Repository of Reproducible Computations

Free Statistics

of Irreproducible Research!

Author's title

Author

*The author of this computation has been verified*

R Software Module

rwasp_bidensity.wasp

Title produced by software

Bivariate Kernel Density Estimation

Date of computation

Thu, 13 Nov 2008 11:43:04 -0700

Cite this page as follows

Statistical Computations at FreeStatistics.org, Office for Research Development and Education, URL https://freestatistics.org/blog/index.php?v=date/2008/Nov/13/t12266019532jrf2zdryskzmjr.htm/, Retrieved Sun, 19 May 2024 09:17:37 +0000

Statistical Computations at FreeStatistics.org, Office for Research Development and Education, URL https://freestatistics.org/blog/index.php?pk=24764, Retrieved Sun, 19 May 2024 09:17:37 +0000

QR Codes:

Paste this QR Code to cite your computation.

Original text written by user:

IsPrivate?

No (this computation is public)

User-defined keywords

Bivariate Density

Estimated Impact

135

Family? (F = Feedback message, R = changed R code, M = changed R Module, P = changed Parameters, D = changed Data)

F       [Bivariate Kernel Density Estimation] [Bivariate Density] [2008-11-13 18:43:04] [962e6c9020896982bc8283b8971710a9] [Current]

Feedback Forum

2008-11-18 08:30:40 [Evelyn Gabriel] [reply] 
De student heeft een goede conclusie gemaakt bij de Bivariate Kernel Density Estimation. De student had echter wel meer informatie mogen geven over de figuur zelf, namelijk dat de hoogtelijn de dichtheid van de punten beschrijft. Aan de hoogtelijn kan je hier ook zien dat er een duidelijk positief verband is tussen de variabelen. 
De student geeft ook aan dat het een nadeel is dat je slechts 2 tijdreeksen met elkaar kan vergelijken, waar ik mee akkoord ga. 
2008-11-20 15:13:28 [Gert-Jan Geudens] [reply] 
De conclusie van de studente is niet helemaal correct. We moeten hier nog opmerken dat er een groot positief verband is tussen beide variabelen. Dit zien we aan de hand van de postief gerichte ovalen, gevormd door de hoogtelijnen. 
Deze plot kan dus nog extra vragen oproepen.
2008-11-20 17:13:49 [Marie-Lien Loos] [reply] 
Methode is juist. Er is een duidelijk verband want de scatterplots zijn lineair. Wanneer ze cirkelvormig zouden zijn, is er geen verband.
2008-11-24 11:10:47 [Anouk Greeve] [reply] 
Juiste conclusie. In de bivariate Kernel density plot worden er 3 dimensies gesuggereerd door de hoogtelijnen.  
de hoogtelijnen hebben te maken met de dichtheid van de punten. wanneer deze hoog is, is de waarschijnlijkheid in het midden hoger dan die van de buitenrand. 
2008-11-24 17:54:23 [Birgit Van Dyck] [reply] 
De student heeft de juiste uitleg gegeven maar er is geen precieze omschrijving gegeven van de figuur. De bivariate kernal density plot is een figuur waarbij de hoogtelijnen de concentratie en de dichtheid van de punten weergeeft. De ellipsvorm rond de rechte regressielijn wijst op een positieve correlatie. 

Post a new message

Dataseries X:

Download CSV

Histogram

Boxplots

Dataseries Y:

Download CSV

Histogram

Summary of computational transaction
Raw Input	view raw input (R code)
Raw Output	view raw output of R engine
Computing time	2 seconds
R Server	'Sir Ronald Aylmer Fisher' @ 193.190.124.24

\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 & 'Sir Ronald Aylmer Fisher' @ 193.190.124.24 \tabularnewline
\hline
\end{tabular}
%Source: https://freestatistics.org/blog/index.php?pk=24764&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]'Sir Ronald Aylmer Fisher' @ 193.190.124.24[/C][/ROW]
[/TABLE]
Source: https://freestatistics.org/blog/index.php?pk=24764&T=0

Globally Unique Identifier (entire table): ba.freestatistics.org/blog/index.php?pk=24764&T=0

As an alternative you can also use a QR Code:

The GUIDs for individual cells are displayed in the table below:

Summary of computational transaction
Raw Input	view raw input (R code)
Raw Output	view raw output of R engine
Computing time	2 seconds
R Server	'Sir Ronald Aylmer Fisher' @ 193.190.124.24

Bandwidth
x axis	10530.7555485287
y axis	11563.0899910747
Correlation
correlation used in KDE	0.912949771656624
correlation(x,y)	0.912949771656624

\begin{tabular}{lllllllll}
\hline
Bandwidth \tabularnewline
x axis & 10530.7555485287 \tabularnewline
y axis & 11563.0899910747 \tabularnewline
Correlation \tabularnewline
correlation used in KDE & 0.912949771656624 \tabularnewline
correlation(x,y) & 0.912949771656624 \tabularnewline
\hline
\end{tabular}
%Source: https://freestatistics.org/blog/index.php?pk=24764&T=1

[TABLE]
[ROW][C]Bandwidth[/C][/ROW]
[ROW][C]x axis[/C][C]10530.7555485287[/C][/ROW]
[ROW][C]y axis[/C][C]11563.0899910747[/C][/ROW]
[ROW][C]Correlation[/C][/ROW]
[ROW][C]correlation used in KDE[/C][C]0.912949771656624[/C][/ROW]
[ROW][C]correlation(x,y)[/C][C]0.912949771656624[/C][/ROW]
[/TABLE]
Source: https://freestatistics.org/blog/index.php?pk=24764&T=1

Globally Unique Identifier (entire table): ba.freestatistics.org/blog/index.php?pk=24764&T=1

As an alternative you can also use a QR Code:

The GUIDs for individual cells are displayed in the table below:

Bandwidth
x axis	10530.7555485287
y axis	11563.0899910747
Correlation
correlation used in KDE	0.912949771656624
correlation(x,y)	0.912949771656624

Figure 1

PNG link

Postscript link

PDF link

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')

Free Statistics

Description of Statistical Computation

Tree of Dependent Computations

Dataset

Tables (Output of Computation)

Figures (Output of Computation)

Input Parameters & R Code