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 05:03:44 -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/t1226318700vtlnwculcn4hkrw.htm/, Retrieved Sun, 19 May 2024 10:20:14 +0000
Statistical Computations at FreeStatistics.org, Office for Research Development and Education, URL https://freestatistics.org/blog/index.php?pk=22978, Retrieved Sun, 19 May 2024 10:20:14 +0000
QR Codes:

Original text written by user:
IsPrivate?No (this computation is public)
User-defined keywords
Estimated Impact139

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] [Bivariate Density...] [2008-11-10 12:03:44] [20dfa2578b2b18ce36fdb36ac12aedd7] [Current]
Feedback Forum
2008-11-15 15:08:53 [Maarten Van Gucht] [reply] 
De Bivariate Kernel Density geeft de correlatie tussen variabele X (Totaal Metaalverwerking) en variabele Y (Vervaardiging van producten van metaal) weer. Naarmate de kleur lichter wordt of de nummering van de hoogtelijnen toenemen, is er een hogere concentratie. de lijn die door de figuur loopt is de regressielijn en die wordt gemaakt door de meeste waarnemingen te benaderen. De hoogtelijnen hebben met de dichtheid te maken en de concentratie, NIET met de 3D vorm van de geprojecteerde kubus. een bivariate Kernel Density wordt gebruikt om scatterplots op een andere manier te bekijken. De hoogtelijnen kunnen een verband weergeven tussen 2 concentratiekernen. vb een stijgend of een dalend verband. Je kan ook naar de vorm van de hoogtelijnen kijken. In de studente zijn figuur hebben de hoogtelijnen rond de concentratie een ellipsvorm, dit wil zeggen dat er een correlatie is. Als de hoogtelijnen rond de concentratiekern een cirkelvorm hebben, dan is er geen correlatie.
2008-11-19 16:46:07 [Steven Vercammen] [reply] 
Er ontbrak een degelijke uitleg over het doel van de Bivariate Density.De grafiek kan gebruikt worden om na te gaan of er sprake is van correlatie tussen de 2 variabelen. Het voordeel dat deze grafiek heeft ten opzichte van de gewone scatterplot is dat door de hoogtelijnen een soort van derde dimensie wordt weergegeven. Deze geeft de dichtheid van de observaties weer. Men kan dus zien waar de meeste observaties zich bevinden tov van de regressielijn.In dit geval is er sprake van een ellipsvorm rond de (stijgende) regressielijn. Dit wijst op correlatie tussen de 2 variabelen. De observaties zijn zeer geconcentreerd rond het centrum van de grafiek (zie hoogtelijnen, rode gebied).

Post a new message

Dataset

Dataseries X:
Download CSV
Histogram
Boxplots 
106,7
110,2
125,9
100,1
106,4
114,8
81,3
87
104,2
108
105
94,5
92
95,9
108,8
103,4
102,1
110,1
83,2
82,7
106,8
113,7
102,5
96,6
92,1
95,6
102,3
98,6
98,2
104,5
84
73,8
103,9
106
97,2
102,6
89
93,8
116,7
106,8
98,5
118,7
90
91,9
113,3
113,1
104,1
108,7
96,7
101
116,9
105,8
99
129,4
83
88,9
115,9
104,2
113,4
112,2
100,8
107,3
126,6
102,9
117,9
128,8
87,5
93,8
122,7
126,2
124,6
116,7
115,2
111,1
129,9
113,3
118,5
137,9
103,6
101,7
127,4
137,5
128,3
118,2
Dataseries Y:
Download CSV
Histogram 
97,3
101
113,2
101
105,7
113,9
86,4
96,5
103,3
114,9
105,8
94,2
98,4
99,4
108,8
112,6
104,4
112,2
81,1
97,1
112,6
113,8
107,8
103,2
103,3
101,2
107,7
110,4
101,9
115,9
89,9
88,6
117,2
123,9
100
103,6
94,1
98,7
119,5
112,7
104,4
124,7
89,1
97
121,6
118,8
114
111,5
97,2
102,5
113,4
109,8
104,9
126,1
80
96,8
117,2
112,3
117,3
111,1
102,2
104,3
122,9
107,6
121,3
131,5
89
104,4
128,9
135,9
133,3
121,3
120,5
120,4
137,9
126,1
133,2
151,1
105
119
140,4
156,6
137,1
122,7

Tables (Output of Computation)





Summary of computational transaction
Raw Inputview raw input (R code)
Raw Outputview raw output of R engine
Computing time4 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 & 4 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=22978&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]4 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=22978&T=0

Globally Unique Identifier (entire table): ba.freestatistics.org/blog/index.php?pk=22978&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 time4 seconds
R Server'Herman Ole Andreas Wold' @ 193.190.124.10:1001






Bandwidth
x axis5.93888001807781
y axis6.10089644870353
Correlation
correlation used in KDE0.915043204077811
correlation(x,y)0.915043204077811

\begin{tabular}{lllllllll}
\hline
Bandwidth \tabularnewline
x axis & 5.93888001807781 \tabularnewline
y axis & 6.10089644870353 \tabularnewline
Correlation \tabularnewline
correlation used in KDE & 0.915043204077811 \tabularnewline
correlation(x,y) & 0.915043204077811 \tabularnewline
\hline
\end{tabular}
%Source: https://freestatistics.org/blog/index.php?pk=22978&T=1

[TABLE]
[ROW][C]Bandwidth[/C][/ROW]
[ROW][C]x axis[/C][C]5.93888001807781[/C][/ROW]
[ROW][C]y axis[/C][C]6.10089644870353[/C][/ROW]
[ROW][C]Correlation[/C][/ROW]
[ROW][C]correlation used in KDE[/C][C]0.915043204077811[/C][/ROW]
[ROW][C]correlation(x,y)[/C][C]0.915043204077811[/C][/ROW]
[/TABLE]
Source: https://freestatistics.org/blog/index.php?pk=22978&T=1

Globally Unique Identifier (entire table): ba.freestatistics.org/blog/index.php?pk=22978&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 axis5.93888001807781
y axis6.10089644870353
Correlation
correlation used in KDE0.915043204077811
correlation(x,y)0.915043204077811


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')