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 computationSun, 09 Nov 2008 10:34:55 -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/09/t122625213234lz71r07jb44n5.htm/, Retrieved Mon, 27 May 2024 23:10:06 +0000
Statistical Computations at FreeStatistics.org, Office for Research Development and Education, URL https://freestatistics.org/blog/index.php?pk=22789, Retrieved Mon, 27 May 2024 23:10:06 +0000
QR Codes:

Original text written by user:
IsPrivate?No (this computation is public)
User-defined keywords
Estimated Impact149

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] [uitvoer - werkloo...] [2008-11-09 17:34:55] [54ae75b68e6a45c6d55fa4235827d5b3] [Current]
Feedback Forum
2008-11-15 10:47:07 [Tom Ardies] [reply] 
Er zijn twee cluster duidelijk te onderscheiden op de grafiek. En aan de rechte te zien is er een verband tussen beide data. De correlatie is 0,51... .
2008-11-22 09:57:19 [Astrid Sniekers] [reply] 
Uitvoer – Werkloosheid

Er zijn duidelijk twee clusters te onderscheiden. De correlatie is 0.51094149386468. Er is een miniem positief verband tussen de twee datasets.
2008-11-23 16:00:16 [Dorien Peeters] [reply] 
Indien je naar de grafiek kijkt zie je dat er twee clusters zijn. Als je naar de rechte kijkt dan kan je zeggen dat er een positief verband is tussen de 2 datasets.Je ziet dat er redelijk veel punten dicht bij de rechte liggen.De correlatie is 0.51094149386468
2008-11-24 19:07:43 [Liese Tormans] [reply] 
De Bivariate Density gaat met behulp van hoogtelijnen de punten van gelijkaardige observaties verbinden. De grafiek bestaat uit verschillende kleuren die intensiteit weergeven.
Een rode kleur geeft een sterke intensiteit weer terwijl de gele en groene kleur wijzen op een eerder zwakke correlatie.
Ook is het mogelijk om aan de hand van deze grafiek de clusters af te lezen.

Het voordeel hier is dat we meer info krijgen dan bij de scatter plot of gewone correlatie.
Want bij de andere grafieken is niet echt rekening gehouden met de invloed van de derde variabele.

Op de grafiek kan je duidelijk zien dat er hier twee clusters aanwezig zijn. De correlatie bedraagt 0.51 we kunnen dus spreken van een klein positief verband. Dit is ook duidelijk merkbaar op de grafiek.

Post a new message

Dataset

Dataseries X:
Download CSV
Histogram
Boxplots 
15
14.9
16.8
14.3
15.5
15.6
14.6
12.5
14.8
15.9
14.8
12.9
14.3
14.2
15.9
15.3
15.5
15.1
15
12.1
15.8
16.9
15.1
13.7
14.8
14.7
16
15.4
15
15.5
15.1
11.7
16.3
16.7
15
14.9
14.6
15.3
17.9
16.4
15.4
17.9
15.9
13.9
17.8
17.9
17.4
16.7
16
16.6
19.1
17.8
17.2
18.6
16.3
15.1
19.2
17.7
19.1
18
17.5
17.8
21.1
17.2
19.4
19.8
17.6
16.2
19.5
19.9
20
17.3
Dataseries Y:
Download CSV
Histogram 
467
460
448
443
436
431
484
510
513
503
471
471
476
475
470
461
455
456
517
525
523
519
509
512
519
517
510
509
501
507
569
580
578
565
547
555
562
561
555
544
537
543
594
611
613
611
594
595
591
589
584
573
567
569
621
629
628
612
595
597
593
590
580
574
573
573
620
626
620
588
566
557

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=22789&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=22789&T=0

Globally Unique Identifier (entire table): ba.freestatistics.org/blog/index.php?pk=22789&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 axis0.656937108158502
y axis21.3901917936107
Correlation
correlation used in KDE0.51094149386468
correlation(x,y)0.51094149386468

\begin{tabular}{lllllllll}
\hline
Bandwidth \tabularnewline
x axis & 0.656937108158502 \tabularnewline
y axis & 21.3901917936107 \tabularnewline
Correlation \tabularnewline
correlation used in KDE & 0.51094149386468 \tabularnewline
correlation(x,y) & 0.51094149386468 \tabularnewline
\hline
\end{tabular}
%Source: https://freestatistics.org/blog/index.php?pk=22789&T=1

[TABLE]
[ROW][C]Bandwidth[/C][/ROW]
[ROW][C]x axis[/C][C]0.656937108158502[/C][/ROW]
[ROW][C]y axis[/C][C]21.3901917936107[/C][/ROW]
[ROW][C]Correlation[/C][/ROW]
[ROW][C]correlation used in KDE[/C][C]0.51094149386468[/C][/ROW]
[ROW][C]correlation(x,y)[/C][C]0.51094149386468[/C][/ROW]
[/TABLE]
Source: https://freestatistics.org/blog/index.php?pk=22789&T=1

Globally Unique Identifier (entire table): ba.freestatistics.org/blog/index.php?pk=22789&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 axis0.656937108158502
y axis21.3901917936107
Correlation
correlation used in KDE0.51094149386468
correlation(x,y)0.51094149386468


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')