0488516650103526[/C][/ROW]
[ROW][C]S.D.[/C][C]0.0155384837695400[/C][/ROW]
[ROW][C]T-STAT[/C][C]3.14391453728042[/C][/ROW]
[ROW][C]p-value[/C][C]0.00382792717820021[/C][/ROW]
[/TABLE]
Source: https://freestatistics.org/blog/index.php?pk=29885&T=2

Globally Unique Identifier (entire table): ba.freestatistics.org/blog/index.php?pk=29885&T=2

As an alternative you can also use a QR Code:

The GUIDs for individual cells are displayed in the table below:

Regression: S.E.(k) = alpha + beta * Mean(k)
alpha	25.0818554501784
beta	0.0488516650103526
S.D.	0.0155384837695400
T-STAT	3.14391453728042
p-value	0.00382792717820021

Regression: ln S.E.(k) = alpha + beta * ln Mean(k)
alpha	0.596066412617842
beta	0.532942026074986
S.D.	0.115396834084912
T-STAT	4.61834183148243
p-value	7.31833172336408e-05
Lambda	0.467057973925014

\begin{tabular}{lllllllll}
\hline
Regression: ln S.E.(k) = alpha + beta * ln Mean(k) \tabularnewline
alpha & 0.596066412617842 \tabularnewline
beta & 0.532942026074986 \tabularnewline
S.D. & 0.115396834084912 \tabularnewline
T-STAT & 4.61834183148243 \tabularnewline
p-value & 7.31833172336408e-05 \tabularnewline
Lambda & 0.467057973925014 \tabularnewline
\hline
\end{tabular}
%Source: https://freestatistics.org/blog/index.php?pk=29885&T=3

[TABLE]
[ROW][C]Regression: ln S.E.(k) = alpha + beta * ln Mean(k)[/C][/ROW]
[ROW][C]alpha[/C][C]0.596066412617842[/C][/ROW]
[ROW][C]beta[/C][C]0.532942026074986[/C][/ROW]
[ROW][C]S.D.[/C][C]0.115396834084912[/C][/ROW]
[ROW][C]T-STAT[/C][C]4.61834183148243[/C][/ROW]
[ROW][C]p-value[/C][C]7.31833172336408e-05[/C][/ROW]
[ROW][C]Lambda[/C][C]0.467057973925014[/C][/ROW]
[/TABLE]
Source: https://freestatistics.org/blog/index.php?pk=29885&T=3

Globally Unique Identifier (entire table): ba.freestatistics.org/blog/index.php?pk=29885&T=3

As an alternative you can also use a QR Code:

The GUIDs for individual cells are displayed in the table below:

Regression: ln S.E.(k) = alpha + beta * ln Mean(k)
alpha	0.596066412617842
beta	0.532942026074986
S.D.	0.115396834084912
T-STAT	4.61834183148243
p-value	7.31833172336408e-05
Lambda	0.467057973925014

Figure 1

PNG link

Postscript link

PDF link

Figure 2

PNG link

Postscript link

PDF link

Parameters (Session):

par1 = 12 ;

Parameters (R input):

par1 = 12 ;

R code (references can be found in the software module):

par1 <- as.numeric(par1)
(n <- length(x))
(np <- floor(n / par1))
arr <- array(NA,dim=c(par1,np))
j <- 0
k <- 1
for (i in 1:(np*par1))
{
j = j + 1
arr[j,k] <- x[i]
if (j == par1) {
j = 0
k=k+1
}
}
arr
arr.mean <- array(NA,dim=np)
arr.sd <- array(NA,dim=np)
arr.range <- array(NA,dim=np)
for (j in 1:np)
{
arr.mean[j] <- mean(arr[,j],na.rm=TRUE)
arr.sd[j] <- sd(arr[,j],na.rm=TRUE)
arr.range[j] <- max(arr[,j],na.rm=TRUE) - min(arr[,j],na.rm=TRUE)
}
arr.mean
arr.sd
arr.range
(lm1 <- lm(arr.sd~arr.mean))
(lnlm1 <- lm(log(arr.sd)~log(arr.mean)))
(lm2 <- lm(arr.range~arr.mean))
bitmap(file='test1.png')
plot(arr.mean,arr.sd,main='Standard Deviation-Mean Plot',xlab='mean',ylab='standard deviation')
dev.off()
bitmap(file='test2.png')
plot(arr.mean,arr.range,main='Range-Mean Plot',xlab='mean',ylab='range')
dev.off()
load(file='createtable')
a<-table.start()
a<-table.row.start(a)
a<-table.element(a,'Standard Deviation-Mean Plot',4,TRUE)
a<-table.row.end(a)
a<-table.row.start(a)
a<-table.element(a,'Section',header=TRUE)
a<-table.element(a,'Mean',header=TRUE)
a<-table.element(a,'Standard Deviation',header=TRUE)
a<-table.element(a,'Range',header=TRUE)
a<-table.row.end(a)
for (j in 1:np) {
a<-table.row.start(a)
a<-table.element(a,j,header=TRUE)
a<-table.element(a,arr.mean[j])
a<-table.element(a,arr.sd[j] )
a<-table.element(a,arr.range[j] )
a<-table.row.end(a)
}
a<-table.end(a)
table.save(a,file='mytable.tab')
a<-table.start()
a<-table.row.start(a)
a<-table.element(a,'Regression: S.E.(k) = alpha + beta * Mean(k)',2,TRUE)
a<-table.row.end(a)
a<-table.row.start(a)
a<-table.element(a,'alpha',header=TRUE)
a<-table.element(a,lm1$coefficients[[1]])
a<-table.row.end(a)
a<-table.row.start(a)
a<-table.element(a,'beta',header=TRUE)
a<-table.element(a,lm1$coefficients[[2]])
a<-table.row.end(a)
a<-table.row.start(a)
a<-table.element(a,'S.D.',header=TRUE)
a<-table.element(a,summary(lm1)$coefficients[2,2])
a<-table.row.end(a)
a<-table.row.start(a)
a<-table.element(a,'T-STAT',header=TRUE)
a<-table.element(a,summary(lm1)$coefficients[2,3])
a<-table.row.end(a)
a<-table.row.start(a)
a<-table.element(a,'p-value',header=TRUE)
a<-table.element(a,summary(lm1)$coefficients[2,4])
a<-table.row.end(a)
a<-table.end(a)
table.save(a,file='mytable1.tab')
a<-table.start()
a<-table.row.start(a)
a<-table.element(a,'Regression: ln S.E.(k) = alpha + beta * ln Mean(k)',2,TRUE)
a<-table.row.end(a)
a<-table.row.start(a)
a<-table.element(a,'alpha',header=TRUE)
a<-table.element(a,lnlm1$coefficients[[1]])
a<-table.row.end(a)
a<-table.row.start(a)
a<-table.element(a,'beta',header=TRUE)
a<-table.element(a,lnlm1$coefficients[[2]])
a<-table.row.end(a)
a<-table.row.start(a)
a<-table.element(a,'S.D.',header=TRUE)
a<-table.element(a,summary(lnlm1)$coefficients[2,2])
a<-table.row.end(a)
a<-table.row.start(a)
a<-table.element(a,'T-STAT',header=TRUE)
a<-table.element(a,summary(lnlm1)$coefficients[2,3])
a<-table.row.end(a)
a<-table.row.start(a)
a<-table.element(a,'p-value',header=TRUE)
a<-table.element(a,summary(lnlm1)$coefficients[2,4])
a<-table.row.end(a)
a<-table.row.start(a)
a<-table.element(a,'Lambda',header=TRUE)
a<-table.element(a,1-lnlm1$coefficients[[2]])
a<-table.row.end(a)
a<-table.end(a)
table.save(a,file='mytable2.tab')

Free Statistics

Description of Statistical Computation

Tree of Dependent Computations

Dataset

Tables (Output of Computation)

Figures (Output of Computation)

Input Parameters & R Code