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 computationWed, 12 Nov 2008 03:01:36 -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/t1226484170nrovs8guhoikdga.htm/, Retrieved Tue, 28 May 2024 01:49:28 +0000
Statistical Computations at FreeStatistics.org, Office for Research Development and Education, URL https://freestatistics.org/blog/index.php?pk=24037, Retrieved Tue, 28 May 2024 01:49:28 +0000
QR Codes:

Original text written by user:
IsPrivate?No (this computation is public)
User-defined keywords
Estimated Impact218

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 topics 1] [2008-11-12 10:01:36] [ff1f39dba9ec26bf89aa666d9dcb6cc1] [Current]
Feedback Forum
2008-11-14 15:47:09 [Annemiek Hoofman] [reply] 
Goed uitgevoerd en duidelijke uitleg!
2008-11-24 17:23:01 [5faab2fc6fb120339944528a32d48a04] [reply] 
Goed uitgewerkt en correcte conclusie. De bivariate kennel density plot geeft een 3D vergelijking van 2 variabelen d.m.v. een scatterplot met hoogtelijnen, deze hoogtelijnen houden verband met de dichtheid.
2008-11-24 20:26:39 [Kevin Vermeiren] [reply] 
: Het antwoord van de student is correct maar wel beperkt. Uit de density plot lijkt inderdaad dat indien de investeringsgoederen stijgen, de consumptiegoederen ook toenemen. Er is bijgevolg sprake van een positief lineair verband. De student legt de werking van de plot niet uit. Dit is echter wel nuttig om de figuur te kunnen interpreteren. De figuur is opgebouwd uit hoogtelijnen. Deze hoogtelijnen geven de dichtheid weer. Een hoge dichtheid duidt op een hoge waarschijnlijkheid. Een hoge dichtheid ontstaat doordat er vele gegevens zich op die plek bevinden en clusters vormen. De hoogtelijnen uit de figuur suggereren een verband tussen de variabelen. Verder is de density plot gekenmerkt door een lijn,getrokken door de figuur, die rekening houdt met alle gegevens. Deze lijn duidt het gemiddelde van de gegevens aan. Op deze manier is het makkelijk een algemeen verband af te leiden. Het klopt inderdaad dat deze plot zich beperkt tot het verband tussen slechts 2 variabelen.

Post a new message

Dataset

Dataseries X:
Download CSV
Histogram
Boxplots 
97,8
107,4
117,5
105,6
97,4
99,5
98,0
104,3
100,6
101,1
103,9
96,9
95,5
108,4
117,0
103,8
100,8
110,6
104,0
112,6
107,3
98,9
109,8
104,9
102,2
123,9
124,9
112,7
121,9
100,6
104,3
120,4
107,5
102,9
125,6
107,5
108,8
128,4
121,1
119,5
128,7
108,7
105,5
119,8
111,3
110,6
120,1
97,5
107,7
127,3
117,2
119,8
116,2
111,0
112,4
130,6
109,1
118,8
123,9
101,6
112,8
128,0
129,6
125,8
119,5
115,7
113,6
129,7
112,0
116,8
127,0
112,1
114,2
121,1
131,6
125,0
120,4
117,7
117,5
120,6
127,5
112,3
124,5
115,2
105,4
Dataseries Y:
Download CSV
Histogram 
78,4
114,6
113,3
117,0
99,6
99,4
101,9
115,2
108,5
113,8
121,0
92,2
90,2
101,5
126,6
93,9
89,8
93,4
101,5
110,4
105,9
108,4
113,9
86,1
69,4
101,2
100,5
98,0
106,6
90,1
96,9
125,9
112,0
100,0
123,9
79,8
83,4
113,6
112,9
104,0
109,9
99,0
106,3
128,9
111,1
102,9
130,0
87,0
87,5
117,6
103,4
110,8
112,6
102,5
112,4
135,6
105,1
127,7
137,0
91,0
90,5
122,4
123,3
124,3
120,0
118,1
119,0
142,7
123,6
129,6
151,6
110,4
99,2
130,5
136,2
129,7
128,0
121,6
135,8
143,8
147,5
136,2
156,6
123,3
100,4

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'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 & 2 seconds \tabularnewline
R Server & 'Gwilym Jenkins' @ 72.249.127.135 \tabularnewline
\hline
\end{tabular}
%Source: https://freestatistics.org/blog/index.php?pk=24037&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]'Gwilym Jenkins' @ 72.249.127.135[/C][/ROW]
[/TABLE]
Source: https://freestatistics.org/blog/index.php?pk=24037&T=0

Globally Unique Identifier (entire table): ba.freestatistics.org/blog/index.php?pk=24037&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'Gwilym Jenkins' @ 72.249.127.135






Bandwidth
x axis4.64890339140664
y axis8.57073381946338
Correlation
correlation used in KDE0.686100625132908
correlation(x,y)0.686100625132908

\begin{tabular}{lllllllll}
\hline
Bandwidth \tabularnewline
x axis & 4.64890339140664 \tabularnewline
y axis & 8.57073381946338 \tabularnewline
Correlation \tabularnewline
correlation used in KDE & 0.686100625132908 \tabularnewline
correlation(x,y) & 0.686100625132908 \tabularnewline
\hline
\end{tabular}
%Source: https://freestatistics.org/blog/index.php?pk=24037&T=1

[TABLE]
[ROW][C]Bandwidth[/C][/ROW]
[ROW][C]x axis[/C][C]4.64890339140664[/C][/ROW]
[ROW][C]y axis[/C][C]8.57073381946338[/C][/ROW]
[ROW][C]Correlation[/C][/ROW]
[ROW][C]correlation used in KDE[/C][C]0.686100625132908[/C][/ROW]
[ROW][C]correlation(x,y)[/C][C]0.686100625132908[/C][/ROW]
[/TABLE]
Source: https://freestatistics.org/blog/index.php?pk=24037&T=1

Globally Unique Identifier (entire table): ba.freestatistics.org/blog/index.php?pk=24037&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 axis4.64890339140664
y axis8.57073381946338
Correlation
correlation used in KDE0.686100625132908
correlation(x,y)0.686100625132908


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')