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 computationTue, 11 Nov 2008 09:48:03 -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/11/t122642217126sorzbal9wswh0.htm/, Retrieved Sun, 19 May 2024 10:21:25 +0000
Statistical Computations at FreeStatistics.org, Office for Research Development and Education, URL https://freestatistics.org/blog/index.php?pk=23714, Retrieved Sun, 19 May 2024 10:21:25 +0000
QR Codes:

Original text written by user:
IsPrivate?No (this computation is public)
User-defined keywords
Estimated Impact190

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] [Toon Wouters] [2008-11-11 16:48:03] [129e79f7c2a947d1265718b3aa5cb7d5] [Current]
F    D    [Bivariate Kernel Density Estimation] [various EDA Q1 Ya...] [2008-11-13 16:55:02] [4cef99958047f3eba6252f8ff7fc4642]
Feedback Forum
2008-11-21 22:10:25 [Vincent Vanden Poel] [reply] 
Je hebt deze vraag juist geïnterpreteerd. Je had er echter nog wel op kunnen wijzen dat het hier gaat om een positief verband tussen deze twee variabelen. Wanneer de totale industrie stijgt zal ook de kledingindustrie stijgen en omgekeerd. Dit zien we aan de elipsvormige hoogtelijnen (puntenwolk). Indien deze cirkelvormig zou zijn zouden we er niets uit kunnen afleiden.
2008-11-22 11:56:16 [Stephanie Vanderlinden] [reply] 
De conclusie is correct. Je had er nog kunnen bijvermelden dat je een verband kan aflezen aan de vorm van de hoogtelijnen. Aangezien de hoogtelijnen hier ellipsvormig zijn en een stijgend verloop vertonen, kan je spreken van een positief verband.
2008-11-22 16:15:36 [6066575aa30c0611e452e930b1dff53d] [reply] 
Men had nog kunnen vermelden dat er sprake is van een positief verband tussen x en y. En dat ter hoogte van x=100 en y=80 de waarschijnlijkheid dat x en y zich in deze omgeving bevinden, veel groter is. Hier is ook een zeer hoge concentratie.
2008-11-24 12:37:08 [Julian De Ruyter] [reply] 
Door middel van dichtheid en concentratie wordt een eventueel verband uitgedrukt. Je ziet in het midden een regressielijn met daarrond de concentratie-hoogtelijnen (rood=hogeconcentratie van gegevens, geel minder,groen nog minder).
Je kon er nog bij vermelden dat het om een positief verband gaat aangezien de regressielijn stijgt...
De puntenwolkjes liggen zeer dicht bij de diagonaal waardoor we over lineair verband kunnen spreken.
2008-11-24 13:58:06 [Sören Van Donink] [reply] 
goede verekening. Korte maar duidelijke conclusie. Eventueel nog zeggen dat ellips duidt op verband, positief/negatief...
cirkelvormig. geen verband...
2008-11-24 14:56:24 [Vincent Dolhain] [reply] 
De grafiek en conclusie zijn correct. Als men de cluster als een rechte beschouwt, kan je concluderen dat er positief verband is aangezien de rechte van de linkse onderhoek naar de rechtse bovenhoek loopt.

Post a new message

Dataset

Dataseries X:
Download CSV
Histogram
Boxplots 
110,40
96,40
101,90
106,20
81,00
94,70
101,00
109,40
102,30
90,70
96,20
96,10
106,00
103,10
102,00
104,70
86,00
92,10
106,90
112,60
101,70
92,00
97,40
97,00
105,40
102,70
98,10
104,50
87,40
89,90
109,80
111,70
98,60
96,90
95,10
97,00
112,70
102,90
97,40
111,40
87,40
96,80
114,10
110,30
103,90
101,60
94,60
95,90
104,70
102,80
98,10
113,90
80,90
95,70
113,20
105,90
108,80
102,30
99,00
100,70
115,50
Dataseries Y:
Download CSV
Histogram 
109,20
88,60
94,30
98,30
86,40
80,60
104,10
108,20
93,40
71,90
94,10
94,90
96,40
91,10
84,40
86,40
88,00
75,10
109,70
103,00
82,10
68,00
96,40
94,30
90,00
88,00
76,10
82,50
81,40
66,50
97,20
94,10
80,70
70,50
87,80
89,50
99,60
84,20
75,10
92,00
80,80
73,10
99,80
90,00
83,10
72,40
78,80
87,30
91,00
80,10
73,60
86,40
74,50
71,20
92,40
81,50
85,30
69,90
84,20
90,70
100,30

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=23714&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=23714&T=0

Globally Unique Identifier (entire table): ba.freestatistics.org/blog/index.php?pk=23714&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 axis3.52228504387647
y axis5.17485392629755
Correlation
correlation used in KDE0.565259717157914
correlation(x,y)0.565259717157914

\begin{tabular}{lllllllll}
\hline
Bandwidth \tabularnewline
x axis & 3.52228504387647 \tabularnewline
y axis & 5.17485392629755 \tabularnewline
Correlation \tabularnewline
correlation used in KDE & 0.565259717157914 \tabularnewline
correlation(x,y) & 0.565259717157914 \tabularnewline
\hline
\end{tabular}
%Source: https://freestatistics.org/blog/index.php?pk=23714&T=1

[TABLE]
[ROW][C]Bandwidth[/C][/ROW]
[ROW][C]x axis[/C][C]3.52228504387647[/C][/ROW]
[ROW][C]y axis[/C][C]5.17485392629755[/C][/ROW]
[ROW][C]Correlation[/C][/ROW]
[ROW][C]correlation used in KDE[/C][C]0.565259717157914[/C][/ROW]
[ROW][C]correlation(x,y)[/C][C]0.565259717157914[/C][/ROW]
[/TABLE]
Source: https://freestatistics.org/blog/index.php?pk=23714&T=1

Globally Unique Identifier (entire table): ba.freestatistics.org/blog/index.php?pk=23714&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 axis3.52228504387647
y axis5.17485392629755
Correlation
correlation used in KDE0.565259717157914
correlation(x,y)0.565259717157914


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')