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 computationTue, 11 Nov 2008 10:20:05 -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/t12264240554yqhznq7vat2cg7.htm/, Retrieved Sun, 19 May 2024 11:36:53 +0000
Statistical Computations at FreeStatistics.org, Office for Research Development and Education, URL https://freestatistics.org/blog/index.php?pk=23749, Retrieved Sun, 19 May 2024 11:36:53 +0000
QR Codes:

Original text written by user:
IsPrivate?No (this computation is public)
User-defined keywords
Estimated Impact142

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...] [2008-11-04 19:00:29] [077ffec662d24c06be4c491541a44245]
F       [Bivariate Kernel Density Estimation] [Bivariate Kernel ...] [2008-11-11 15:54:56] [73d6180dc45497329efd1b6934a84aba]
F           [Bivariate Kernel Density Estimation] [Bivariate Density] [2008-11-11 17:20:05] [14a75ec03b2c0d8ddd8b141a7b1594fd] [Current]
F             [Bivariate Kernel Density Estimation] [Q1 bivariate kernel] [2008-11-11 19:28:24] [a7a7b7de998247cdf0f65ef79d563d66]
-             [Bivariate Kernel Density Estimation] [] [2008-11-20 16:18:02] [888addc516c3b812dd7be4bd54caa358]
Feedback Forum
2008-11-20 23:17:59 [Olivier Uyttendaele] [reply] 
Dit is inderdaad zo, deze techniek meet zoals bij de scatterplot de correlatie tussen 2 reeksen. Het verschil tussen een scatterplot en deze techniek zit hem in de grafische voorstelling. Bij deze techniek wordt gebruik gemaakt van hoogtelijnen. Het model vergelijkt punten met elkaar die een zelfde dichtheid vertonen. Punten uit een rode zone wijst op een hoge correlatie, punten in een groene of gele zone wijzen op een zwakke correlatie. Dit heb je volgens mij correct geformuleerd.

Om aan te tonen dat de correlatie dezelfde is als bij een scatterplot, hieronder een blog van het model pearson correlation, waaruit blijkt dat de correlatie dezelfde is.
http://www.freestatistics.org/blog/index.php?v=date/2008/Nov/19/t1227103665tvdgko6opt711i3.htm
2008-11-22 10:43:28 [Kenny Simons] [reply] 
Met de techniek van de Bivariate Kernel Density kan je net zoals bij een scatter plot, de correlatie meten tussen 2 variabelen. De grafische voorstelling echter is inderdaad anders.
Bij deze techniek zijn de hoogtelijnen de derde dimensie, hier kan je de clusters dan ook veel beter zien. Als alle clusters een zelfde oriëntatie hebben, dan is er een verband tussen de variabelen. De rode zone in de grafiek duidt een sterke correlatie aan en de groene zone duidt een zwakke correlatie aan.

In de bekomen grafiek zie je inderdaad dat de clusters een zelfde oriëntatie hebben en dat er wel degelijk een verband is tussen de variabelen. Als je nu gaat zien in de wiskundig berekende tabel, zal je zien dat er een correlatie is van 0.90.

Post a new message

Dataset

Dataseries X:
Download CSV
Histogram
Boxplots 
12300.00
12092.80
12380.80
12196.90
9455.00
13168.00
13427.90
11980.50
11884.80
11691.70
12233.80
14341.40
13130.70
12421.10
14285.80
12864.60
11160.20
14316.20
14388.70
14013.90
13419.00
12769.60
13315.50
15332.90
14243.00
13824.40
14962.90
13202.90
12199.00
15508.90
14199.80
15169.60
14058.00
13786.20
14147.90
16541.70
13587.50
15582.40
15802.80
14130.50
12923.20
15612.20
16033.70
16036.60
14037.80
15330.60
15038.30
17401.80
14992.50
16043.70
16929.60
15921.30
14417.20
15961.00
17851.90
16483.90
14215.50
17429.70
17839.50
17629.20
Dataseries Y:
Download CSV
Histogram 
3423.40
3242.80
3277.20
3833.00
2606.30
3643.80
3686.40
3281.60
3669.30
3191.50
3512.70
3970.70
3601.20
3610.00
4172.10
3956.20
3142.70
3884.30
3892.20
3613.00
3730.50
3481.30
3649.50
4215.20
4066.60
4196.80
4536.60
4441.60
3548.30
4735.90
4130.60
4356.20
4159.60
3988.00
4167.80
4902.20
3909.40
4697.60
4308.90
4420.40
3544.20
4433.00
4479.70
4533.20
4237.50
4207.40
4394.00
5148.40
4202.20
4682.50
4884.30
5288.90
4505.20
4611.50
5081.10
4523.10
4412.80
4647.40
4778.60
4495.30

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=23749&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=23749&T=0

Globally Unique Identifier (entire table): ba.freestatistics.org/blog/index.php?pk=23749&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 axis932.065309826864
y axis255.986090575248
Correlation
correlation used in KDE0.902863979754093
correlation(x,y)0.902863979754093

\begin{tabular}{lllllllll}
\hline
Bandwidth \tabularnewline
x axis & 932.065309826864 \tabularnewline
y axis & 255.986090575248 \tabularnewline
Correlation \tabularnewline
correlation used in KDE & 0.902863979754093 \tabularnewline
correlation(x,y) & 0.902863979754093 \tabularnewline
\hline
\end{tabular}
%Source: https://freestatistics.org/blog/index.php?pk=23749&T=1

[TABLE]
[ROW][C]Bandwidth[/C][/ROW]
[ROW][C]x axis[/C][C]932.065309826864[/C][/ROW]
[ROW][C]y axis[/C][C]255.986090575248[/C][/ROW]
[ROW][C]Correlation[/C][/ROW]
[ROW][C]correlation used in KDE[/C][C]0.902863979754093[/C][/ROW]
[ROW][C]correlation(x,y)[/C][C]0.902863979754093[/C][/ROW]
[/TABLE]
Source: https://freestatistics.org/blog/index.php?pk=23749&T=1

Globally Unique Identifier (entire table): ba.freestatistics.org/blog/index.php?pk=23749&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 axis932.065309826864
y axis255.986090575248
Correlation
correlation used in KDE0.902863979754093
correlation(x,y)0.902863979754093


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')