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_babies.wasp
Title produced by softwareExercise 1.13
Date of computationMon, 13 Oct 2008 02:52:32 -0600
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/Oct/13/t1223888089t0bifzve27nknms.htm/, Retrieved Wed, 29 May 2024 00:10:42 +0000
Statistical Computations at FreeStatistics.org, Office for Research Development and Education, URL https://freestatistics.org/blog/index.php?pk=15580, Retrieved Wed, 29 May 2024 00:10:42 +0000
QR Codes:

Original text written by user:
IsPrivate?No (this computation is public)
User-defined keywords
Estimated Impact200

Tree of Dependent Computations

Family? (F = Feedback message, R = changed R code, M = changed R Module, P = changed Parameters, D = changed Data)
F     [Exercise 1.13] [Exercise 1.13 (Wo...] [2008-10-01 13:28:34] [b98453cac15ba1066b407e146608df68]
F R P     [Exercise 1.13] [Grafiek met 80% m...] [2008-10-13 08:52:32] [b5110a3ab194da7214bdf478e0a05dbd] [Current]
Feedback Forum
2008-10-16 13:25:39 [66991d38d6a4b2d9fe97b6c889f3689c] [reply] 
de oplossing op vraag 2 is bij benadering correct maar werd door de student geen onderscheid gemaakt tussen het kleine en grote hospitaal.
In het grote hospitaal is het meer onwaarschijnlijk dat er 80% jongens worden geboren dan in het kleine. dit is te wijten aan het grotere aantal geboortes.
er werd ook slechts 1 simulatie gemaakt. meerdere simulaties zouden kunnen aantonen dat het wel kan voorvallen dat dit in beide ziekenhuizen geen enkele keer voorvalt, of dat het meerdere dagen kan voorvallen.
2008-10-17 10:34:27 [Ciska Tanghe] [reply] 
Bij deze vraag is het belangrijk om meerdere malen het resultaat te berekenen. Bij sommige berekeningen zal de waarschijnlijkheid 0% zijn, terwijl andere bijvoorbeeld 0,2%. Hiervan een gemiddelde nemen, geeft een accuraat resultaat. Ook moet een onderscheid gemaakt worden tussen het grote en kleine ziekenhuis, omdat het meer waarschijnlijk is dat meer dan 80% van de geboortes jongens zijn in het kleine ziekenhuis aangezien daar minder geboortes zijn. Hoe meer geboortes, zoals in het grote ziekenhuis, het onwaarschijnlijker het wordt dat meer dan 80% van de geboortes jongens zijn.
2008-10-19 12:40:31 [e9c861930c027d1bae8828281431911e] [reply] 
dit is een juiste berekening en een goed antwoord op de gestelde vraag. Nu indien je zoals de studenten hierboven vermelden meerdere simulaties had uitgevoerd zou je kunnen vaststellen dat er meer mogelijkheden zijn. Dit is omdat dat je altijd uitkomsten krijgt op een random keuze die wordt uitgevoerd door de computer hier werd daarvoor de r-module gebruikt, je zou dit ook zien moest je het in excel is proberen daar zie je dat je uitkomst steeds verandert.
2008-10-19 13:07:28 [9142cf052ad32d043faa9486189092cf] [reply] 
Bij de bovenstaande berekening is het belangrijk dat de steekproef meerdere malen wordt uitgevoerd en dat er een onderscheid wordt gemaakt tussen het kleine ziekenhuis en het groot.

Voor een groot hospitaal; Bij sommige berekeningen is de oplossing (de waarschijnlijkheid) gelijk aan nul. Maar naar mate er meer steekproeven uitgevoerd worden gaat het resultaat een heel klein beetje afwijken van nul. De kans dat er in een groot ziekenhuis 80% jongens geboren bestaat wel maar is miniem. Dus ook hier is het weer belangrijk om meerdere steekproeven uit te voeren om zo een nauwkeuriger antwoord te bekomen.

Voor een klein hospitaal: Is de waarschijnlijkheid groter dan bij een groot hospitaal dit komt omdat er in een klein hospitaal minder geboortes zijn dus de kans dat er 80% jongens geboren worden is hier iets groter.

Voorbeeld:
klein hospitaal 1 geboorte : meer kans dat dit een jongen is dan al voldaan aan de voorwaarde.
Groot hospitaal 10 geboorte: hier moeten al 8 jongens geboren worden kans kleiner

Conclusie: hoe meer geboortes hoe onwaarschijnlijker het wordt dat meer dan 80% jongens zijn.
2008-10-19 15:48:26 [66991d38d6a4b2d9fe97b6c889f3689c] [reply] 
ik vermelde hierboven reeds dat je een onderscheid had moeten maken tussen het kleine en grote ziekenhuis.
dit onderscheid is echter optioneel daar de opgave enkel vraagt naar een oplossing in verband met het kleine ziekenhuis.

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 time4 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 & 4 seconds \tabularnewline
R Server & 'Gwilym Jenkins' @ 72.249.127.135 \tabularnewline
\hline
\end{tabular}
%Source: https://freestatistics.org/blog/index.php?pk=15580&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]4 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=15580&T=0

Globally Unique Identifier (entire table): ba.freestatistics.org/blog/index.php?pk=15580&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 time4 seconds
R Server'Gwilym Jenkins' @ 72.249.127.135






Exercise 1.13 p. 14 (Introduction to Probability, 2nd ed.)
Number of simulated days365
Expected number of births in Large Hospital45
Expected number of births in Small Hospital15
Percentage of Male births per day(for which the probability is computed)0.8
#Females births in Large Hospital8227
#Males births in Large Hospital8198
#Female births in Small Hospital2737
#Male births in Small Hospital2738
Probability of more than 80 % of male births in Large Hospital0
Probability of more than 80 % of male births in Small Hospital0.00273972602739726
#Days per Year when more than 80 % of male births occur in Large Hospital0
#Days per Year when more than 80 % of male births occur in Small Hospital1

\begin{tabular}{lllllllll}
\hline
Exercise 1.13 p. 14 (Introduction to Probability, 2nd ed.) \tabularnewline
Number of simulated days & 365 \tabularnewline
Expected number of births in Large Hospital & 45 \tabularnewline
Expected number of births in Small Hospital & 15 \tabularnewline
Percentage of Male births per day(for which the probability is computed) & 0.8 \tabularnewline
#Females births in Large Hospital & 8227 \tabularnewline
#Males births in Large Hospital & 8198 \tabularnewline
#Female births in Small Hospital & 2737 \tabularnewline
#Male births in Small Hospital & 2738 \tabularnewline
Probability of more than 80 % of male births in Large Hospital & 0 \tabularnewline
Probability of more than 80 % of male births in Small Hospital & 0.00273972602739726 \tabularnewline
#Days per Year when more than 80 % of male births occur in Large Hospital & 0 \tabularnewline
#Days per Year when more than 80 % of male births occur in Small Hospital & 1 \tabularnewline
\hline
\end{tabular}
%Source: https://freestatistics.org/blog/index.php?pk=15580&T=1

[TABLE]
[ROW][C]Exercise 1.13 p. 14 (Introduction to Probability, 2nd ed.)[/C][/ROW]
[ROW][C]Number of simulated days[/C][C]365[/C][/ROW]
[ROW][C]Expected number of births in Large Hospital[/C][C]45[/C][/ROW]
[ROW][C]Expected number of births in Small Hospital[/C][C]15[/C][/ROW]
[ROW][C]Percentage of Male births per day(for which the probability is computed)[/C][C]0.8[/C][/ROW]
[ROW][C]#Females births in Large Hospital[/C][C]8227[/C][/ROW]
[ROW][C]#Males births in Large Hospital[/C][C]8198[/C][/ROW]
[ROW][C]#Female births in Small Hospital[/C][C]2737[/C][/ROW]
[ROW][C]#Male births in Small Hospital[/C][C]2738[/C][/ROW]
[ROW][C]Probability of more than 80 % of male births in Large Hospital[/C][C]0[/C][/ROW]
[C]Probability of more than 80 % of male births in Small Hospital[/C][C]0.00273972602739726[/C][/ROW]
[ROW][C]#Days per Year when more than 80 % of male births occur in Large Hospital[/C][C]0[/C][/ROW]
[C]#Days per Year when more than 80 % of male births occur in Small Hospital[/C][C]1[/C][/ROW]
[/TABLE]
Source: https://freestatistics.org/blog/index.php?pk=15580&T=1

Globally Unique Identifier (entire table): ba.freestatistics.org/blog/index.php?pk=15580&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:

Exercise 1.13 p. 14 (Introduction to Probability, 2nd ed.)
Number of simulated days365
Expected number of births in Large Hospital45
Expected number of births in Small Hospital15
Percentage of Male births per day(for which the probability is computed)0.8
#Females births in Large Hospital8227
#Males births in Large Hospital8198
#Female births in Small Hospital2737
#Male births in Small Hospital2738
Probability of more than 80 % of male births in Large Hospital0
Probability of more than 80 % of male births in Small Hospital0.00273972602739726
#Days per Year when more than 80 % of male births occur in Large Hospital0
#Days per Year when more than 80 % of male births occur in Small Hospital1


Figures (Output of Computation)

Input Parameters & R Code

Parameters (Session):
par1 = 365 ; par2 = 45 ; par3 = 15 ; par4 = 0.8 ;
Parameters (R input):
par1 = 365 ; par2 = 45 ; par3 = 15 ; par4 = 0.8 ;
R code (references can be found in the software module):
par1 <- as.numeric(par1)
par2 <- as.numeric(par2)
par3 <- as.numeric(par3)
par4 <- as.numeric(par4)
numsuccessbig <- 0
numsuccesssmall <- 0
bighospital <- array(NA,dim=c(par1,par2))
smallhospital <- array(NA,dim=c(par1,par3))
bigprob <- array(NA,dim=par1)
smallprob <- array(NA,dim=par1)
for (i in 1:par1) {
bighospital[i,] <- sample(c('F','M'),par2,replace=TRUE)
if (as.matrix(table(bighospital[i,]))[2] > par4*par2) numsuccessbig = numsuccessbig + 1
bigprob[i] <- numsuccessbig/i
smallhospital[i,] <- sample(c('F','M'),par3,replace=TRUE)
if (as.matrix(table(smallhospital[i,]))[2] > par4*par3) numsuccesssmall = numsuccesssmall + 1
smallprob[i] <- numsuccesssmall/i
}
tbig <- as.matrix(table(bighospital))
tsmall <- as.matrix(table(smallhospital))
tbig
tsmall
numsuccessbig/par1
bigprob[par1]
numsuccesssmall/par1
smallprob[par1]
numsuccessbig/par1*365
bigprob[par1]*365
numsuccesssmall/par1*365
smallprob[par1]*365
bitmap(file='test1.png')
plot(bigprob,col=2,main='Probability in Large Hospital',xlab='#simulated days',ylab='probability')
dev.off()
bitmap(file='test2.png')
plot(smallprob,col=2,main='Probability in Small Hospital',xlab='#simulated days',ylab='probability')
dev.off()
load(file='createtable')
a<-table.start()
a<-table.row.start(a)
a<-table.element(a,'Exercise 1.13 p. 14 (Introduction to Probability, 2nd ed.)',2,TRUE)
a<-table.row.end(a)
a<-table.row.start(a)
a<-table.element(a,'Number of simulated days',header=TRUE)
a<-table.element(a,par1)
a<-table.row.end(a)
a<-table.row.start(a)
a<-table.element(a,'Expected number of births in Large Hospital',header=TRUE)
a<-table.element(a,par2)
a<-table.row.end(a)
a<-table.row.start(a)
a<-table.element(a,'Expected number of births in Small Hospital',header=TRUE)
a<-table.element(a,par3)
a<-table.row.end(a)
a<-table.row.start(a)
a<-table.element(a,'Percentage of Male births per day
(for which the probability is computed)',header=TRUE)
a<-table.element(a,par4)
a<-table.row.end(a)
a<-table.row.start(a)
a<-table.element(a,'#Females births in Large Hospital',header=TRUE)
a<-table.element(a,tbig[1])
a<-table.row.end(a)
a<-table.row.start(a)
a<-table.element(a,'#Males births in Large Hospital',header=TRUE)
a<-table.element(a,tbig[2])
a<-table.row.end(a)
a<-table.row.start(a)
a<-table.element(a,'#Female births in Small Hospital',header=TRUE)
a<-table.element(a,tsmall[1])
a<-table.row.end(a)
a<-table.row.start(a)
a<-table.element(a,'#Male births in Small Hospital',header=TRUE)
a<-table.element(a,tsmall[2])
a<-table.row.end(a)
a<-table.row.start(a)
dum1 <- paste('Probability of more than', par4*100, sep=' ')
dum <- paste(dum1, '% of male births in Large Hospital', sep=' ')
a<-table.element(a, dum, header=TRUE)
a<-table.element(a, bigprob[par1])
a<-table.row.end(a)
dum <- paste(dum1, '% of male births in Small Hospital', sep=' ')
a<-table.element(a, dum, header=TRUE)
a<-table.element(a, smallprob[par1])
a<-table.row.end(a)
a<-table.row.start(a)
dum1 <- paste('#Days per Year when more than', par4*100, sep=' ')
dum <- paste(dum1, '% of male births occur in Large Hospital', sep=' ')
a<-table.element(a, dum, header=TRUE)
a<-table.element(a, bigprob[par1]*365)
a<-table.row.end(a)
dum <- paste(dum1, '% of male births occur in Small Hospital', sep=' ')
a<-table.element(a, dum, header=TRUE)
a<-table.element(a, smallprob[par1]*365)
a<-table.row.end(a)
a<-table.end(a)
table.save(a,file='mytable.tab')