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 computationMon, 10 Nov 2008 07:17:32 -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/t1226326766qtfxryggxop7kq9.htm/, Retrieved Tue, 28 May 2024 00:48:45 +0000
Statistical Computations at FreeStatistics.org, Office for Research Development and Education, URL https://freestatistics.org/blog/index.php?pk=23079, Retrieved Tue, 28 May 2024 00:48:45 +0000
QR Codes:

Original text written by user:
IsPrivate?No (this computation is public)
User-defined keywords
Estimated Impact186

Tree of Dependent Computations

Family? (F = Feedback message, R = changed R code, M = changed R Module, P = changed Parameters, D = changed Data)
-     [Bivariate Kernel Density Estimation] [Q1 bivariate dens...] [2008-11-10 13:19:59] [c5a66f1c8528a963efc2b82a8519f117]
F    D  [Bivariate Kernel Density Estimation] [q1 bivariate density] [2008-11-10 14:09:47] [c5a66f1c8528a963efc2b82a8519f117]
F RMPD    [Partial Correlation] [Q1 partial correl...] [2008-11-10 14:14:55] [c5a66f1c8528a963efc2b82a8519f117]
F RMP         [Trivariate Scatterplots] [Q1 triviate scatt...] [2008-11-10 14:17:32] [b4fc5040f26b33db57f84cfb8d1d2b82] [Current]
F               [Trivariate Scatterplots] [Q1 - Trivivivivif...] [2008-11-11 19:10:59] [a0d819c22534897f04a2f0b92f1eb36a]
Feedback Forum
2008-11-18 20:59:41 [Glenn De Maeyer] [reply] 
De student maakte de berekeningen met de software maar gaf geen verklarend uitleg.

De kubussen zijn een driedimensionale voorstelling van de tijdreeksen. Aangezien het hier gaat om drie dimensies moeten we de kubussen dan ook van zoveel mogelijk standpunten bekijken. Dit is niet zo handig. 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.

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.
2008-11-23 15:17:37 [Sanne Kerckhofs] [reply] 
Een 3D weergave op een 2-dimensionaal scherm geeft vertekeningen dus is het zeer moeilijk om conclusies te trekken uit de kubussen.

Het histogram met de 9 onderdelen is een projectie van de scatterplot van de kubus. Heel veel informatie wordt hier dus ook niet getoond.

Bivariate Kernel Density wordt ook hier weer getoond. Voor elke scatterplot geeft men nu de grafische weergave van de dichtheid. Een patroon (stijgend of dalend) van de scatterplot is hier duidelijk zichtbaar.

Post a new message

Dataset

Dataseries X:
Download CSV
Histogram
Boxplots 
1515
1510
1225
1577
1417
1224
1693
1633
1639
1914
1586
1552
2081
1500
1437
1470
1849
1387
1592
1589
1798
1935
1887
2027
2080
1556
1682
1785
1869
1781
2082
2570
1862
1936
1504
1765
1607
1577
1493
1615
1700
1335
1523
1623
1540
1637
1524
1419
1821
1593
1357
1263
1750
1405
1393
1639
1679
1551
1744
1429
1784
Dataseries Y:
Download CSV
Histogram 
2718
2646
2551
2712
2606
2365
3533
3509
2912
3599
2719
2869
4085
2686
2545
3071
3388
2652
3190
2884
3295
3818
3226
3953
3810
2877
3515
3708
3450
3360
4110
4384
3729
4263
3505
3674
3911
2951
3317
3417
3498
2768
2899
3179
3011
3481
3015
2606
3530
2827
3120
2557
3645
2865
2587
2887
3429
2956
3098
2934
3269
Dataseries Z:
Download CSV
Histogram 
524944
568106
484506
512235
523179
462411
685872
635902
573599
668826
520868
555680
727941
516959
489975
559687
630947
473994
583802
553061
604700
708101
617053
819858
736520
567696
666627
701749
647394
610231
777555
901319
707164
782859
652556
676064
707665
561515
645794
623482
673401
544890
605125
608393
579718
647499
575016
510096
697835
561177
584949
516723
695323
548018
497706
559796
669449
583301
626790
580268
649016

Tables (Output of Computation)





Summary of computational transaction
Raw Inputview raw input (R code)
Raw Outputview raw output of R engine
Computing time3 seconds
R Server'George Udny Yule' @ 72.249.76.132

\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 & 3 seconds \tabularnewline
R Server & 'George Udny Yule' @ 72.249.76.132 \tabularnewline
\hline
\end{tabular}
%Source: https://freestatistics.org/blog/index.php?pk=23079&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]3 seconds[/C][/ROW]
[ROW][C]R Server[/C][C]'George Udny Yule' @ 72.249.76.132[/C][/ROW]
[/TABLE]
Source: https://freestatistics.org/blog/index.php?pk=23079&T=0

Globally Unique Identifier (entire table): ba.freestatistics.org/blog/index.php?pk=23079&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 time3 seconds
R Server'George Udny Yule' @ 72.249.76.132


Figures (Output of Computation)

Input Parameters & R Code

Parameters (Session):
par1 = 50 ; par2 = 50 ; par3 = Y ; par4 = Y ; par5 = aantal gebouwen ; par6 = aantal woningen ; par7 = totale oppervlakte ;
Parameters (R input):
par1 = 50 ; par2 = 50 ; par3 = Y ; par4 = Y ; par5 = aantal gebouwen ; par6 = aantal woningen ; par7 = totale oppervlakte ;
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()