Repository of Reproducible Computations

Free Statistics

of Irreproducible Research!

Author's title

Author

*Unverified author*

R Software Module

rwasp_univariatedataseries.wasp

Title produced by software

Univariate Data Series

Date of computation

Sat, 29 Nov 2008 09:37:16 -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/29/t1227976658s3365bay39anwob.htm/, Retrieved Sun, 19 May 2024 05:38:08 +0000

Statistical Computations at FreeStatistics.org, Office for Research Development and Education, URL https://freestatistics.org/blog/index.php?pk=26332, Retrieved Sun, 19 May 2024 05:38:08 +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

Estimated Impact

157

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

F     [Univariate Data Series] [Airline data] [2007-10-18 09:58:47] [42daae401fd3def69a25014f2252b4c2]
F    D    [Univariate Data Series] [s0700274] [2008-11-29 16:37:16] [c00776cbed2786c9c4960950021bd861] [Current]

Feedback Forum

2008-12-03 19:02:59 [407693b66d7f2e0b350979005057872d] [reply] 
Dit antwoord is een beetje onvolledig: We zien hier een trendmatig verloop en seizonaliteit.  De spreiding is niet constant;  We moeten de tijdreeks stationair maken de reeksen mogen geen trends meer bevatten en de spreiding moet gelijk zijn.  We zien een positieve autocorrelatie langzaam dalend met bulten.  We hebben temaken met een trend.  Dan gaan we nog eens een autocorrelatie berekenen door differentiatie is de trend weg en om de 12 maanden is er een piek die de seizonale trend is.  Deze trend moet verwijderd worden om de reeks stationair te maken.
2008-12-04 14:28:24 [c97d2ae59c98cf77a04815c1edffab5a] [reply] 
het antwoord bij Q5 is onvolledig. je moet nagaan welke lambda-transformatie je moet toepassen om de spreiding in de tijdsreeks constant te maken, zodat de tijdsreeks meer stationair wordt. 
bij de grafiek met de rode bolletjes (die student heeft geproduceerd) 
zie je een: 
-Trendmatig verloop(stijgend) 
-Seizoenaliteit (elke keer terugkerende driehoek) 
-Geen constante spreiding 
•In het begin is de spreiding klein 
•Op het einde is de spreiding groot 
je zal dus moeten differentiëren om de tijdsreeks stationair te maken. 
bij de standard deviation-mean plot, ga je enkel lambda na, die ervoor zorgt dat de spreiding van de tijdsreeks constant wordt. 
de link:http://www.freestatistics.org/blog/index.php?v=date/2008/Dec/02/t1228248491kzaucnowp9afxkn.htm 
in de derde tabel zie je de waarde van lambda. 
-Lambda is NIET =0 => Y(t) wordt tot de macht lambda gedaan 
-Lambda =0 => Log y(t) 
=>je gaat de spreiding constant maken, egaliseren, door de observaties te verheffen tot een bepaalde macht   
=> spreiding doorheen de tijd is gelijk! 
de modelvergelijking wordt aangepast: 
nabla nabla(12) lambday(t) 
 
2008-12-07 18:13:04 [Sandra Hofmans] [reply] 
Je had hier Lambda moeten introduceren om zo de variantie gelijk te krijgen. Het Standard Deviation Plot gaat na of de spreiding afhankelijk is van het niveau van de tijdreeks. In de grafiek zien we dat er een verband bestaat tussen het gemiddelde en de standaardfout. In de eerste tabel staat de vergelijking van de regressielijn die we door deze punten kunnen tekenen geschreven. In de 2e tabel  staat diezelfde regresievergelijking maar dan in de logaritmische vorm. Je ziet hier dan dat de waarde voor Lambda -0,31 bedraagt. 
2008-12-08 12:54:35 [Dave Bellekens] [reply] 
Het antwoord op deze vraag is wat beknopt en onvolledig. 
 
We moesten hier op zoek gaan naar de lambda transformatie die nodig is om een gelijke spreidin doorheen de tijd te bekomen van de tijdreeks. In de tabel met de logaritmische vorm van de regressievergelijk zien we dat deze waarde gelijk moet zijn aan -0.3

Post a new message

Dataseries X:

Download CSV

Histogram

Boxplots

Summary of computational transaction
Raw Input	view raw input (R code)
Raw Output	view raw output of R engine
Computing time	0 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 & 0 seconds \tabularnewline
R Server & 'Gwilym Jenkins' @ 72.249.127.135 \tabularnewline
\hline
\end{tabular}
%Source: https://freestatistics.org/blog/index.php?pk=26332&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]0 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=26332&T=0

Globally Unique Identifier (entire table): ba.freestatistics.org/blog/index.php?pk=26332&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	0 seconds
R Server	'Gwilym Jenkins' @ 72.249.127.135

Univariate Dataseries
Name of dataseries	Airline
Source	Box-Jenkins
Description	Airline Passengers
Number of observations	144

\begin{tabular}{lllllllll}
\hline
Univariate Dataseries \tabularnewline
Name of dataseries & Airline \tabularnewline
Source & Box-Jenkins \tabularnewline
Description & Airline Passengers \tabularnewline
Number of observations & 144 \tabularnewline
\hline
\end{tabular}
%Source: https://freestatistics.org/blog/index.php?pk=26332&T=1

[TABLE]
[ROW][C]Univariate Dataseries[/C][/ROW]
[ROW][C]Name of dataseries[/C][C]Airline[/C][/ROW]
[ROW][C]Source[/C][C]Box-Jenkins[/C][/ROW]
[ROW][C]Description[/C][C]Airline Passengers[/C][/ROW]
[ROW][C]Number of observations[/C][C]144[/C][/ROW]
[/TABLE]
Source: https://freestatistics.org/blog/index.php?pk=26332&T=1

Globally Unique Identifier (entire table): ba.freestatistics.org/blog/index.php?pk=26332&T=1

As an alternative you can also use a QR Code:

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

Univariate Dataseries
Name of dataseries	Airline
Source	Box-Jenkins
Description	Airline Passengers
Number of observations	144

Figure 1

PNG link

Postscript link

PDF link

Parameters (Session):

par1 = Airline ; par2 = Box-Jenkins ; par3 = Airline Passengers ;

Parameters (R input):

par1 = Airline ; par2 = Box-Jenkins ; par3 = Airline Passengers ;

R code (references can be found in the software module):

bitmap(file='test1.png')
plot(x,col=2,type='b',main=main,xlab=xlab,ylab=ylab)
dev.off()
load(file='createtable')
a<-table.start()
a<-table.row.start(a)
a<-table.element(a,'Univariate Dataseries',2,TRUE)
a<-table.row.end(a)
a<-table.row.start(a)
a<-table.element(a,'Name of dataseries',header=TRUE)
a<-table.element(a,par1)
a<-table.row.end(a)
a<-table.row.start(a)
a<-table.element(a,'Source',header=TRUE)
a<-table.element(a,par2)
a<-table.row.end(a)
a<-table.row.start(a)
a<-table.element(a,'Description',header=TRUE)
a<-table.element(a,par3)
a<-table.row.end(a)
a<-table.row.start(a)
a<-table.element(a,'Number of observations',header=TRUE)
a<-table.element(a,length(x))
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