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 12:07:35 -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/t1226516954959qupf69zfbh1e.htm/, Retrieved Tue, 28 May 2024 01:48:30 +0000
Statistical Computations at FreeStatistics.org, Office for Research Development and Education, URL https://freestatistics.org/blog/index.php?pk=24388, Retrieved Tue, 28 May 2024 01:48:30 +0000
QR Codes:

Original text written by user:
IsPrivate?No (this computation is public)
User-defined keywords
Estimated Impact145

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] [various eda q5] [2008-11-12 19:07:35] [b09437381d488816ab9f5cf07e347c02] [Current]
Feedback Forum
2008-11-18 11:35:59 [Loïque Verhasselt] [reply] 
Juiste berekingsmetode gebruikt met een juiste conclusie.Hier gaat men de endogene variable uitzetten tegenover een echte normaalverdeling om te zien of deze de normaalverdeling evenaart. Men voert ook een transformatie door. Men ziet hier geen volledig normale verdeling maar eerder een linksscheve.
2008-11-19 16:13:06 [Ken Wright] [reply] 
Door de min of meer normaalverdeling, met een beetje lingsscheefheid, kan men toch besluiten dat de normaalverdeling een goede benadering is.
2008-11-23 18:17:42 [Jasmine Hendrikx] [reply] 
Evaluatie Q5:
De methode is goed uitgevoerd. Het is inderdaad zo dat het histogram niet echt gelijkloopt met de normaalverdeling (de lijn). De normaalverdeling is dus niet echt een goede benadering van Yt. Hier zou nog bij vermeld kunnen worden dat deze methode een schatting maakt van het gemiddelde en de standaardafwijking die het best past bij de verdeling van de gegevens. In de grafiek kun je dan ook de geschatte normaalverdeling zien die het dichtst bij het histogram aanleunt. Het histogram geeft dus de verdeling van de gegevens weer en de lijn stelt de geschatte normaalverdeling voor.

Post a new message

Dataset

Dataseries X:
Download CSV
Histogram
Boxplots 
70,1
86,7
86,4
89,9
88,1
78,8
81,1
85,4
82,6
80,3
81,2
68
67,4
91,3
94,9
82,8
88,6
73,1
76,7
93,2
84,9
83,8
93,5
91,9
69,6
87
90,2
82,7
91,4
74,6
76,1
87,1
78,4
81,3
99,3
71
73,2
95,6
84
90,8
93,6
80,9
84,4
97,3
83,5
88,8
100,7
69,4
74,6
96,6
96,6
93,1
91,8
85,7
79,1
91,3
84,2
85,8
94,6
77,1
76,5
89,7
103,6
100
96,6

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=24388&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=24388&T=0

Globally Unique Identifier (entire table): ba.freestatistics.org/blog/index.php?pk=24388&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






ParameterEstimated ValueStandard Deviation
mean85.36153846153851.09007288678233
standard deviation8.788448577670970.770797930231378

\begin{tabular}{lllllllll}
\hline
Parameter & Estimated Value & Standard Deviation \tabularnewline
mean & 85.3615384615385 & 1.09007288678233 \tabularnewline
standard deviation & 8.78844857767097 & 0.770797930231378 \tabularnewline
\hline
\end{tabular}
%Source: https://freestatistics.org/blog/index.php?pk=24388&T=1

[TABLE]
[ROW][C]Parameter[/C][C]Estimated Value[/C][C]Standard Deviation[/C][/ROW]
[ROW][C]mean[/C][C]85.3615384615385[/C][C]1.09007288678233[/C][/ROW]
[ROW][C]standard deviation[/C][C]8.78844857767097[/C][C]0.770797930231378[/C][/ROW]
[/TABLE]
Source: https://freestatistics.org/blog/index.php?pk=24388&T=1

Globally Unique Identifier (entire table): ba.freestatistics.org/blog/index.php?pk=24388&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
mean85.36153846153851.09007288678233
standard deviation8.788448577670970.770797930231378


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')