FreeStatistics.org

Free Statistics

of Irreproducible Research!

Description of Statistical Computation

Author's title

Author*Unverified author*
R Software Modulerwasp_fitdistrnorm.wasp
Title produced by softwareMaximum-likelihood Fitting - Normal Distribution
Date of computationWed, 12 Nov 2008 02:18:21 -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/12/t1226481608kih4hb9c1jhztu1.htm/, Retrieved Sun, 19 May 2024 10:10:22 +0000
Statistical Computations at FreeStatistics.org, Office for Research Development and Education, URL https://freestatistics.org/blog/index.php?pk=24025, Retrieved Sun, 19 May 2024 10:10:22 +0000
QR Codes:

Original text written by user:
IsPrivate?No (this computation is public)
User-defined keywords
Estimated Impact223

Tree of Dependent Computations

Family? (F = Feedback message, R = changed R code, M = changed R Module, P = changed Parameters, D = changed Data)
F       [Maximum-likelihood Fitting - Normal Distribution] [Normal distributi...] [2008-11-12 09:18:21] [20dfa2578b2b18ce36fdb36ac12aedd7] [Current]
Feedback Forum
2008-11-15 15:32:14 [Maarten Van Gucht] [reply] 
De student maakt ook hier een zeer goede analyse. Het histogram staat dicht tegen een normaalverdeling aan. de standaarddeviatie is niet ver van 1. en zoals je ook op de grafiek kan zien, is de histogram normaal verdeeld. Het antwoord op deze vraag is dus: ja
2008-11-19 17:03:15 [Steven Vercammen] [reply] 
De vraag werd correct beantwoord. Met de Maximum-likelihood Fitting - Normal distribution kan men nagaan of de normaalverdeling een goede benadering is van de onderzochte tijdreeks. Er wordt een histogram geplot met daarop een lijn die de normaalverdeling voorstelt. Als het histogram deze lijn volgt is de tijdreeks (min of meer) normaal verdeelt. Er wordt ook een standaarddeviatie en een gemiddelde weergegeven. Bij een normaalverdeling is de standaardafwijking 1. Als deze dus ook dicht bij 1 ligt vormt de normaalverdeling een goede benadering van de verdeling van de tijdreeks. De normaalverdeling is hier een goede benadering van deze verdeling.

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

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=24025&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=24025&T=0

Globally Unique Identifier (entire table): ba.freestatistics.org/blog/index.php?pk=24025&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






ParameterEstimated ValueStandard Deviation
mean106.0726190476191.46905181676339
standard deviation13.46408230026131.03877650154781

\begin{tabular}{lllllllll}
\hline
Parameter & Estimated Value & Standard Deviation \tabularnewline
mean & 106.072619047619 & 1.46905181676339 \tabularnewline
standard deviation & 13.4640823002613 & 1.03877650154781 \tabularnewline
\hline
\end{tabular}
%Source: https://freestatistics.org/blog/index.php?pk=24025&T=1

[TABLE]
[ROW][C]Parameter[/C][C]Estimated Value[/C][C]Standard Deviation[/C][/ROW]
[ROW][C]mean[/C][C]106.072619047619[/C][C]1.46905181676339[/C][/ROW]
[ROW][C]standard deviation[/C][C]13.4640823002613[/C][C]1.03877650154781[/C][/ROW]
[/TABLE]
Source: https://freestatistics.org/blog/index.php?pk=24025&T=1

Globally Unique Identifier (entire table): ba.freestatistics.org/blog/index.php?pk=24025&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:

ParameterEstimated ValueStandard Deviation
mean106.0726190476191.46905181676339
standard deviation13.46408230026131.03877650154781


Figures (Output of Computation)

Input Parameters & R Code

Parameters (Session):
par1 = 8 ; par2 = 0 ;
Parameters (R input):
par1 = 8 ; par2 = 0 ;
R code (references can be found in the software module):
library(MASS)
par1 <- as.numeric(par1)
if (par2 == '0') par2 = 'Sturges' else par2 <- as.numeric(par2)
x <- as.ts(x) #otherwise the fitdistr function does not work properly
r <- fitdistr(x,'normal')
r
bitmap(file='test1.png')
myhist<-hist(x,col=par1,breaks=par2,main=main,ylab=ylab,xlab=xlab,freq=F)
curve(1/(r$estimate[2]*sqrt(2*pi))*exp(-1/2*((x-r$estimate[1])/r$estimate[2])^2),min(x),max(x),add=T)
dev.off()
load(file='createtable')
a<-table.start()
a<-table.row.start(a)
a<-table.element(a,'Parameter',1,TRUE)
a<-table.element(a,'Estimated Value',1,TRUE)
a<-table.element(a,'Standard Deviation',1,TRUE)
a<-table.row.end(a)
a<-table.row.start(a)
a<-table.element(a,'mean',header=TRUE)
a<-table.element(a,r$estimate[1])
a<-table.element(a,r$sd[1])
a<-table.row.end(a)
a<-table.row.start(a)
a<-table.element(a,'standard deviation',header=TRUE)
a<-table.element(a,r$estimate[2])
a<-table.element(a,r$sd[2])
a<-table.row.end(a)
a<-table.end(a)
table.save(a,file='mytable.tab')