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

Mon, 27 Oct 2008 15:36:23 -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/27/t1225143415cqefm2gnkyp04r5.htm/, Retrieved Tue, 28 May 2024 16:26:32 +0000

Statistical Computations at FreeStatistics.org, Office for Research Development and Education, URL https://freestatistics.org/blog/index.php?pk=19647, Retrieved Tue, 28 May 2024 16:26:32 +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

153

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

F     [Univariate Explorative Data Analysis] [Investigating dis...] [2007-10-22 19:45:25] [b9964c45117f7aac638ab9056d451faa]
-    D  [Univariate Explorative Data Analysis] [Q7 investigating ...] [2008-10-27 21:34:09] [3754dd41128068acfc463ebbabce5a9c]
F           [Univariate Explorative Data Analysis] [Q7 investigating ...] [2008-10-27 21:36:23] [02e7fb326979b65614900650d62c19a6] [Current]

Feedback Forum

2008-10-30 11:57:22 [Tamara Witters] [reply] 
 
Q10: Investigate seasonality in your time series. 
Je hebt een juiste oplossing gegeven maar voor echt zeker te zijn, kan je beter in je opties lags= 36 nemen. Ik heb dit even gechecked maar er is geen seizoenalisteit is je datareeks. 
2008-10-30 12:00:35 [Tamara Witters] [reply] 
 
Q7: Investigate the validity of the model: 
Your Time Series = constant + random component 
Deze vraag heb je fout opgelost, je hebt dezelfde fouten gemaakt als in task 1. 
Ik raad je aan even de opmerkingen na te lezen die ik gemaakt heb in de feedback bij task 1
2008-11-01 17:37:39 [Natascha Meeus] [reply] 
Deze vraag is hetzelfde als Q2 van task 1. Alleen moet deze met je eigen tijdreeksen gemaakt worden. We merken hier dezelfde fouten op als in Q2. Soms werden er de verkeerde grafieken gebruikt en dus ook de verkeerde conclusies gemaakt.
2008-11-03 11:30:31 [Astrid Sniekers] [reply] 
De student heeft de oefening niet helemaal correct uitgevoerd, maar hieronder vindt u hoe het wel zou moeten.  
 
Om de validiteit van een model na te gaan moeten de volgende 4 assumptie getest worden.  
 
- Assumptie 1 (are the data autocorrelated? (the model assumes no autocorrelation)) 
 
http://www.freestatistics.org/blog/date/2008/Nov/01/t1225547853wu7m5yipsgo86oh.htm  
Om autocorrelatie te kunnen aflezen, kijken we niet naar de Run Sequence Plot (eerste grafiek) zoals de student heeft gedaan. Wel kijken we naar de laatste twee grafieken, namelijk: de Lag plot en de Autocorrelation Function.  
 
De rechte lijn in de Lag plot-grafiek heeft een stijgend verloop. De puntenwolk ligt vrij dicht rond de lijn. Dit betekent dat de autocorrelatie redelijk positief is. Als de autocorrelatie nul was, betekent dit dat er geen autocorrelatie is en dat de tijdreeks random zou zijn.  
 
Als we bij het aantal lags (# lags) 36 ingeven, zien we op Autocorrelation Function-grafiek (de laatste grafiek) dat de autocorrelatie sterk positief is!  
 
 De tijdreeks heeft sterke positieve autocorrelatie en is niet random.  
 
- Assumptie 2 (is the random component generated by a fixed distribution? (the model assumes a fixed distribution)) 
 
http://www.freestatistics.org/blog/date/2008/Nov/01/t1225547853wu7m5yipsgo86oh.htm 
Aan de hand van de Histogram of x-grafiek kunnen we besluiten dat er een bijna normaalverdeling is.  
 
De Density Plot-grafiek is de afgevlakte versie van de Histogram of x-grafiek. We hebben geen enkele reden om te zeggen dat hier geen normaalverdeling zou zijn.  
 
 We hebben dus te maken met een gelijke spreiding. 
 
Op de Normal Q-Q Plot-grafiek zien we dat de punten bijna allemaal mooi op een rechte lijn liggen. Dit betekent dat we dicht bij een normale verdeling aanleunen.  
 
- Assumptie 3 (is the deterministic component constant? (the model assumes that the distribution has a fixed location)) 
http://www.freestatistics.org/blog/date/2008/Nov/01/t1225547853wu7m5yipsgo86oh.htm 
 
We kijken naar de Run Sequence Plot-grafiek. We kijken naar de lange termijn trend. Blijft het niveau constant? We zien een achteruitgang. Dit betekent dat het niveau niet constant blijft. Er is een dalende trend. 
 
- Assumptie 4 (does the random component have a fixed variation? (the model assumes a distribution with fixed variation)) 
http://www.freestatistics.org/blog/date/2008/Nov/01/t1225547853wu7m5yipsgo86oh.htm 
 
In de Run Sequence Plot-grafiek kunnen we zien dat er een vaste spreiding is.  
 
Yt = c + ct  
ct (random component): dit kunnen we niet voorspellen, omdat dit normaal verdeeld is. 
c (constante): dit kunnen we wel voorspellen. 
Ft = Yt - ct = c = de voorspelling 
 
We gaan het gemiddelde (15323.275) als constante gebruiken. In de R-code vervangen we x door x - 15323.275.  
 
http://www.freestatistics.org/blog/date/2008/Nov/01/t1225548604lcs3wwtudr96hsm.htm  
Het gemiddelde ligt nu rond nul.  
 
==> Besluit: het model is niet geldig, omdat niet aan alle validiteitvoorwaarden is voldaan.  

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	3 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 & 3 seconds \tabularnewline
R Server & 'George Udny Yule' @ 72.249.76.132 \tabularnewline
\hline
\end{tabular}
%Source: https://freestatistics.org/blog/index.php?pk=19647&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]3 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=19647&T=0

Globally Unique Identifier (entire table): ba.freestatistics.org/blog/index.php?pk=19647&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	3 seconds
R Server	'George Udny Yule' @ 72.249.76.132

Descriptive Statistics
# observations	60
minimum	10376.3
Q1	13324.6
median	15461.9
mean	15323.275
Q3	16962.05
maximum	20038.9

\begin{tabular}{lllllllll}
\hline
Descriptive Statistics \tabularnewline
# observations & 60 \tabularnewline
minimum & 10376.3 \tabularnewline
Q1 & 13324.6 \tabularnewline
median & 15461.9 \tabularnewline
mean & 15323.275 \tabularnewline
Q3 & 16962.05 \tabularnewline
maximum & 20038.9 \tabularnewline
\hline
\end{tabular}
%Source: https://freestatistics.org/blog/index.php?pk=19647&T=1

[TABLE]
[ROW][C]Descriptive Statistics[/C][/ROW]
[ROW][C]# observations[/C][C]60[/C][/ROW]
[ROW][C]minimum[/C][C]10376.3[/C][/ROW]
[ROW][C]Q1[/C][C]13324.6[/C][/ROW]
[ROW][C]median[/C][C]15461.9[/C][/ROW]
[ROW][C]mean[/C][C]15323.275[/C][/ROW]
[ROW][C]Q3[/C][C]16962.05[/C][/ROW]
[ROW][C]maximum[/C][C]20038.9[/C][/ROW]
[/TABLE]
Source: https://freestatistics.org/blog/index.php?pk=19647&T=1

Globally Unique Identifier (entire table): ba.freestatistics.org/blog/index.php?pk=19647&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	60
minimum	10376.3
Q1	13324.6
median	15461.9
mean	15323.275
Q3	16962.05
maximum	20038.9

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 = 12 ;

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