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 07:49:29 -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/t1226501431wm765jlatm35eo8.htm/, Retrieved Sun, 19 May 2024 09:37:38 +0000
Statistical Computations at FreeStatistics.org, Office for Research Development and Education, URL https://freestatistics.org/blog/index.php?pk=24219, Retrieved Sun, 19 May 2024 09:37:38 +0000
QR Codes:

Original text written by user:
IsPrivate?No (this computation is public)
User-defined keywords
Estimated Impact153

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...] [2008-11-12 14:49:29] [e7b1048c2c3a353441b9143db4404b91] [Current]
Feedback Forum
2008-11-16 16:59:03 [006ad2c49b6a7c2ad6ab685cfc1dae56] [reply] 
De uitleg is goed maar je kan nog zeggen dat er een positieve correlatie is. Dat kan je zien door de ellipsvorm die naar boven gericht is.
2008-11-20 08:51:43 [Jasmine Hendrikx] [reply] 
Eigen evaluatie
Er is een redelijk goede uitleg gegeven. Uit de figuur is inderdaad af te leiden dat er een verband is tussen de variabelen. Hier zou nog bij vermeld kunnen worden dat de hoogtelijnen een positief verband suggereren. Dit komt doordat we duidelijk zien dat we te maken hebben met ellipsen met een positieve helling. Eventueel zou er ook nog bij vermeld kunnen worden dat de rechte lijn die door de figuur loopt, de lijn is die zo dicht mogelijk de puntenwolk benadert (= regressierechte). Er zou ook nog bij vermeld kunnen worden dat we de bivariate kernell density plot kunnen gebruiken om scatterplots beter te kunnen bekijken. Het is namelijk zo dat een scatterplot vertekend is, omdat bepaalde dimensies gereduceerd worden. Deze problemen zou je een beetje kunnen opvangen door gebruik te maken van de bivariate kernell density plot.
2008-12-05 16:20:40 [a2386b643d711541400692649981f2dc] [reply] 
Je antwoord is correct maar je had wat meer algemene informatie kunnen geven over de bivariate density. Bij de bivariate density zien we hoogtelijnen ivm de dichtheid en de concentratie van de punten. Het witte gedeelte toont aan dat er een hoge concentratie aanwezig is dus de waarschijnlijkheid dat de investeringsgoederen en intermediaire goederen zich daar concentreren groter is dan in bv het gele of groene gedeelte. Er is ook sprake van een elips vorm, was wijst dat er een verband is tussen de variabele en aangezien de regressierechte een positieve helling vertoont, is er dus sprake van een positief verband tussen de 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'George Udny Yule' @ 72.249.76.132

\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 & 'George Udny Yule' @ 72.249.76.132 \tabularnewline
\hline
\end{tabular}
%Source: https://freestatistics.org/blog/index.php?pk=24219&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]'George Udny Yule' @ 72.249.76.132[/C][/ROW]
[/TABLE]
Source: https://freestatistics.org/blog/index.php?pk=24219&T=0

Globally Unique Identifier (entire table): ba.freestatistics.org/blog/index.php?pk=24219&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'George Udny Yule' @ 72.249.76.132






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=24219&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=24219&T=1

Globally Unique Identifier (entire table): ba.freestatistics.org/blog/index.php?pk=24219&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')