Repository of Reproducible Computations

Free Statistics

of Irreproducible Research!

Author's title

Author

*The author of this computation has been verified*

R Software Module

rwasp_edauni.wasp

Title produced by software

Univariate Explorative Data Analysis

Date of computation

Fri, 24 Oct 2008 07:28:38 -0600

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/Oct/24/t12248550193xhbug1ab57ksyo.htm/, Retrieved Tue, 28 May 2024 17:33:43 +0000

Statistical Computations at FreeStatistics.org, Office for Research Development and Education, URL https://freestatistics.org/blog/index.php?pk=18605, Retrieved Tue, 28 May 2024 17:33:43 +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

197

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

F     [Univariate Explorative Data Analysis] [Investigation Dis...] [2007-10-21 17:06:37] [b9964c45117f7aac638ab9056d451faa]
F    D    [Univariate Explorative Data Analysis] [Clothing Producti...] [2008-10-24 13:28:38] [de3f0516a1536f7c4a656924d8bc8d07] [Current]
F   PD      [Univariate Explorative Data Analysis] [Validity of Bouwv...] [2008-10-24 15:03:15] [1376d48f59a7212e8dd85a587491a69b] 
-   P         [Univariate Explorative Data Analysis] [Q7 - aanpassing lags] [2008-11-02 16:06:18] [299afd6311e4c20059ea2f05c8dd029d] 
-   PD      [Univariate Explorative Data Analysis] [Q2] [2008-11-01 14:02:23] [529a65e524c481ca1098665a9566b89f] 
-   PD      [Univariate Explorative Data Analysis] [Q2] [2008-11-01 14:06:58] [529a65e524c481ca1098665a9566b89f] 

Feedback Forum

2008-10-29 15:50:21 [Nathalie Koulouris] [reply] 
De student had gebruik moeten maken van de Lag plot om de autocorrelatie terug te vinden.
2008-11-01 14:13:20 [Kim Huysmans] [reply] 
Als je het aantal lags had ingegeven dan had je de 2 laatste grafieken ook kunnen zien en aflezen. 
Hier heb ik het aantal lags op 12 gezet: 
http://www.freestatistics.org/blog/date/2008/Nov/01/t1225548185grccymt626zm674.htm 
En hier heb ik het aantal lags op 36 gezet (maximum): 
http://www.freestatistics.org/blog/date/2008/Nov/01/t1225548477qe6g7xsrj7e3rif.htm 
2008-11-01 14:34:31 [Kristof Augustyns] [reply] 
In de berekening is een fout gedaan: 
https://automated.biganalytics.eu/rwasp_edauni.wasp?parent=t12248550193xhbug1ab57ksyo#output 
--> De lags moeten aangepast worden naar 12 (maanden) of 36 (maanden). 
Voor de rest is de berekening correct. 
Ook geen gebruik van auto correlatie. 
Assumption 1: Student is correct door te zeggen dat er een neerwaarts patroon is tot '30' en dat er vanaf dan geen uitschieters zijn. 
Assumption 2: De spreiding is hier inderdaad perfect en staan allemaal vrij dicht tegen de lijn (bijna perfect verdeling) en dit ondanks het feit dat we geen autocorrelatie hebben. 
Assumption 3: Het is inderdaad een feit dat de uiteinden niet direct constant zijn (normal qq-plot), maar al bij al is het geheel wel vrij constant. 
Op de 'run sequence plot' zie je dat er eerst een achteruitgang is, maar die is zeker niet constant. 
Het is niet omdat het gemiddelde ronde de 87 schommelt, dat er geen achteruitgang is. 
Assumption 4: Men kan het wel afleiden. 
Er is sprijding over de tijd heen, sprijding 1ste deel is > sprijding 2de deel. 
2008-11-01 20:39:31 [Steffi Van Isveldt] [reply] 
Wanneer je het aantal lag plots op 36 zet, kan je op de grafiek Autocorrelation Function duidelijk een positieve seizonale autocorrelatie opmerken. (Beter dan wanneer je slechts 12 lag plots hebt) De tijdreeks is dus niet random.  
Zie link: http://www.freestatistics.org/blog/index.php?v=date/2008/Nov/01/t12255515665j9whbwaj66jspq.htm 
2008-11-02 14:18:55 [Steven Hulsmans] [reply] 
De lags werden verkeerd ingesteld. Hierdoor worden de laatste grafieken niet weergegeven, en kan assumptie 1 niet worden afgelezen.
2008-11-03 10:40:12 [Karen Van den Broeck] [reply] 
Assumptie 1: Dit is verkeerd. De student van vorig jaar heeft het verkeerd gedaan. Je moet het lag-plot gaan bekijken. De autocorrelaties moeten heel dicht bij nul liggen. We kunnen dus geen uitspraak doen over volgende maand. 
Wanneer je het aantal lag plots op 36 zet, kan je op de grafiek een positieve seizonale autocorrelatie opmerken. 
Dan kan ik wel uitspraak doen over de toekomst want het zijn altijd dezelfde maanden. 
Conclusie hier is: Tijdreeks is niet random want bevat wel degelijk autocorrelatie maar het is speciale autocorrelatie namelijk seizonale autocorrelatie.
2008-11-03 10:51:04 [Karen Van den Broeck] [reply] 
Assumptie 2: Goed opgelost. Voor deze assumptie gaan we het histogram en density plot bekijken. Op het histogram zien we min of meer een normaalverdeling en het density plot bult een beetje maar niet erg uitgesproken. Er is hier dus sprake van een normaalverdeling.  
 
Assumptie 3: Om aan deze voorwaarden te voldoen mag de tijdreeks in het run sequence plot niet fluctueren op lange termijn. We zien hier een achteruitgang dus op lange termijn is het niet constant. 
 
Assumptie 4: Je kan er wel een oordeel over vellen. Deze assumptie heeft betrekking op de random component. Heeft die een vaste spreiding? Neen, er zijn een paar outliers die geen effect hebben op het gemiddelde. We moeten kijken naar run sequence plot. Wanneer we de reeks in 2 hakken, zien we dat de spreiding is het eerste deel veel groter is dan in het tweede. Over de tijd heen is er dus een verandering van de spreiding. 
 
Je conclusie is wel goed. Omdat niet aan alle 4 de voorwaarden voldaan is dit inderdaad geen geldig model.

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	2 seconds
R Server	'George Udny Yule' @ 72.249.76.132

\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 & 'George Udny Yule' @ 72.249.76.132 \tabularnewline
\hline
\end{tabular}
%Source: https://freestatistics.org/blog/index.php?pk=18605&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]'George Udny Yule' @ 72.249.76.132[/C][/ROW]
[/TABLE]
Source: https://freestatistics.org/blog/index.php?pk=18605&T=0

Globally Unique Identifier (entire table): ba.freestatistics.org/blog/index.php?pk=18605&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	2 seconds
R Server	'George Udny Yule' @ 72.249.76.132

Descriptive Statistics
# observations	61
minimum	66.5
Q1	80.6
median	87.3
mean	86.8934426229508
Q3	94.1
maximum	109.7

\begin{tabular}{lllllllll}
\hline
Descriptive Statistics \tabularnewline
# observations & 61 \tabularnewline
minimum & 66.5 \tabularnewline
Q1 & 80.6 \tabularnewline
median & 87.3 \tabularnewline
mean & 86.8934426229508 \tabularnewline
Q3 & 94.1 \tabularnewline
maximum & 109.7 \tabularnewline
\hline
\end{tabular}
%Source: https://freestatistics.org/blog/index.php?pk=18605&T=1

[TABLE]
[ROW][C]Descriptive Statistics[/C][/ROW]
[ROW][C]# observations[/C][C]61[/C][/ROW]
[ROW][C]minimum[/C][C]66.5[/C][/ROW]
[ROW][C]Q1[/C][C]80.6[/C][/ROW]
[ROW][C]median[/C][C]87.3[/C][/ROW]
[ROW][C]mean[/C][C]86.8934426229508[/C][/ROW]
[ROW][C]Q3[/C][C]94.1[/C][/ROW]
[ROW][C]maximum[/C][C]109.7[/C][/ROW]
[/TABLE]
Source: https://freestatistics.org/blog/index.php?pk=18605&T=1

Globally Unique Identifier (entire table): ba.freestatistics.org/blog/index.php?pk=18605&T=1

As an alternative you can also use a QR Code:

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

Descriptive Statistics
# observations	61
minimum	66.5
Q1	80.6
median	87.3
mean	86.8934426229508
Q3	94.1
maximum	109.7

Figure 1

PNG link

Postscript link

PDF link

Figure 2

PNG link

Postscript link

PDF link

Figure 3

PNG link

Postscript link

PDF link

Figure 4

PNG link

Postscript link

PDF link

Figure 5

PNG link

Postscript link

PDF link

Figure 6

PNG link

Postscript link

PDF link

Parameters (Session):

par1 = 0 ; par2 = 0 ;

Parameters (R input):

par1 = 0 ; par2 = 0 ; 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):

par1 <- as.numeric(par1)
par2 <- as.numeric(par2)
x <- as.ts(x)
library(lattice)
bitmap(file='pic1.png')
plot(x,type='l',main='Run Sequence Plot',xlab='time or index',ylab='value')
grid()
dev.off()
bitmap(file='pic2.png')
hist(x)
grid()
dev.off()
bitmap(file='pic3.png')
if (par1 > 0)
{
densityplot(~x,col='black',main=paste('Density Plot   bw = ',par1),bw=par1)
} else {
densityplot(~x,col='black',main='Density Plot')
}
dev.off()
bitmap(file='pic4.png')
qqnorm(x)
grid()
dev.off()
if (par2 > 0)
{
bitmap(file='lagplot.png')
dum <- cbind(lag(x,k=1),x)
dum
dum1 <- dum[2:length(x),]
dum1
z <- as.data.frame(dum1)
z
plot(z,main=paste('Lag plot, lowess, and regression line'))
lines(lowess(z))
abline(lm(z))
dev.off()
bitmap(file='pic5.png')
acf(x,lag.max=par2,main='Autocorrelation Function')
grid()
dev.off()
}
summary(x)
load(file='createtable')
a<-table.start()
a<-table.row.start(a)
a<-table.element(a,'Descriptive Statistics',2,TRUE)
a<-table.row.end(a)
a<-table.row.start(a)
a<-table.element(a,'# observations',header=TRUE)
a<-table.element(a,length(x))
a<-table.row.end(a)
a<-table.row.start(a)
a<-table.element(a,'minimum',header=TRUE)
a<-table.element(a,min(x))
a<-table.row.end(a)
a<-table.row.start(a)
a<-table.element(a,'Q1',header=TRUE)
a<-table.element(a,quantile(x,0.25))
a<-table.row.end(a)
a<-table.row.start(a)
a<-table.element(a,'median',header=TRUE)
a<-table.element(a,median(x))
a<-table.row.end(a)
a<-table.row.start(a)
a<-table.element(a,'mean',header=TRUE)
a<-table.element(a,mean(x))
a<-table.row.end(a)
a<-table.row.start(a)
a<-table.element(a,'Q3',header=TRUE)
a<-table.element(a,quantile(x,0.75))
a<-table.row.end(a)
a<-table.row.start(a)
a<-table.element(a,'maximum',header=TRUE)
a<-table.element(a,max(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