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 computationMon, 20 Oct 2008 07:04:30 -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/20/t1224507912n1aef96jmvdaphb.htm/, Retrieved Sun, 19 May 2024 16:12:56 +0000
Statistical Computations at FreeStatistics.org, Office for Research Development and Education, URL https://freestatistics.org/blog/index.php?pk=17229, Retrieved Sun, 19 May 2024 16:12:56 +0000
QR Codes:

Original text written by user:
IsPrivate?No (this computation is public)
User-defined keywords
Estimated Impact141

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] [Q3 Clothing produ...] [2007-10-20 14:22:11] [b731da8b544846036771bbf9bf2f34ce]
F R  D    [Pearson Correlation] [Correlatie produc...] [2008-10-20 13:04:30] [f1a30f1149cef3ef3ef69d586c6c3c1c] [Current]
Feedback Forum
2008-10-26 11:41:10 [Kenny Simons] [reply] 
Je spreekt hier over een gemiddeld verband, maar dit is echter niet zo. Als we een correlatie van 0,56... hebben is er wel degelijk een positieve correlatie en is er wel een verband tussen deze 2 tijdreeksen. Als je naar de scatter plot van deze tijdreeksen ziet, zal je zien dat je een oplopende rechte kunt tekenen doorheen de observaties. Besluit: er is een duidelijk verband tussen de 2 tijdreeksen.
2008-10-26 11:46:54 [Kenny Simons] [reply] 
De correlatie ligt hier dichter bij 0 dan bij 1, dus is er geen correlatie. Als we naar het plot kijken, kunnen we 2 segmenten onderscheiden. 1 voor hoge prijzen en 1 voor lage prijzen. Het zou ideaal zijn dat we deze zouden kunnen scheiden en dan zal er wel een verband zijn tussen de tijdreeksen.
2008-10-26 11:48:19 [Kenny Simons] [reply] 
De laatste uitleg moest bij Q4 staan.
2008-10-27 00:09:01 [Kristof Augustyns] [reply] 
De berekening is inderdaad juist en de correlatie bedraagt: 0.565259717157914
Het mag liggen tussen -1 en 1 en dit hangt dus dicht bij 1.
Er is dus wel sprake van correlatie en als je de grafiek goed beziet, kan je een mooie rechte trekken van links vanonder naar rechts vanboven.
Er is dus voor een 57% samenhang tussen totale productie en kleding productie.
De student kon er misschien ook wel bijzetten wat het juist betekent.
Dit betekent dat als de kleding productie hard zou dalen, dan zal de totale productie voor ongeveer de helft dalen dan dat de kleding productie doet.
Wat bij de één gebeurt, zal bij de ander ook wel gebeuren.
2008-10-27 18:43:21 [Yara Van Overstraeten] [reply] 
De uitgevoerde berekening is hier juist, maar de uitleg van het gevonden resultaat was inderdaad niet volledig juist. Er is een correlatie van 57% tussen de productie van kledij en de totale productie, wat een positieve correlatie is.

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 
110,40
96,40
101,90
106,20
81,00
94,70
101,00
109,40
102,30
90,70
96,20
96,10
106,00
103,10
102,00
104,70
86,00
92,10
106,90
112,60
101,70
92,00
97,40
97,00
105,40
102,70
98,10
104,50
87,40
89,90
109,80
111,70
98,60
96,90
95,10
97,00
112,70
102,90
97,40
111,40
87,40
96,80
114,10
110,30
103,90
101,60
94,60
95,90
104,70
102,80
98,10
113,90
80,90
95,70
113,20
105,90
108,80
102,30
99,00
100,70
115,50

Tables (Output of Computation)





Summary of computational transaction
Raw Inputview raw input (R code)
Raw Outputview raw output of R engine
Computing time2 seconds
R Server'Sir Ronald Aylmer Fisher' @ 193.190.124.24

\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 & 2 seconds \tabularnewline
R Server & 'Sir Ronald Aylmer Fisher' @ 193.190.124.24 \tabularnewline
\hline
\end{tabular}
%Source: https://freestatistics.org/blog/index.php?pk=17229&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]2 seconds[/C][/ROW]
[ROW][C]R Server[/C][C]'Sir Ronald Aylmer Fisher' @ 193.190.124.24[/C][/ROW]
[/TABLE]
Source: https://freestatistics.org/blog/index.php?pk=17229&T=0

Globally Unique Identifier (entire table): ba.freestatistics.org/blog/index.php?pk=17229&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 time2 seconds
R Server'Sir Ronald Aylmer Fisher' @ 193.190.124.24






Pearson Product Moment Correlation - Ungrouped Data
StatisticVariable XVariable Y
Mean86.8934426229508100.908196721311
Biased Variance109.89176027949564.2309164203171
Biased Standard Deviation10.48292708548028.01441928153981
Covariance48.2815546448088
Correlation0.565259717157914
Determination0.319518547841445
T-Test5.2633941884171
p-value (2 sided)2.07228182813601e-06
p-value (1 sided)1.03614091406801e-06
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 & 100.908196721311 \tabularnewline
Biased Variance & 109.891760279495 & 64.2309164203171 \tabularnewline
Biased Standard Deviation & 10.4829270854802 & 8.01441928153981 \tabularnewline
Covariance & 48.2815546448088 \tabularnewline
Correlation & 0.565259717157914 \tabularnewline
Determination & 0.319518547841445 \tabularnewline
T-Test & 5.2633941884171 \tabularnewline
p-value (2 sided) & 2.07228182813601e-06 \tabularnewline
p-value (1 sided) & 1.03614091406801e-06 \tabularnewline
Degrees of Freedom & 59 \tabularnewline
Number of Observations & 61 \tabularnewline
\hline
\end{tabular}
%Source: https://freestatistics.org/blog/index.php?pk=17229&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]100.908196721311[/C][/ROW]
[ROW][C]Biased Variance[/C][C]109.891760279495[/C][C]64.2309164203171[/C][/ROW]
[ROW][C]Biased Standard Deviation[/C][C]10.4829270854802[/C][C]8.01441928153981[/C][/ROW]
[ROW][C]Covariance[/C][C]48.2815546448088[/C][/ROW]
[ROW][C]Correlation[/C][C]0.565259717157914[/C][/ROW]
[ROW][C]Determination[/C][C]0.319518547841445[/C][/ROW]
[ROW][C]T-Test[/C][C]5.2633941884171[/C][/ROW]
[ROW][C]p-value (2 sided)[/C][C]2.07228182813601e-06[/C][/ROW]
[ROW][C]p-value (1 sided)[/C][C]1.03614091406801e-06[/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=17229&T=1

Globally Unique Identifier (entire table): ba.freestatistics.org/blog/index.php?pk=17229&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
Mean86.8934426229508100.908196721311
Biased Variance109.89176027949564.2309164203171
Biased Standard Deviation10.48292708548028.01441928153981
Covariance48.2815546448088
Correlation0.565259717157914
Determination0.319518547841445
T-Test5.2633941884171
p-value (2 sided)2.07228182813601e-06
p-value (1 sided)1.03614091406801e-06
Degrees of Freedom59
Number of Observations61


Figures (Output of Computation)

Input Parameters & R Code

Parameters (Session):
Parameters (R input):
par1 = ; par2 = ; par3 = ; par4 = ; par5 = ; par6 = ; par7 = ; par8 = ; par9 = ; par10 = ; par11 = ; par12 = ; par13 = ; par14 = ; par15 = ; par16 = ; par17 = ; par18 = ; par19 = ; par20 = ;
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')