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_bidensity.wasp
Title produced by softwareBivariate Kernel Density Estimation
Date of computationSat, 08 Nov 2008 09:09:28 -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/08/t1226160655yrpapvtr4tzg5ng.htm/, Retrieved Sun, 19 May 2024 10:41:00 +0000
Statistical Computations at FreeStatistics.org, Office for Research Development and Education, URL https://freestatistics.org/blog/index.php?pk=22618, Retrieved Sun, 19 May 2024 10:41:00 +0000
QR Codes:

Original text written by user:
IsPrivate?No (this computation is public)
User-defined keywords
Estimated Impact182

Tree of Dependent Computations

Family? (F = Feedback message, R = changed R code, M = changed R Module, P = changed Parameters, D = changed Data)
F       [Bivariate Kernel Density Estimation] [EDA Hyp. Testing ...] [2008-11-08 16:09:28] [0da3c04827d8ef68db874351a2e09488] [Current]
-    D    [Bivariate Kernel Density Estimation] [Paper Bivariate D...] [2008-12-16 10:40:20] [f9b9e85820b2a54b20380c3265aca831]
Feedback Forum
2008-11-21 14:24:23 [Nick Wuyts] [reply] 
Net als een scatterplot, geeft de bivariate density de correlatie tussen 2 reeksen weer. De bivariate density vergelijkt punten van gelijke dichtheid met elkaar en verbindt deze vervolgens met een lijn. De grafische voorstelling verschilt doordat deze hoogtelijnen worden gebruikt. De rode zone geeft een grote dichtheid/correlatie weer. Een groene of gele zone wijzen op een zwakkere dichtheid/correlatie.

De reeksen van de student vertonen een hoge correlatie (0.809163881661423). Dit zie je grafisch doordat bijna al de punten heel dicht bij de rechte liggen (die trouwens sterk stijgend naar rechts gaat, wat wijst op een positieve correlatie).

Mbv deze techniek kun je het makkelijkst conclusies trekken over de gekozen reeksen, ook wordt er meer info gegeven dan bij de andere 2 methodes.
Een nadeel is dat je slechts 2 reeksen met elkaar kan vergelijken.
2008-11-24 19:12:25 [Bart Haemels] [reply] 
JE antwoord is maar deels correct. Er is inderdaad ene grote spreiding
Maar je had ook moeten opmerken dat ook al is de spreiding groot, er is een zeer grote correlatie dit kan je zien aan het roze gedeelte. De correlatie is positief dit merk je ook aan de stijgende rechte.

Post a new message

Dataset

Dataseries X:
Download CSV
Histogram
Boxplots 
1,7
1,4
1,8
1,7
1,4
1,2
1
1,7
2,4
2
2,1
2
1,8
2,7
2,3
1,9
2
2,3
2,8
2,4
2,3
2,7
2,7
2,9
3
2,2
2,3
2,8
2,8
2,8
2,2
2,6
2,8
2,5
2,4
2,3
1,9
1,7
2
2,1
1,7
1,8
1,8
1,8
1,3
1,3
1,3
1,2
1,4
2,2
2,9
3,1
3,5
3,6
4,4
4,1
5,1
5,8
5,9
5,4
5,5
Dataseries Y:
Download CSV
Histogram 
94,7
101,8
102,5
105,3
110,3
109,8
117,3
118,8
131,3
125,9
133,1
147
145,8
164,4
149,8
137,7
151,7
156,8
180
180,4
170,4
191,6
199,5
218,2
217,5
205
194
199,3
219,3
211,1
215,2
240,2
242,2
240,7
255,4
253
218,2
203,7
205,6
215,6
188,5
202,9
214
230,3
230
241
259,6
247,8
270,3
289,7
322,7
315
320,2
329,5
360,6
382,2
435,4
464
468,8
403
351,6

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'Sir Ronald Aylmer Fisher' @ 193.190.124.24

\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 & 'Sir Ronald Aylmer Fisher' @ 193.190.124.24 \tabularnewline
\hline
\end{tabular}
%Source: https://freestatistics.org/blog/index.php?pk=22618&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]'Sir Ronald Aylmer Fisher' @ 193.190.124.24[/C][/ROW]
[/TABLE]
Source: https://freestatistics.org/blog/index.php?pk=22618&T=0

Globally Unique Identifier (entire table): ba.freestatistics.org/blog/index.php?pk=22618&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'Sir Ronald Aylmer Fisher' @ 193.190.124.24






Bandwidth
x axis0.344536415942622
y axis28.1393402757329
Correlation
correlation used in KDE0.809163881661423
correlation(x,y)0.809163881661423

\begin{tabular}{lllllllll}
\hline
Bandwidth \tabularnewline
x axis & 0.344536415942622 \tabularnewline
y axis & 28.1393402757329 \tabularnewline
Correlation \tabularnewline
correlation used in KDE & 0.809163881661423 \tabularnewline
correlation(x,y) & 0.809163881661423 \tabularnewline
\hline
\end{tabular}
%Source: https://freestatistics.org/blog/index.php?pk=22618&T=1

[TABLE]
[ROW][C]Bandwidth[/C][/ROW]
[ROW][C]x axis[/C][C]0.344536415942622[/C][/ROW]
[ROW][C]y axis[/C][C]28.1393402757329[/C][/ROW]
[ROW][C]Correlation[/C][/ROW]
[ROW][C]correlation used in KDE[/C][C]0.809163881661423[/C][/ROW]
[ROW][C]correlation(x,y)[/C][C]0.809163881661423[/C][/ROW]
[/TABLE]
Source: https://freestatistics.org/blog/index.php?pk=22618&T=1

Globally Unique Identifier (entire table): ba.freestatistics.org/blog/index.php?pk=22618&T=1

As an alternative you can also use a QR Code:  
QR Code


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

Bandwidth
x axis0.344536415942622
y axis28.1393402757329
Correlation
correlation used in KDE0.809163881661423
correlation(x,y)0.809163881661423


Figures (Output of Computation)

Input Parameters & R Code

Parameters (Session):
par1 = 50 ; par2 = 50 ; par3 = 0 ; par4 = 0 ; par5 = 0 ; par6 = Y ; par7 = Y ;
Parameters (R input):
par1 = 50 ; par2 = 50 ; par3 = 0 ; par4 = 0 ; par5 = 0 ; par6 = Y ; par7 = Y ;
R code (references can be found in the software module):
par1 <- as(par1,'numeric')
par2 <- as(par2,'numeric')
par3 <- as(par3,'numeric')
par4 <- as(par4,'numeric')
par5 <- as(par5,'numeric')
library('GenKern')
if (par3==0) par3 <- dpik(x)
if (par4==0) par4 <- dpik(y)
if (par5==0) par5 <- cor(x,y)
if (par1 > 500) par1 <- 500
if (par2 > 500) par2 <- 500
bitmap(file='bidensity.png')
op <- KernSur(x,y, xgridsize=par1, ygridsize=par2, correlation=par5, xbandwidth=par3, ybandwidth=par4)
image(op$xords, op$yords, op$zden, col=terrain.colors(100), axes=TRUE,main=main,xlab=xlab,ylab=ylab)
if (par6=='Y') contour(op$xords, op$yords, op$zden, add=TRUE)
if (par7=='Y') points(x,y)
(r<-lm(y ~ x))
abline(r)
box()
dev.off()
load(file='createtable')
a<-table.start()
a<-table.row.start(a)
a<-table.element(a,'Bandwidth',2,TRUE)
a<-table.row.end(a)
a<-table.row.start(a)
a<-table.element(a,'x axis',header=TRUE)
a<-table.element(a,par3)
a<-table.row.end(a)
a<-table.row.start(a)
a<-table.element(a,'y axis',header=TRUE)
a<-table.element(a,par4)
a<-table.row.end(a)
a<-table.row.start(a)
a<-table.element(a,'Correlation',2,TRUE)
a<-table.row.end(a)
a<-table.row.start(a)
a<-table.element(a,'correlation used in KDE',header=TRUE)
a<-table.element(a,par5)
a<-table.row.end(a)
a<-table.row.start(a)
a<-table.element(a,'correlation(x,y)',header=TRUE)
a<-table.element(a,cor(x,y))
a<-table.row.end(a)
a<-table.end(a)
table.save(a,file='mytable.tab')