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_correlation.wasp
Title produced by softwarePearson Correlation
Date of computationSun, 19 Oct 2008 07:02:35 -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/19/t1224421411um73whc9xi1mgch.htm/, Retrieved Sun, 19 May 2024 14:07:28 +0000
Statistical Computations at FreeStatistics.org, Office for Research Development and Education, URL https://freestatistics.org/blog/index.php?pk=16813, Retrieved Sun, 19 May 2024 14:07:28 +0000
QR Codes:

Original text written by user:
IsPrivate?No (this computation is public)
User-defined keywords
Estimated Impact162

Tree of Dependent Computations

Family? (F = Feedback message, R = changed R code, M = changed R Module, P = changed Parameters, D = changed Data)
F       [Pearson Correlation] [Q4 Clothing Produ...] [2008-10-19 13:02:35] [6912578025c824de531bc660dd61b996] [Current]
-         [Pearson Correlation] [Q4] [2008-10-20 18:53:30] [b47fceb71c9525e79a89b5fc6d023d0e]
Feedback Forum
2008-10-21 18:38:44 [Stefan Eyckmans] [reply] 
De correlatie is hier slecht 0,28. Dat wil dus zeggen dat het meer leunt
naar 0 dan naar 1. Er is dus een zeer zwakke correlatie. Dit kan je ook duidelijk zien op het plot. Er is geen lineair verband tussen deze twee.

Als de student dan de redenering maakt dat een prijsstijging niet veel effect zal hebben dan heeft hij daarin gelijk.
Het ideale zou zijn dat je de hoge prijzen en de lage prijzen appart kon interpreteren. Maar dat is hier geen optie.
Dus zwakke correlatie, zwak verband.
2008-10-24 20:55:49 [Kenny Simons] [reply] 
Stefan heeft hier wederom gelijk, we hebben hier eigenlijk geen correlatie terwijl het cijfer zegt dat we wel degelijk een beetje correlatie hebben. Maar als je naar het scatter plot gaat kijken, zal je zien dat we geen rechte kunnen tekenen doorheen de observaties. In het scatter plot kan je inderdaad 2 segmenten onderscheiden, 1 voor hoge prijzen en 1 voor lage prijzen. Het zou inderdaad beter zijn als we deze segmenten kunnen scheiden en dan de correlatie terug hiervoor berekenen.
2008-10-26 11:27:23 [Natascha Meeus] [reply] 
Ik ga akkoord met de bovenstaande bevindingen. dit is een correlatie van 0,28. Deze staat inderdaad dichter bij 0 dan bij 1. Het is inderdaad zo, zwakke correlatie (0 = geen correlatie), zwak verband.
2008-10-26 11:46:53 [Matthieu Blondeau] [reply] 
Ik ben helemaal akkoord met bovenstaande opmerkingen en ik kan daar niets bij toevoegen. LAge correlatie, laag verband.
2008-10-26 16:00:49 [Pieter Broos] [reply] 
in het word document zeg ik 'Een prijsstijging van 10 % zal een productiestijging van 2,8 % waar te nemen zijn'
niemand heeft blijkbaar opgemerkt dat dit niet klopt. De correlatie kan MAX 1 zijn, dus bij een prijsstijging van 10 % kan de productie dus eigenlijk ook maar 10 % stijgen, een meer dan evenredige stijging is niet mogelijk volgens deze uitleg. In werkelijkheid is een meer dan evenredige stijging natuurlijk wel mogelijk
2008-10-26 17:31:27 [Chi-Kwong Man] [reply] 
Ben akkoord met de meningen hierboven. Zwak correlatie = zwak verband.
2008-10-27 07:29:24 [Glenn De Maeyer] [reply] 
Er is inderdaad sprake van een zwakke correlatie is. Bovendien kan je ook op basis van de spreiding op de figuur afleiden dat er sprake is van hoge en lage prijzen.
2008-10-27 10:56:22 [Kim De Vos] [reply] 
Ik ga akkoord met bovenstaande redeneringen.
De correlatiecoefficient is 0.287 dit resultaat leunt meer aan bij 0 dan bij 1, wat wijst op een negatief verband tussen de kledijproductie en de prijs.
2008-10-27 18:24:49 [Jeroen Michel] [reply] 
Ook hier kan ik de voorgaande comments van de studenten staven. Er is geen denkbeeldige rechte te tekenen door de verschillende punten. De correlatie is inderdaad laag waardoor er niet meteen een verband is aan te tonen tussen beide tijdreeksen.
2008-10-27 19:07:05 [Niels Stas] [reply] 
Ook hier moet ik me aansluiten bij de bovenstaande comments. Een lage correlatiewaarde (0,28) toont aan dat er maar een klein verband is tussen beide.
2008-10-28 06:39:48 [Nilay Erdogdu] [reply] 
Er is een zeer zwak verband tussen de twee datareeksen. De prijsreeks voldoet niet aan de voorwaarden, er zijn eigenlijk twee prijzen namelijk 100 en 97 (variabele op twee niveaus).

Post a new message

Dataset

Dataseries X:
Download CSV
Histogram
Boxplots 
109,20
88,60
94,30
98,30
86,40
80,60
104,10
108,20
93,40
71,90
94,10
94,90
96,40
91,10
84,40
86,40
88,00
75,10
109,70
103,00
82,10
68,00
96,40
94,30
90,00
88,00
76,10
82,50
81,40
66,50
97,20
94,10
80,70
70,50
87,80
89,50
99,60
84,20
75,10
92,00
80,80
73,10
99,80
90,00
83,10
72,40
78,80
87,30
91,00
80,10
73,60
86,40
74,50
71,20
92,40
81,50
85,30
69,90
84,20
90,70
100,30
Dataseries Y:
Download CSV
Histogram 
99,90
99,80
99,80
100,30
99,90
99,90
100,00
100,10
100,10
100,20
100,30
100,60
100,00
100,10
100,20
100,00
100,10
100,10
100,10
100,50
100,50
100,50
96,30
96,30
96,80
96,80
96,90
96,80
96,80
96,80
96,80
97,00
97,00
97,00
96,80
96,90
97,20
97,30
97,30
97,20
97,30
97,30
97,30
97,30
97,30
97,30
98,10
96,80
96,80
96,80
96,80
96,80
96,80
96,80
96,80
96,80
96,80
96,80
96,90
97,10
97,10

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=16813&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=16813&T=0

Globally Unique Identifier (entire table): ba.freestatistics.org/blog/index.php?pk=16813&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






Pearson Product Moment Correlation - Ungrouped Data
StatisticVariable XVariable Y
Mean86.893442622950898.111475409836
Biased Variance109.8917602794952.39249126578877
Biased Standard Deviation10.48292708548021.54676800645370
Covariance4.7317431693989
Correlation0.287034985095086
Determination0.0823890826685364
T-Test2.30160903402757
p-value (2 sided)0.0249057450545593
p-value (1 sided)0.0124528725272797
Degrees of Freedom59
Number of Observations61

\begin{tabular}{lllllllll}
\hline
Pearson Product Moment Correlation - Ungrouped Data \tabularnewline
Statistic & Variable X & Variable Y \tabularnewline
Mean & 86.8934426229508 & 98.111475409836 \tabularnewline
Biased Variance & 109.891760279495 & 2.39249126578877 \tabularnewline
Biased Standard Deviation & 10.4829270854802 & 1.54676800645370 \tabularnewline
Covariance & 4.7317431693989 \tabularnewline
Correlation & 0.287034985095086 \tabularnewline
Determination & 0.0823890826685364 \tabularnewline
T-Test & 2.30160903402757 \tabularnewline
p-value (2 sided) & 0.0249057450545593 \tabularnewline
p-value (1 sided) & 0.0124528725272797 \tabularnewline
Degrees of Freedom & 59 \tabularnewline
Number of Observations & 61 \tabularnewline
\hline
\end{tabular}
%Source: https://freestatistics.org/blog/index.php?pk=16813&T=1

[TABLE]
[ROW][C]Pearson Product Moment Correlation - Ungrouped Data[/C][/ROW]
[ROW][C]Statistic[/C][C]Variable X[/C][C]Variable Y[/C][/ROW]
[ROW][C]Mean[/C][C]86.8934426229508[/C][C]98.111475409836[/C][/ROW]
[ROW][C]Biased Variance[/C][C]109.891760279495[/C][C]2.39249126578877[/C][/ROW]
[ROW][C]Biased Standard Deviation[/C][C]10.4829270854802[/C][C]1.54676800645370[/C][/ROW]
[ROW][C]Covariance[/C][C]4.7317431693989[/C][/ROW]
[ROW][C]Correlation[/C][C]0.287034985095086[/C][/ROW]
[ROW][C]Determination[/C][C]0.0823890826685364[/C][/ROW]
[ROW][C]T-Test[/C][C]2.30160903402757[/C][/ROW]
[ROW][C]p-value (2 sided)[/C][C]0.0249057450545593[/C][/ROW]
[ROW][C]p-value (1 sided)[/C][C]0.0124528725272797[/C][/ROW]
[ROW][C]Degrees of Freedom[/C][C]59[/C][/ROW]
[ROW][C]Number of Observations[/C][C]61[/C][/ROW]
[/TABLE]
Source: https://freestatistics.org/blog/index.php?pk=16813&T=1

Globally Unique Identifier (entire table): ba.freestatistics.org/blog/index.php?pk=16813&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:

Pearson Product Moment Correlation - Ungrouped Data
StatisticVariable XVariable Y
Mean86.893442622950898.111475409836
Biased Variance109.8917602794952.39249126578877
Biased Standard Deviation10.48292708548021.54676800645370
Covariance4.7317431693989
Correlation0.287034985095086
Determination0.0823890826685364
T-Test2.30160903402757
p-value (2 sided)0.0249057450545593
p-value (1 sided)0.0124528725272797
Degrees of Freedom59
Number of Observations61


Figures (Output of Computation)

Input Parameters & R Code

Parameters (Session):
Parameters (R input):
R code (references can be found in the software module):
bitmap(file='test1.png')
histx <- hist(x, plot=FALSE)
histy <- hist(y, plot=FALSE)
maxcounts <- max(c(histx$counts, histx$counts))
xrange <- c(min(x),max(x))
yrange <- c(min(y),max(y))
nf <- layout(matrix(c(2,0,1,3),2,2,byrow=TRUE), c(3,1), c(1,3), TRUE)
par(mar=c(4,4,1,1))
plot(x, y, xlim=xrange, ylim=yrange, xlab=xlab, ylab=ylab)
par(mar=c(0,4,1,1))
barplot(histx$counts, axes=FALSE, ylim=c(0, maxcounts), space=0)
par(mar=c(4,0,1,1))
barplot(histy$counts, axes=FALSE, xlim=c(0, maxcounts), space=0, horiz=TRUE)
dev.off()
lx = length(x)
makebiased = (lx-1)/lx
varx = var(x)*makebiased
vary = var(y)*makebiased
corxy <- cor.test(x,y,method='pearson')
cxy <- as.matrix(corxy$estimate)[1,1]
load(file='createtable')
a<-table.start()
a<-table.row.start(a)
a<-table.element(a,'Pearson Product Moment Correlation - Ungrouped Data',3,TRUE)
a<-table.row.end(a)
a<-table.row.start(a)
a<-table.element(a,'Statistic',1,TRUE)
a<-table.element(a,'Variable X',1,TRUE)
a<-table.element(a,'Variable Y',1,TRUE)
a<-table.row.end(a)
a<-table.row.start(a)
a<-table.element(a,hyperlink('arithmetic_mean.htm','Mean',''),header=TRUE)
a<-table.element(a,mean(x))
a<-table.element(a,mean(y))
a<-table.row.end(a)
a<-table.row.start(a)
a<-table.element(a,hyperlink('biased.htm','Biased Variance',''),header=TRUE)
a<-table.element(a,varx)
a<-table.element(a,vary)
a<-table.row.end(a)
a<-table.row.start(a)
a<-table.element(a,hyperlink('biased1.htm','Biased Standard Deviation',''),header=TRUE)
a<-table.element(a,sqrt(varx))
a<-table.element(a,sqrt(vary))
a<-table.row.end(a)
a<-table.row.start(a)
a<-table.element(a,hyperlink('covariance.htm','Covariance',''),header=TRUE)
a<-table.element(a,cov(x,y),2)
a<-table.row.end(a)
a<-table.row.start(a)
a<-table.element(a,hyperlink('pearson_correlation.htm','Correlation',''),header=TRUE)
a<-table.element(a,cxy,2)
a<-table.row.end(a)
a<-table.row.start(a)
a<-table.element(a,hyperlink('coeff_of_determination.htm','Determination',''),header=TRUE)
a<-table.element(a,cxy*cxy,2)
a<-table.row.end(a)
a<-table.row.start(a)
a<-table.element(a,hyperlink('ttest_statistic.htm','T-Test',''),header=TRUE)
a<-table.element(a,as.matrix(corxy$statistic)[1,1],2)
a<-table.row.end(a)
a<-table.row.start(a)
a<-table.element(a,'p-value (2 sided)',header=TRUE)
a<-table.element(a,(p2 <- as.matrix(corxy$p.value)[1,1]),2)
a<-table.row.end(a)
a<-table.row.start(a)
a<-table.element(a,'p-value (1 sided)',header=TRUE)
a<-table.element(a,p2/2,2)
a<-table.row.end(a)
a<-table.row.start(a)
a<-table.element(a,'Degrees of Freedom',header=TRUE)
a<-table.element(a,lx-2,2)
a<-table.row.end(a)
a<-table.row.start(a)
a<-table.element(a,'Number of Observations',header=TRUE)
a<-table.element(a,lx,2)
a<-table.row.end(a)
a<-table.end(a)
table.save(a,file='mytable.tab')