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 computationMon, 10 Nov 2008 10:00:38 -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/t1226336482zxkor2y0g9r5w71.htm/, Retrieved Sun, 19 May 2024 12:03:09 +0000
Statistical Computations at FreeStatistics.org, Office for Research Development and Education, URL https://freestatistics.org/blog/index.php?pk=23140, Retrieved Sun, 19 May 2024 12:03:09 +0000
QR Codes:

Original text written by user:
IsPrivate?No (this computation is public)
User-defined keywords
Estimated Impact176

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 Kernel ...] [2008-11-10 16:53:50] [819b576fab25b35cfda70f80599828ec]
F    D  [Bivariate Kernel Density Estimation] [Bivaritae Kernel ...] [2008-11-10 16:58:43] [819b576fab25b35cfda70f80599828ec]
F    D      [Bivariate Kernel Density Estimation] [Bivariate Kernel ...] [2008-11-10 17:00:38] [e08fee3874f3333d6b7a377a061b860d] [Current]
-    D        [Bivariate Kernel Density Estimation] [paper 1.9 bivaria...] [2008-12-05 19:08:16] [819b576fab25b35cfda70f80599828ec]
Feedback Forum
2008-11-14 18:09:27 [Kevin Neelen] [reply] 
Er is hier gebruik gemaakt van het Bivariate Kernel Density plot. Deze grafiek vertoont hoogtelijnen die punten van gelijke dichtheid verbinden om op deze manier de betrouwbaarhiedsintervallen in kaart te brengen.
Uit deze grafiek kan geconcludeerd worden dat er een negatieve correlatie is tussen beide reeksen aangezien de regressielijn van linksboven naar rechtsonder loopt. In de tabel kan gezien worden dat de correlatiewaarde -0,29 bedraagt wat weergeeft dat het verband tussen beide reeksen zeer zwak is.
2008-11-21 16:41:14 [Michael Van Spaandonck] [reply] 
Een correcte interpretatie in het bijhorende document.

Hier zien we een grafiek van 2 reeksen met een laag negatief verband.
De regressielijn loopt als gevolg hiervan van linksboven naar rechtsonder.
De punten liggen iets meer langsheen de lengte van de regressielijn verspreid, maar we kunnen niet stellen dat ze deze lijn over het algemeen echt benaderen.
De cirkels lopen eveneens niet langsheen de lengte van de regressielijn.

Wat niet in het document vermeld stond is dat deze grafiek hoogtelijnen weergeeft die punten van gelijke dichtheid verbinden. Op deze manier worden in zekere zin ook de betrouwbaarheidsintervallen in kaart gebracht. Deze laatsten worden overigens wel vermeld in het document.

We besluiten dat er sprake is van een zwak negatief verbad en dat er geen sprake is van grote outliers.
2008-11-22 15:04:08 [Jeroen Michel] [reply] 
Ook hier is een correcte interpretatie van de grafische voorstelling gegeven en ook de uitwerking is correct uitgevoerd.

Het is zo dat er clusters worden weergegeven. In het midden van de clusters zal op te merken zijn dat de intensiteit zeer dicht is, terwijl, hoe verder van het midden van de cluster, de intensiteit sterk zal afnemen.

Ook hier is het belangrijk om weten dat, hoe dichter de clusters bij mekaar liggen, hoe groter de correlatie zal zijn. Let wel! Deze correlatie hoeft niet altijd positief te zijn.

Bij deze techniek kunnen slechts 2 variabelen worden vergeleken!

Post a new message

Dataset

Dataseries X:
Download CSV
Histogram
Boxplots 
0.771
0.751
0.766
0.754
0.773
0.781
0.793
0.791
0.878
0.873
0.897
0.885
0.796
0.776
0.788
0.786
0.801
0.811
0.801
0.781
0.778
0.759
0.764
0.754
0.749
0.729
0.740
0.781
0.768
0.754
0.754
0.754
0.779
0.799
0.780
0.769
0.801
0.792
0.852
0.807
0.797
0.783
0.779
0.785
0.817
0.810
0.798
0.795
0.785
0.785
0.785
0.805
0.824
0.819
0.827
0.826
0.829
0.830
0.825
0.817
Dataseries Y:
Download CSV
Histogram 
58.972
59.249
63.955
53.785
52.760
44.795
37.348
32.370
32.717
40.974
33.591
21.124
58.608
46.865
51.378
46.235
47.206
45.382
41.227
33.795
31.295
42.625
33.625
21.538
56.421
53.152
53.536
52.408
41.454
38.271
35.306
26.414
31.917
38.030
27.534
18.387
50.556
43.901
48.572
43.899
37.532
40.357
35.489
29.027
34.485
42.598
30.306
26.451
47.460
50.104
61.465
53.726
39.477
43.895
31.481
29.896
33.842
39.120
33.702
25.094

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'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 & 3 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=23140&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]'Herman Ole Andreas Wold' @ 193.190.124.10:1001[/C][/ROW]
[/TABLE]
Source: https://freestatistics.org/blog/index.php?pk=23140&T=0

Globally Unique Identifier (entire table): ba.freestatistics.org/blog/index.php?pk=23140&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'Herman Ole Andreas Wold' @ 193.190.124.10:1001






Bandwidth
x axis0.0131114024362343
y axis5.72560295415148
Correlation
correlation used in KDE-0.290840640498923
correlation(x,y)-0.290840640498923

\begin{tabular}{lllllllll}
\hline
Bandwidth \tabularnewline
x axis & 0.0131114024362343 \tabularnewline
y axis & 5.72560295415148 \tabularnewline
Correlation \tabularnewline
correlation used in KDE & -0.290840640498923 \tabularnewline
correlation(x,y) & -0.290840640498923 \tabularnewline
\hline
\end{tabular}
%Source: https://freestatistics.org/blog/index.php?pk=23140&T=1

[TABLE]
[ROW][C]Bandwidth[/C][/ROW]
[ROW][C]x axis[/C][C]0.0131114024362343[/C][/ROW]
[ROW][C]y axis[/C][C]5.72560295415148[/C][/ROW]
[ROW][C]Correlation[/C][/ROW]
[ROW][C]correlation used in KDE[/C][C]-0.290840640498923[/C][/ROW]
[ROW][C]correlation(x,y)[/C][C]-0.290840640498923[/C][/ROW]
[/TABLE]
Source: https://freestatistics.org/blog/index.php?pk=23140&T=1

Globally Unique Identifier (entire table): ba.freestatistics.org/blog/index.php?pk=23140&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 axis0.0131114024362343
y axis5.72560295415148
Correlation
correlation used in KDE-0.290840640498923
correlation(x,y)-0.290840640498923


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')