FreeStatistics.org

Free Statistics

of Irreproducible Research!

Description of Statistical Computation

Author's title

Author*Unverified author*
R Software Modulerwasp_bidensity.wasp
Title produced by softwareBivariate Kernel Density Estimation
Date of computationMon, 10 Nov 2008 03:42:25 -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/10/t1226313831aaref0vnzbkwltu.htm/, Retrieved Sun, 19 May 2024 12:02:19 +0000
Statistical Computations at FreeStatistics.org, Office for Research Development and Education, URL https://freestatistics.org/blog/index.php?pk=22920, Retrieved Sun, 19 May 2024 12:02:19 +0000
QR Codes:

Original text written by user:
IsPrivate?No (this computation is public)
User-defined keywords
Estimated Impact225

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] [Various EDA Topic...] [2008-11-10 10:42:25] [33f3d2151f6019d17feb8eee7259f239] [Current]
Feedback Forum
2008-11-19 15:07:37 [Sam De Cuyper] [reply] 
De studente heeft de juiste berekening gemaakt maar geen interpretatie gegeven. De bivariate density geeft de correlatie tussen variabele X (dollarkoers) en variabele Y (goudkoers) weer. De rechte lijn door de figuur is de regressiellijn die wordt gemaakt door de meeste waarnemingen te benaderen (gemiddelde). In de figuur is er een 3de dimensie die (onrechtstreeks) gesugerreerd wordt door de hoogtelijnen. De hoogtelijnen geven de concentratie en de dichtheid weer van de waarnemingen. Indien de clusters een ellipsvorm vertonen, is er sprake van een positief verband. Dit geld niet voor cirkels. In de figuur zijn de clusters cirkelvormig, dus is er geen sprake van correlatie. De bivariate density kan ja ook vergelijken met de matrix van de trivariate scatterplot.
  2008-11-19 15:10:11 [Sam De Cuyper] [reply] 
variabele X = voedings -en genotsmiddelen, variabele Y = Textiel kleding
2008-11-20 13:40:21 [Steven Vanhooreweghe] [reply] 
De regressielijn benadert zo dicht mogelijk de puntenwolk, de hoogtelijnen hebben te maken met de concentratie van de punten. Deze methode wordt ook gebruikt om scatterplots op een andere, soms betere manier te bekijken. Een ellipsvormige hoogtelijn wijst op een positief verband, een cirkelvormige hoogtelijn op geen verband. Zoals je kan zien zijn het hier cirkelvormige hoogtelijnen en dus geen correlatie

Post a new message

Dataset

Dataseries X:
Download CSV
Histogram
Boxplots 
107,2
107
119
110,4
101,7
102,4
98,8
105,6
104,4
106,3
107,2
108,5
106,9
114,2
125,9
110,6
110,5
106,7
104,7
107,4
109,8
103,4
114,8
114,3
109,6
118,3
127,3
112,3
114,9
108,2
105,4
122,1
113,5
110
125,3
114,3
115,6
127,1
123
122,2
126,4
112,7
105,8
120,9
116,3
115,7
127,9
108,3
121,1
128,6
123,1
127,7
126,6
118,4
110
129,6
115,8
125,9
128,4
114
125,6
128,5
136,6
133,1
124,6
123,5
117,2
135,5
124,8
127,8
133,1
125,7
128,4
131,9
146,3
140,6
129,5
132,4
125,9
126,9
135,8
Dataseries Y:
Download CSV
Histogram 
80.6
104.1
108.2
93.4
71.9
94.1
94.9
96.4
91.1
84.4
86.4
88
75.1
109.7
103
82.1
68
96.4
94.3
90
88
76.1
82.5
81.4
66.5
97.2
94.1
80.7
70.5
87.8
89.5
99.6
84.2
75.1
92
80.8
73.1
99.8
90
83.1
72.4
78.8
87.3
91
80.1
73.6
86.4
74.5
71.2
92.4
81.5
85.3
69.9
84.2
90.7
100.3
79.4
84.8
92.9
81.6
76
98.7
89.1
88.7
67.1
93.6
97
100.8
80.1
80.7
89.4
81.5
73.6
90.9
97.3
84.3
65.6
87.3
90.5
82.4
80.4

Tables (Output of Computation)





Summary of computational transaction
Raw Inputview raw input (R code)
Raw Outputview raw output of R engine
Computing time1 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=22920&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=22920&T=0

Globally Unique Identifier (entire table): ba.freestatistics.org/blog/index.php?pk=22920&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 time1 seconds
R Server'Gwilym Jenkins' @ 72.249.127.135






Bandwidth
x axis3.33757179791469
y axis4.99975733829505
Correlation
correlation used in KDE0.0862898783751315
correlation(x,y)0.0862898783751315

\begin{tabular}{lllllllll}
\hline
Bandwidth \tabularnewline
x axis & 3.33757179791469 \tabularnewline
y axis & 4.99975733829505 \tabularnewline
Correlation \tabularnewline
correlation used in KDE & 0.0862898783751315 \tabularnewline
correlation(x,y) & 0.0862898783751315 \tabularnewline
\hline
\end{tabular}
%Source: https://freestatistics.org/blog/index.php?pk=22920&T=1

[TABLE]
[ROW][C]Bandwidth[/C][/ROW]
[ROW][C]x axis[/C][C]3.33757179791469[/C][/ROW]
[ROW][C]y axis[/C][C]4.99975733829505[/C][/ROW]
[ROW][C]Correlation[/C][/ROW]
[ROW][C]correlation used in KDE[/C][C]0.0862898783751315[/C][/ROW]
[ROW][C]correlation(x,y)[/C][C]0.0862898783751315[/C][/ROW]
[/TABLE]
Source: https://freestatistics.org/blog/index.php?pk=22920&T=1

Globally Unique Identifier (entire table): ba.freestatistics.org/blog/index.php?pk=22920&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 axis3.33757179791469
y axis4.99975733829505
Correlation
correlation used in KDE0.0862898783751315
correlation(x,y)0.0862898783751315


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')