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_cloud.wasp
Title produced by softwareTrivariate Scatterplots
Date of computationTue, 04 Nov 2008 12:22:17 -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/Nov/04/t1225826605co1y5k2iwqgrl33.htm/, Retrieved Sun, 19 May 2024 07:13:54 +0000
Statistical Computations at FreeStatistics.org, Office for Research Development and Education, URL https://freestatistics.org/blog/index.php?pk=21636, Retrieved Sun, 19 May 2024 07:13:54 +0000
QR Codes:

Original text written by user:
IsPrivate?No (this computation is public)
User-defined keywords
Estimated Impact154

Tree of Dependent Computations

Family? (F = Feedback message, R = changed R code, M = changed R Module, P = changed Parameters, D = changed Data)
F       [Trivariate Scatterplots] [trivariate scatte...] [2008-11-04 19:22:17] [3817f5e632a8bfeb1be7b5e8c86bd450] [Current]
F         [Trivariate Scatterplots] [Trivariate scatte...] [2008-11-11 15:59:52] [73d6180dc45497329efd1b6934a84aba]
F           [Trivariate Scatterplots] [Trivariate Scatte...] [2008-11-11 17:25:33] [6816386b1f3c2f6c0c9f2aa1e5bc9362]
-   PD    [Trivariate Scatterplots] [paper trivariate] [2008-11-30 13:42:29] [077ffec662d24c06be4c491541a44245]
Feedback Forum
2008-11-18 19:39:52 [Glenn De Maeyer] [reply] 
De kubussen geven ons eerst een driedimensionale voorstelling van de tijdreeksen. We moeten hier echter mee opletten. Welke positie je ook bekijkt dit geeft een vertekend beeld. Want telkens je een andere invalshoek van dit driedimensionaal beeld neemt reduceer je de dimensie, waardoor bijvoorbeeld punten die achter elkaar liggen niet maar zichtbaar zijn. Je moet de kubus eigenlijk in alle dimensie bekijken. Dit is niet zo handig.

Na de de kubussen krijgen we een tekening met diagonaal histogrammen van de tijdreeksen en daarboven en onder scatterplots die de verbanden aantonen. De scatterplots zijn eigenlijk projecties van de vorige kubussen. Het zou dus kunnen dat je met een vertekend beeld zit en dat indien je een 3e dimensie toevoegt dat je dan een ander beeld krijgt.

Als laatste krijgen we een bivariate Kernel density plot. Deze vergelijkt de punten van gelijke dichtheid met elkaar. Het rode gebied toont ons de hoogste correlaties. De 3e dimensie wordt hier weergegeven door hoogtelijnen.
2008-11-24 17:41:51 [Jan Cavents] [reply] 
ik sluit me aan bij de feedback van Glenn De Mayer, bij de kubussen moeten we rekening houden met de twee dimensionale weergave op een scherm of op papier.

de volgende grafieken, met histogrammen en scatterplots, geven ons nog meer verbanden weer. in combinatie met de kubussen kan de interpretatie aangepast worden.

tot slot is er ook de BKD-plot. dit is een andere manier om clusters te achterhalen. daar waar de correlatie het grootst is liggen de punten dichter bij elkaar, waar ze verder van elkaar vandaan liggen is er een kleinere correlatie.

Post a new message

Dataset

Dataseries X:
Download CSV
Histogram
Boxplots 
12300.00
12092.80
12380.80
12196.90
9455.00
13168.00
13427.90
11980.50
11884.80
11691.70
12233.80
14341.40
13130.70
12421.10
14285.80
12864.60
11160.20
14316.20
14388.70
14013.90
13419.00
12769.60
13315.50
15332.90
14243.00
13824.40
14962.90
13202.90
12199.00
15508.90
14199.80
15169.60
14058.00
13786.20
14147.90
16541.70
13587.50
15582.40
15802.80
14130.50
12923.20
15612.20
16033.70
16036.60
14037.80
15330.60
15038.30
17401.80
14992.50
16043.70
16929.60
15921.30
14417.20
15961.00
17851.90
16483.90
14215.50
17429.70
17839.50
17629.20
Dataseries Y:
Download CSV
Histogram 
3423.40
3242.80
3277.20
3833.00
2606.30
3643.80
3686.40
3281.60
3669.30
3191.50
3512.70
3970.70
3601.20
3610.00
4172.10
3956.20
3142.70
3884.30
3892.20
3613.00
3730.50
3481.30
3649.50
4215.20
4066.60
4196.80
4536.60
4441.60
3548.30
4735.90
4130.60
4356.20
4159.60
3988.00
4167.80
4902.20
3909.40
4697.60
4308.90
4420.40
3544.20
4433.00
4479.70
4533.20
4237.50
4207.40
4394.00
5148.40
4202.20
4682.50
4884.30
5288.90
4505.20
4611.50
5081.10
4523.10
4412.80
4647.40
4778.60
4495.30
Dataseries Z:
Download CSV
Histogram 
15370.60
14956.90
15469.70
15101.80
11703.70
16283.60
16726.50
14968.90
14861.00
14583.30
15305.80
17903.90
16379.40
15420.30
17870.50
15912.80
13866.50
17823.20
17872.00
17420.40
16704.40
15991.20
16583.60
19123.50
17838.70
17209.40
18586.50
16258.10
15141.60
19202.10
17746.50
19090.10
18040.30
17515.50
17751.80
21072.40
17170.00
19439.50
19795.40
17574.90
16165.40
19464.60
19932.10
19961.20
17343.40
18924.20
18574.10
21350.60
18594.60
19823.10
20844.40
19640.20
17735.40
19813.60
22238.50
20682.20
17818.60
21872.10
22117.00
21865.90

Tables (Output of Computation)





Summary of computational transaction
Raw Inputview raw input (R code)
Raw Outputview raw output of R engine
Computing time6 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 & 6 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=21636&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]6 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=21636&T=0

Globally Unique Identifier (entire table): ba.freestatistics.org/blog/index.php?pk=21636&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 time6 seconds
R Server'Herman Ole Andreas Wold' @ 193.190.124.10:1001


Figures (Output of Computation)

Input Parameters & R Code

Parameters (Session):
par1 = 50 ; par2 = 50 ; par3 = Y ; par4 = Y ; par5 = uitvoer Vlaanderen ; par6 = uitvoer Belgie naar landen buiten EU ; par7 = uitvoer Belgie (totaal) ;
Parameters (R input):
par1 = 50 ; par2 = 50 ; par3 = Y ; par4 = Y ; par5 = uitvoer Vlaanderen ; par6 = uitvoer Belgie naar landen buiten EU ; par7 = uitvoer Belgie (totaal) ;
R code (references can be found in the software module):
x <- array(x,dim=c(length(x),1))
colnames(x) <- par5
y <- array(y,dim=c(length(y),1))
colnames(y) <- par6
z <- array(z,dim=c(length(z),1))
colnames(z) <- par7
d <- data.frame(cbind(z,y,x))
colnames(d) <- list(par7,par6,par5)
par1 <- as.numeric(par1)
par2 <- as.numeric(par2)
if (par1>500) par1 <- 500
if (par2>500) par2 <- 500
if (par1<10) par1 <- 10
if (par2<10) par2 <- 10
library(GenKern)
library(lattice)
panel.hist <- function(x, ...)
{
usr <- par('usr'); on.exit(par(usr))
par(usr = c(usr[1:2], 0, 1.5) )
h <- hist(x, plot = FALSE)
breaks <- h$breaks; nB <- length(breaks)
y <- h$counts; y <- y/max(y)
rect(breaks[-nB], 0, breaks[-1], y, col='black', ...)
}
bitmap(file='cloud1.png')
cloud(z~x*y, screen = list(x=-45, y=45, z=35),xlab=par5,ylab=par6,zlab=par7)
dev.off()
bitmap(file='cloud2.png')
cloud(z~x*y, screen = list(x=35, y=45, z=25),xlab=par5,ylab=par6,zlab=par7)
dev.off()
bitmap(file='cloud3.png')
cloud(z~x*y, screen = list(x=35, y=-25, z=90),xlab=par5,ylab=par6,zlab=par7)
dev.off()
bitmap(file='pairs.png')
pairs(d,diag.panel=panel.hist)
dev.off()
x <- as.vector(x)
y <- as.vector(y)
z <- as.vector(z)
bitmap(file='bidensity1.png')
op <- KernSur(x,y, xgridsize=par1, ygridsize=par2, correlation=cor(x,y), xbandwidth=dpik(x), ybandwidth=dpik(y))
image(op$xords, op$yords, op$zden, col=terrain.colors(100), axes=TRUE,main='Bivariate Kernel Density Plot (x,y)',xlab=par5,ylab=par6)
if (par3=='Y') contour(op$xords, op$yords, op$zden, add=TRUE)
if (par4=='Y') points(x,y)
(r<-lm(y ~ x))
abline(r)
box()
dev.off()
bitmap(file='bidensity2.png')
op <- KernSur(y,z, xgridsize=par1, ygridsize=par2, correlation=cor(y,z), xbandwidth=dpik(y), ybandwidth=dpik(z))
op
image(op$xords, op$yords, op$zden, col=terrain.colors(100), axes=TRUE,main='Bivariate Kernel Density Plot (y,z)',xlab=par6,ylab=par7)
if (par3=='Y') contour(op$xords, op$yords, op$zden, add=TRUE)
if (par4=='Y') points(y,z)
(r<-lm(z ~ y))
abline(r)
box()
dev.off()
bitmap(file='bidensity3.png')
op <- KernSur(x,z, xgridsize=par1, ygridsize=par2, correlation=cor(x,z), xbandwidth=dpik(x), ybandwidth=dpik(z))
op
image(op$xords, op$yords, op$zden, col=terrain.colors(100), axes=TRUE,main='Bivariate Kernel Density Plot (x,z)',xlab=par5,ylab=par7)
if (par3=='Y') contour(op$xords, op$yords, op$zden, add=TRUE)
if (par4=='Y') points(x,z)
(r<-lm(z ~ x))
abline(r)
box()
dev.off()