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_tukeylambda.wasp
Title produced by softwareTukey lambda PPCC Plot
Date of computationMon, 27 Oct 2008 14:24:22 -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/27/t1225139116x4bvlj2mkgsqx9m.htm/, Retrieved Sun, 19 May 2024 14:33:48 +0000
Statistical Computations at FreeStatistics.org, Office for Research Development and Education, URL https://freestatistics.org/blog/index.php?pk=19577, Retrieved Sun, 19 May 2024 14:33:48 +0000
QR Codes:

Original text written by user:
IsPrivate?No (this computation is public)
User-defined keywords
Estimated Impact125

Tree of Dependent Computations

Family? (F = Feedback message, R = changed R code, M = changed R Module, P = changed Parameters, D = changed Data)
F     [Tukey lambda PPCC Plot] [Investigating Dis...] [2007-10-21 16:01:20] [b9964c45117f7aac638ab9056d451faa]
F    D    [Tukey lambda PPCC Plot] [investigation dis...] [2008-10-27 20:24:22] [577b699a0819d2125728ba9ae2c57238] [Current]
Feedback Forum
2008-10-29 13:02:33 [Ken Van den Heuvel] [reply] 
Je stelt: : Hoe dichter de correlatie bij 1 is, hoe normaler de data verdeeld is.

Dit is niet correct geinterpreteerd.
Hoe dichter de correlatie bij 1 is, hoe beter het bijhorende model bij deze reeks zal passen...daarom zou het model met de grootste waarde (dichtste bij 1) ook het beste moeten zijn voor de reeks.

Ik wil er verder nog aan toevoegen dat de beste distributie niet altijd diegene zal zijn met de hoogste Tukey Lambda PPCC Plot waarde.
Wanneer bijvoorbeeld 2 distributiemodellen geschikt zijn voor een dataset maar de een vertoont toch een hogere waarde in de tabel, dan kan het toch interessanter zijn om het distributiemodel te kiezen met de lagere waarde omwille van de minder complexe aard van dit model.
Er kan ook een theoretische achtergrond zijn waarom een bepaalde distributie meer geschikt is dan een andere.
Soms is het zelfs niet van belang of het model optimaal gekozen is, maar dat het gewoon toepasbaar is op de dataset.
2008-11-02 11:58:55 [Ciska Tanghe] [reply] 
Bij deze dataset zien we de grootste correlatie bij lambda = 0,14, met als waarde 0.989505916159088. Hieruit volgt dat deze dataset een normale verdeling kent. De student heeft dit model verkeerd geïnterpreteerd. Het is niet zo dat de data normaler verdeeld zijn bij een correlatie van 1. Als de grootste correlatie bij 0,14 ligt, dan spreken we over een goed model voor deze dataset, wat hier dus het geval is.

Post a new message

Dataset

Dataseries X:
Download CSV
Histogram
Boxplots 
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 time1 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 & 1 seconds \tabularnewline
R Server & 'George Udny Yule' @ 72.249.76.132 \tabularnewline
\hline
\end{tabular}
%Source: https://freestatistics.org/blog/index.php?pk=19577&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]'George Udny Yule' @ 72.249.76.132[/C][/ROW]
[/TABLE]
Source: https://freestatistics.org/blog/index.php?pk=19577&T=0

Globally Unique Identifier (entire table): ba.freestatistics.org/blog/index.php?pk=19577&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'George Udny Yule' @ 72.249.76.132






Tukey Lambda - Key Values
Distribution (lambda)Correlation
Approx. Cauchy (lambda=-1)0.681034394717584
Exact Logistic (lambda=0)0.984820721672163
Approx. Normal (lambda=0.14)0.989505916159088
U-shaped (lambda=0.5)0.985385537255734
Exactly Uniform (lambda=1)0.97511352322751

\begin{tabular}{lllllllll}
\hline
Tukey Lambda - Key Values \tabularnewline
Distribution (lambda) & Correlation \tabularnewline
Approx. Cauchy (lambda=-1) & 0.681034394717584 \tabularnewline
Exact Logistic (lambda=0) & 0.984820721672163 \tabularnewline
Approx. Normal (lambda=0.14) & 0.989505916159088 \tabularnewline
U-shaped (lambda=0.5) & 0.985385537255734 \tabularnewline
Exactly Uniform (lambda=1) & 0.97511352322751 \tabularnewline
\hline
\end{tabular}
%Source: https://freestatistics.org/blog/index.php?pk=19577&T=1

[TABLE]
[ROW][C]Tukey Lambda - Key Values[/C][/ROW]
[ROW][C]Distribution (lambda)[/C][C]Correlation[/C][/ROW]
[ROW][C]Approx. Cauchy (lambda=-1)[/C][C]0.681034394717584[/C][/ROW]
[ROW][C]Exact Logistic (lambda=0)[/C][C]0.984820721672163[/C][/ROW]
[ROW][C]Approx. Normal (lambda=0.14)[/C][C]0.989505916159088[/C][/ROW]
[ROW][C]U-shaped (lambda=0.5)[/C][C]0.985385537255734[/C][/ROW]
[ROW][C]Exactly Uniform (lambda=1)[/C][C]0.97511352322751[/C][/ROW]
[/TABLE]
Source: https://freestatistics.org/blog/index.php?pk=19577&T=1

Globally Unique Identifier (entire table): ba.freestatistics.org/blog/index.php?pk=19577&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:

Tukey Lambda - Key Values
Distribution (lambda)Correlation
Approx. Cauchy (lambda=-1)0.681034394717584
Exact Logistic (lambda=0)0.984820721672163
Approx. Normal (lambda=0.14)0.989505916159088
U-shaped (lambda=0.5)0.985385537255734
Exactly Uniform (lambda=1)0.97511352322751


Figures (Output of Computation)

Input Parameters & R Code

Parameters (Session):
Parameters (R input):
R code (references can be found in the software module):
gp <- function(lambda, p)
{
(p^lambda-(1-p)^lambda)/lambda
}
sortx <- sort(x)
c <- array(NA,dim=c(201))
for (i in 1:201)
{
if (i != 101) c[i] <- cor(gp(ppoints(x), lambda=(i-101)/100),sortx)
}
bitmap(file='test1.png')
plot((-100:100)/100,c[1:201],xlab='lambda',ylab='correlation',main='PPCC Plot - Tukey lambda')
grid()
dev.off()
load(file='createtable')
a<-table.start()
a<-table.row.start(a)
a<-table.element(a,'Tukey Lambda - Key Values',2,TRUE)
a<-table.row.end(a)
a<-table.row.start(a)
a<-table.element(a,'Distribution (lambda)',1,TRUE)
a<-table.element(a,'Correlation',1,TRUE)
a<-table.row.end(a)
a<-table.row.start(a)
a<-table.element(a,'Approx. Cauchy (lambda=-1)',header=TRUE)
a<-table.element(a,c[1])
a<-table.row.end(a)
a<-table.row.start(a)
a<-table.element(a,'Exact Logistic (lambda=0)',header=TRUE)
a<-table.element(a,(c[100]+c[102])/2)
a<-table.row.end(a)
a<-table.row.start(a)
a<-table.element(a,'Approx. Normal (lambda=0.14)',header=TRUE)
a<-table.element(a,c[115])
a<-table.row.end(a)
a<-table.row.start(a)
a<-table.element(a,'U-shaped (lambda=0.5)',header=TRUE)
a<-table.element(a,c[151])
a<-table.row.end(a)
a<-table.row.start(a)
a<-table.element(a,'Exactly Uniform (lambda=1)',header=TRUE)
a<-table.element(a,c[201])
a<-table.row.end(a)
a<-table.end(a)
table.save(a,file='mytable.tab')