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_edauni.wasp
Title produced by softwareUnivariate Explorative Data Analysis
Date of computationSat, 25 Oct 2008 06:36:11 -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/25/t1224938220kizlckmiw8dd232.htm/, Retrieved Sun, 19 May 2024 13:21:20 +0000
Statistical Computations at FreeStatistics.org, Office for Research Development and Education, URL https://freestatistics.org/blog/index.php?pk=18695, Retrieved Sun, 19 May 2024 13:21:20 +0000
QR Codes:

Original text written by user:
IsPrivate?No (this computation is public)
User-defined keywords
Estimated Impact197

Tree of Dependent Computations

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] [Q2] [2008-10-25 12:36:11] [9d7d6e0b01d5647e3f5dd21d8ef8600e] [Current]
-   P       [Univariate Explorative Data Analysis] [Verbetering Q2] [2008-11-03 08:46:48] [87cabf13a90315c7085b765dcebb7412]
Feedback Forum
2008-11-03 09:00:31 [Davy De Nef] [reply] 
We kunnen de geldigheid van een dit model enkel testen aan de hand van 4 assumpties:

1. Randomness
Hier gaan we na of er autocorrelatie aanwezig is. Dit zou niet het geval mogen zijn. De student maakt hier gebruik van de Normal QQ plot. Er zou beter de lagplot gebruikt worden. In onderstaande link heb ik de lagplot toegevoegd:
http://www.freestatistics.org/blog/index.php?v=date/2008/Nov/03/t1225702046qn0q42382j5rrf7.htm
Hier zie je dat de rechte zo goed als horizontaal ligt. Dit wijst een op correlatie die bijna gelijk is aan 0. De punten liggen dus verspreid. Bij lag 12 kan je een voorspelling maken. En dat geeft hier een positieve correlatie.

2. Fixed distributions
Hier wordt er nagegaan of we te maken hebben met een normaalverdeling of niet. Dit kan je afleiden uit de histogram of de density plot, zoals ook de student aanhaalt. We kunnen hier toch min of meer spreken van een normaalverdeling. De kleine instulping aan de linkerkant is niet van die aard, dat het de verdeling enorm beinvloedt.
Ook kan je dit afleiden uit de QQ Plot. Je gaat kijken of de punten op een rechte liggen of niet. De meeste punten liggen vrij dicht bij de rechte. Er is dus sprake van een normaalverdeling.

3. Fixed location
Je gaat na of er een constante factor is. De student bekijkt dit op de juiste manier, namelijk via de Run Sequence plot. Toch zien we, in tegenstelling tot wat de student zegt, op lange termijn een lichte daling. Wat dus tot gevolg heeft dat er geen constante factor is en dat er bijgevolg niet voldaan is aan deze assumptie.

4. Fixed variation
Deze assumptie wordt niet getest door de student. De variatie kan je afleiden uit de Run Sequence plot. Je ziet duidelijk dat het linkerdeel van de grafiek grotere schommelingen vertoont dan de rechterkant. Er is dus een verandering van de schommelingsmarges. Deze assumptie is dus niet voldaan.

Algemene conclusie: Het model is niet geldig omdat er niet voldaan is aan de 4 bovenstaande assumpties.
2008-11-03 20:27:46 [Steffi Van Isveldt] [reply] 
http://www.freestatistics.org/blog/index.php?v=date/2008/Nov/01/t12255515665j9whbwaj66jspq.htm/

Link met correcte berekening
2008-11-03 20:57:38 [Niels Herremans] [reply] 
Voor assumption 3 kan je ook gaan kijken naar de robustness van de central tendency. Maar het is hier inderdaad moeilijk te zien.

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

Tables (Output of Computation)





Summary of computational transaction
Raw Inputview raw input (R code)
Raw Outputview raw output of R engine
Computing time5 seconds
R Server'Herman Ole Andreas Wold' @ 193.190.124.10:1001

\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 & 5 seconds \tabularnewline
R Server & 'Herman Ole Andreas Wold' @ 193.190.124.10:1001 \tabularnewline
\hline
\end{tabular}
%Source: https://freestatistics.org/blog/index.php?pk=18695&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]5 seconds[/C][/ROW]
[ROW][C]R Server[/C][C]'Herman Ole Andreas Wold' @ 193.190.124.10:1001[/C][/ROW]
[/TABLE]
Source: https://freestatistics.org/blog/index.php?pk=18695&T=0

Globally Unique Identifier (entire table): ba.freestatistics.org/blog/index.php?pk=18695&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 time5 seconds
R Server'Herman Ole Andreas Wold' @ 193.190.124.10:1001






Descriptive Statistics
# observations61
minimum66.5
Q180.6
median87.3
mean86.8934426229508
Q394.1
maximum109.7

\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=18695&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=18695&T=1

Globally Unique Identifier (entire table): ba.freestatistics.org/blog/index.php?pk=18695&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:

Descriptive Statistics
# observations61
minimum66.5
Q180.6
median87.3
mean86.8934426229508
Q394.1
maximum109.7


Figures (Output of Computation)

Input Parameters & R Code

Parameters (Session):
par1 = 0 ; par2 = 0 ;
Parameters (R input):
par1 = 0 ; par2 = 0 ;
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')