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_rwalk.wasp
Title produced by softwareLaw of Averages
Date of computationFri, 28 Nov 2008 11:02:40 -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/28/t12278953923id2unc1fvlbrmr.htm/, Retrieved Sun, 19 May 2024 09:24:48 +0000
Statistical Computations at FreeStatistics.org, Office for Research Development and Education, URL https://freestatistics.org/blog/index.php?pk=26150, Retrieved Sun, 19 May 2024 09:24:48 +0000
QR Codes:

Original text written by user:
IsPrivate?No (this computation is public)
User-defined keywords
Estimated Impact171

Tree of Dependent Computations

Family? (F = Feedback message, R = changed R code, M = changed R Module, P = changed Parameters, D = changed Data)
F     [Law of Averages] [Random Walk Simul...] [2008-11-25 18:05:16] [b98453cac15ba1066b407e146608df68]
F         [Law of Averages] [17.2] [2008-11-28 18:02:40] [0458bd763b171003ec052ce63099d477] [Current]
Feedback Forum
2008-12-04 12:08:45 [Steven Vercammen] [reply] 
Dit is volledig correct.
Er doet zich duidelijk een langzaam dalende trend voor in de Excess of heads grafiek. Alle autocorrelaties zijn positief en significant (er is voorspelbaarheid op basis van het verleden die niet aan het toeval te wijten is). Er is een duidelijk verband tussen de twee. Wanneer er een langzame evolutie is van het niveau is er sprake van autocorrelatie. Bij een zeer wispelturige grafiek zou er sprake zijn van negatieve autocorrelatie. Een autocorrelation plot als deze is typisch voor een stochastische lange termijn trend. We kunnen deze trend echter verwijderen uit de data door differentiatie.
2008-12-08 17:58:32 [5faab2fc6fb120339944528a32d48a04] [reply] 
De student heeft juiste conclusies getrokken, nl.:
- Schijnbaar negatieve trend
- Begin beurskoers relatief hoog, einde relatief laag. Hieruit kunnen we stellen dat we informatie uit het verleden hebben waardoor we een voorspelling kunnen maken.
- Positieve autocorrelatie → zeer langsaam patroon.
- Alle waarden zijn positief en significant verschillend van nul maar dalen langsaam. Dit is geen toevallig patroon. Het is een stochastische trend op lange termijn.
- Het patroon is sterk gekoppeld aan de definitie van de Random walk.


Post a new message

Dataset

Tables (Output of Computation)





Summary of computational transaction
Raw Inputview raw input (R code)
Raw Outputview raw output of R engine
Computing time1 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 & 1 seconds \tabularnewline
R Server & 'Gwilym Jenkins' @ 72.249.127.135 \tabularnewline
\hline
\end{tabular}
%Source: https://freestatistics.org/blog/index.php?pk=26150&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]'Gwilym Jenkins' @ 72.249.127.135[/C][/ROW]
[/TABLE]
Source: https://freestatistics.org/blog/index.php?pk=26150&T=0

Globally Unique Identifier (entire table): ba.freestatistics.org/blog/index.php?pk=26150&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 time1 seconds
R Server'Gwilym Jenkins' @ 72.249.127.135


Figures (Output of Computation)

Input Parameters & R Code

Parameters (Session):
par1 = 500 ; par2 = 0.5 ;
Parameters (R input):
par1 = 500 ; par2 = 0.5 ;
R code (references can be found in the software module):
n <- as.numeric(par1)
p <- as.numeric(par2)
heads=rbinom(n-1,1,p)
a=2*(heads)-1
b=diffinv(a,xi=0)
c=1:n
pheads=(diffinv(heads,xi=.5))/c
bitmap(file='test1.png')
op=par(mfrow=c(2,1))
plot(c,b,type='n',main='Law of Averages',xlab='Toss Number',ylab='Excess of Heads',lwd=2,cex.lab=1.5,cex.main=2)
lines(c,b,col='red')
lines(c,rep(0,n),col='black')
plot(c,pheads,type='n',xlab='Toss Number',ylab='Proportion of Heads',lwd=2,cex.lab=1.5)
lines(c,pheads,col='blue')
lines(c,rep(.5,n),col='black')
par(op)
dev.off()
b
bitmap(file='pic1.png')
racf <- acf(b,n/10,main='Autocorrelation',xlab='lags',ylab='ACF')
dev.off()
racf