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 11:49:40 -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/t1226602295mu5e1f5t6ei3yu1.htm/, Retrieved Sun, 19 May 2024 09:20:44 +0000

Statistical Computations at FreeStatistics.org, Office for Research Development and Education, URL https://freestatistics.org/blog/index.php?pk=24771, Retrieved Sun, 19 May 2024 09:20:44 +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

Bivariat Density

Estimated Impact

140

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...] [2008-11-13 18:49:40] [74c7506a1ea162af3aa8be25bcd05d28] [Current]

Feedback Forum

2008-11-15 11:55:42 [58d427c57bd46519a715a3a7fea6a80f] [reply] 
Op de bivariate Kernel zie je naast de puntenwolk een lijn die zo dicht mogelijk de puntenwolk benadert (=regressielijn), de hogelijnen zijn de omtrek van de schijfjes. In dit geval zijn de omtreklijnen niet cirkelvormig dus de correlatie is niet gelijk aan 0. Als je de tabel er zou bij zetten, dan kan je zien welk verband er exact is.
2008-11-19 18:09:06 [Bénédicte Soens] [reply] 
Bij de Bivariate Density plot is er een regressielijn (lijn die alle punten het beste benadert) en hoogtelijnen (heeft te maken met de dichtheid, kans dat men op een bepaald niveau zit is veel groter bij de ene hoogtelijn dan bij de andere). Als alle punten op bijna 1 lijn liggen dan kan men spreken van een hoge correlatie. Bij deze voorstelling is er een vrij hoge correlatie (exacte waarde te vinden in de grafiek)
2008-11-24 11:05:33 [Julian De Ruyter] [reply] 
Bivariate Density:  
Dit is een andere soort van scatterplot. Door middel van dichtheid en concentratie wordt een eventueel verband uitgedrukt. Je ziet in het midden een regressielijn met daarrond de concentratie-hoogtelijnen (rood=hogeconcentratie van gegevens, geel minder,groen nog minder).  
Hier liggen de gegevens rond de regressielijn en aangezien deze stijgt kennen we een positief verband.

Post a new message

Dataseries X:

Download CSV

Histogram

Boxplots

8,4
8,4
8,4
8,6
8,9
8,8
8,3
7,5
7,2
7,5
8,8
9,3
9,3
8,7
8,2
8,3
8,5
8,6
8,6
8,2
8,1
8
8,6
8,7
8,8
8,5
8,4
8,5
8,7
8,7
8,6
8,5
8,3
8,1
8,2
8,1
8,1
7,9
7,9
7,9
8
8
7,9
8
7,7
7,2
7,5
7,3
7
7
7
7,2
7,3
7,1
6,8
6,6
6,2
6,2
6,8
6,9
6,8

Dataseries Y:

Download CSV

Histogram

7,6
7,9
7,9
8,1
8,2
8
7,5
6,8
6,5
6,6
7,6
8
8
7,7
7,5
7,6
7,7
7,9
7,8
7,5
7,5
7,1
7,5
7,5
7,6
7,7
7,7
7,9
8,1
8,2
8,2
8,1
7,9
7,3
6,9
6,6
6,7
6,9
7
7,1
7,2
7,1
6,9
7
6,8
6,4
6,7
6,7
6,4
6,3
6,2
6,5
6,8
6,8
6,5
6,3
5,9
5,9
6,4
6,4
6,5

Summary of computational transaction
Raw Input	view raw input (R code)
Raw Output	view raw output of R engine
Computing time	1 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 & 1 seconds \tabularnewline
R Server & 'George Udny Yule' @ 72.249.76.132 \tabularnewline
\hline
\end{tabular}
%Source: https://freestatistics.org/blog/index.php?pk=24771&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]'George Udny Yule' @ 72.249.76.132[/C][/ROW]
[/TABLE]
Source: https://freestatistics.org/blog/index.php?pk=24771&T=0

Globally Unique Identifier (entire table): ba.freestatistics.org/blog/index.php?pk=24771&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	1 seconds
R Server	'George Udny Yule' @ 72.249.76.132

Bandwidth
x axis	0.256923394458279
y axis	0.235108756444962
Correlation
correlation used in KDE	0.919639434552627
correlation(x,y)	0.919639434552627

\begin{tabular}{lllllllll}
\hline
Bandwidth \tabularnewline
x axis & 0.256923394458279 \tabularnewline
y axis & 0.235108756444962 \tabularnewline
Correlation \tabularnewline
correlation used in KDE & 0.919639434552627 \tabularnewline
correlation(x,y) & 0.919639434552627 \tabularnewline
\hline
\end{tabular}
%Source: https://freestatistics.org/blog/index.php?pk=24771&T=1

[TABLE]
[ROW][C]Bandwidth[/C][/ROW]
[ROW][C]x axis[/C][C]0.256923394458279[/C][/ROW]
[ROW][C]y axis[/C][C]0.235108756444962[/C][/ROW]
[ROW][C]Correlation[/C][/ROW]
[ROW][C]correlation used in KDE[/C][C]0.919639434552627[/C][/ROW]
[ROW][C]correlation(x,y)[/C][C]0.919639434552627[/C][/ROW]
[/TABLE]
Source: https://freestatistics.org/blog/index.php?pk=24771&T=1

Globally Unique Identifier (entire table): ba.freestatistics.org/blog/index.php?pk=24771&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	0.256923394458279
y axis	0.235108756444962
Correlation
correlation used in KDE	0.919639434552627
correlation(x,y)	0.919639434552627

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