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_regression_trees1.wasp

Title produced by software

Recursive Partitioning (Regression Trees)

Date of computation

Fri, 10 Dec 2010 15:32:27 +0000

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/2010/Dec/10/t1291996423is6mzj8uprkao20.htm/, Retrieved Mon, 29 Apr 2024 10:28:38 +0000

Statistical Computations at FreeStatistics.org, Office for Research Development and Education, URL https://freestatistics.org/blog/index.php?pk=107787, Retrieved Mon, 29 Apr 2024 10:28:38 +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

115

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

-     [Recursive Partitioning (Regression Trees)] [] [2010-12-05 18:59:57] [b98453cac15ba1066b407e146608df68]
-   PD    [Recursive Partitioning (Regression Trees)] [] [2010-12-10 15:32:27] [558c060a42ec367ec2c020fab85c25c7] [Current]
-   P       [Recursive Partitioning (Regression Trees)] [] [2010-12-10 16:48:18] [39e83c7b0ac936e906a817a1bb402750] 
-   P         [Recursive Partitioning (Regression Trees)] [] [2010-12-10 17:49:01] [39e83c7b0ac936e906a817a1bb402750] 
-   PD          [Recursive Partitioning (Regression Trees)] [] [2010-12-21 12:59:30] [39e83c7b0ac936e906a817a1bb402750] 
-    D            [Recursive Partitioning (Regression Trees)] [] [2010-12-24 10:41:56] [39e83c7b0ac936e906a817a1bb402750] 
-   PD      [Recursive Partitioning (Regression Trees)] [] [2010-12-21 12:56:27] [39e83c7b0ac936e906a817a1bb402750] 
-    D        [Recursive Partitioning (Regression Trees)] [] [2010-12-24 10:35:54] [39e83c7b0ac936e906a817a1bb402750] 

Feedback Forum

Post a new message

Dataseries X:

Download CSV

Histogram

Boxplots

23	13	14	22	11	23	8	1	6	15
20	12	7	20	22	24	4	2	5	23
26	26	22	25	23	24	7	2	20	26
19	16	12	23	21	21	4	2	12	19
17	18	15	20	19	21	4	2	11	19
17	12	9	22	12	19	5	2	12	16
21	18	20	18	24	12	15	1	11	23
18	20	10	22	21	21	5	1	9	22
16	18	12	23	21	25	7	2	13	19
26	24	23	28	26	27	4	2	9	24
20	17	10	19	18	21	4	1	14	19
14	19	11	26	21	27	7	1	12	25
22	12	20	27	22	20	8	1	18	23
23	25	11	23	26	16	4	2	9	31
25	23	22	27	20	26	8	1	15	29
24	22	19	23	20	24	4	2	12	18
24	23	20	23	26	25	5	2	12	17
16	16	16	19	27	25	16	1	12	22
16	16	12	21	27	27	7	1	15	21
20	15	14	25	16	23	4	2	11	24
20	24	14	22	26	22	6	1	13	22
15	18	9	13	20	10	4	1	10	16
22	23	19	12	25	25	5	2	17	22
20	18	17	20	16	18	4	1	13	21
20	19	14	24	20	21	4	1	17	25
24	17	19	23	20	20	6	1	15	22
27	22	20	25	24	18	4	1	13	24
25	22	20	28	24	25	4	1	17	25
13	8	9	24	22	28	4	1	21	29
15	12	10	18	18	27	8	1	12	19
19	22	6	19	21	20	5	2	12	29
20	16	15	24	17	20	4	1	15	25
11	12	9	22	15	20	10	2	8	19
28	28	24	28	28	27	4	2	15	27
21	15	11	24	23	23	4	1	16	25
25	17	4	28	19	23	4	2	9	23
22	16	12	21	15	22	5	2	13	24
24	24	22	25	26	26	5	1	11	25
21	27	16	23	20	21	4	1	9	23
15	10	14	17	11	17	6	1	15	22
22	20	13	27	17	27	4	2	9	32
18	17	13	18	16	16	4	2	15	22
23	20	10	23	21	26	4	1	14	18
20	16	12	18	18	17	4	1	8	19
23	16	13	28	17	24	4	2	11	23
24	22	16	28	21	23	4	2	14	24
19	19	18	22	18	20	6	1	14	19
16	11	10	23	16	10	4	1	12	16
18	11	12	22	13	21	5	1	15	23
28	28	9	28	28	25	4	1	11	17
18	12	7	23	25	28	4	1	11	17
21	22	16	26	24	25	5	2	9	28
15	15	12	20	15	20	10	2	8	24
18	19	15	20	21	20	10	1	13	21
24	12	15	28	11	27	4	1	12	14
23	18	8	28	27	26	4	1	24	21
20	21	14	22	23	19	4	2	11	20
20	21	13	21	21	26	8	1	11	25
24	15	18	21	16	20	4	2	16	20
17	12	11	19	20	22	14	1	12	17
26	25	12	21	21	19	4	2	18	26
18	12	12	21	10	23	5	2	12	17
26	25	24	28	18	28	4	2	14	17
21	17	11	23	20	22	8	2	16	24
20	26	5	27	21	27	4	2	24	30
25	24	17	23	24	14	4	1	13	25
9	18	9	23	26	25	5	1	11	15
23	20	20	23	23	22	8	1	14	25
20	17	17	26	22	24	7	1	16	18
19	11	14	23	13	23	4	1	12	20
26	27	23	27	27	25	4	1	21	32
13	14	10	20	24	28	9	2	11	14
21	22	19	28	19	28	4	1	6	20
14	19	5	19	17	16	4	2	9	25
26	19	16	24	16	25	5	1	14	25
23	18	19	26	20	21	4	1	16	25
19	9	5	20	8	27	4	1	18	35
25	22	15	25	16	21	6	2	9	29
21	17	18	25	17	22	6	1	13	25
24	23	20	27	23	26	4	2	17	21
20	16	17	22	18	21	6	1	11	21
22	23	19	25	24	24	4	1	16	24
20	13	11	26	17	24	6	1	11	26
23	21	12	21	20	23	4	1	11	24
21	17	13	23	22	26	8	2	11	20
16	15	7	24	22	21	5	1	20	24
20	16	8	24	20	24	8	1	10	18
16	19	15	20	18	23	7	1	12	17
25	19	13	22	21	21	4	2	11	22
18	16	18	25	23	20	6	1	14	22
25	23	19	27	28	22	4	1	12	22
21	19	12	22	19	26	5	1	12	24
18	17	12	20	22	23	6	1	12	32
21	20	17	24	17	23	4	2	10	19
22	25	17	25	25	22	4	2	12	21
22	22	11	28	22	25	4	2	10	23
19	18	11	20	21	21	8	2	10	18
18	16	17	22	15	21	9	1	13	19
24	18	5	17	20	25	4	1	12	22
23	15	8	20	25	26	12	2	13	27
22	19	17	23	21	21	4	1	9	21
19	23	18	22	24	24	8	1	14	20
17	20	17	22	23	21	8	2	14	21
22	24	17	23	22	23	4	1	12	20
24	17	10	25	14	24	4	1	18	29
24	20	8	28	11	24	4	1	17	30
20	11	9	24	22	24	15	1	12	10
19	20	13	25	22	25	3	1	15	23
19	8	14	25	6	28	8	1	8	29
20	22	5	21	15	18	4	2	8	19
22	20	16	25	26	28	5	1	12	26
25	23	22	23	26	22	4	1	10	22
21	11	15	20	20	28	3	1	18	26
21	22	14	26	26	22	11	1	15	27
18	10	8	21	15	24	6	1	16	19
17	19	10	24	25	27	4	2	11	24
25	26	18	24	22	21	5	2	10	26
23	22	18	25	20	26	4	2	7	22
15	12	9	20	18	24	16	1	17	23
22	13	15	25	23	25	8	1	7	25
20	19	9	11	22	20	4	2	14	19
23	19	15	24	23	21	4	1	12	20
26	21	21	23	17	23	4	1	15	25
16	11	9	24	20	23	5	1	13	14
22	21	16	24	21	19	8	2	10	19
22	25	15	26	23	22	4	1	16	27
25	27	10	27	25	15	4	2	11	21
14	21	4	21	25	24	4	2	7	21
18	14	12	20	21	18	8	2	15	14
16	16	14	18	22	18	8	1	18	21
22	16	14	23	18	23	4	1	11	23
17	19	18	20	18	17	18	1	13	18
27	24	19	24	18	19	4	2	11	20
21	18	16	20	21	21	5	2	13	19
15	16	7	21	21	12	4	2	12	15
24	20	12	28	25	25	4	2	11	23
22	19	18	24	24	25	4	1	11	26
16	20	13	25	24	24	7	1	13	21
25	27	21	23	28	24	4	2	8	13
24	24	24	24	24	24	6	2	12	24
23	23	17	22	22	22	4	2	9	17
20	20	12	25	22	22	4	1	14	21
18	20	12	20	20	21	6	1	18	28
22	20	10	24	25	23	5	1	15	22
18	15	14	19	13	21	4	1	9	18
20	17	14	25	21	24	8	1	11	27
22	16	13	25	23	22	6	1	17	25
23	20	17	26	18	25	5	2	12	21

Summary of computational transaction
Raw Input	view raw input (R code)
Raw Output	view raw output of R engine
Computing time	7 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 & 7 seconds \tabularnewline
R Server & 'George Udny Yule' @ 72.249.76.132 \tabularnewline
\hline
\end{tabular}
%Source: https://freestatistics.org/blog/index.php?pk=107787&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]7 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=107787&T=0

Globally Unique Identifier (entire table): ba.freestatistics.org/blog/index.php?pk=107787&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	7 seconds
R Server	'George Udny Yule' @ 72.249.76.132

Goodness of Fit
Correlation	0.5401
R-squared	0.2917
RMSE	3.6098

\begin{tabular}{lllllllll}
\hline
Goodness of Fit \tabularnewline
Correlation & 0.5401 \tabularnewline
R-squared & 0.2917 \tabularnewline
RMSE & 3.6098 \tabularnewline
\hline
\end{tabular}
%Source: https://freestatistics.org/blog/index.php?pk=107787&T=1

[TABLE]
[ROW][C]Goodness of Fit[/C][/ROW]
[ROW][C]Correlation[/C][C]0.5401[/C][/ROW]
[ROW][C]R-squared[/C][C]0.2917[/C][/ROW]
[ROW][C]RMSE[/C][C]3.6098[/C][/ROW]
[/TABLE]
Source: https://freestatistics.org/blog/index.php?pk=107787&T=1

Globally Unique Identifier (entire table): ba.freestatistics.org/blog/index.php?pk=107787&T=1

As an alternative you can also use a QR Code:

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

Goodness of Fit
Correlation	0.5401
R-squared	0.2917
RMSE	3.6098

Actuals, Predictions, and Residuals
#	Actuals	Forecasts	Residuals
1	11	16.25	-5.25
2	22	16.25	5.75
3	23	23.9666666666667	-0.966666666666665
4	21	20.4361702127660	0.563829787234042
5	19	20.4361702127660	-1.43617021276596
6	12	16.25	-4.25
7	24	20.4361702127660	3.56382978723404
8	21	20.4361702127660	0.563829787234042
9	21	20.4361702127660	0.563829787234042
10	26	23.9666666666667	2.03333333333333
11	18	20.4361702127660	-2.43617021276596
12	21	20.4361702127660	0.563829787234042
13	22	16.25	5.75
14	26	23.9666666666667	2.03333333333333
15	20	23.9666666666667	-3.96666666666667
16	20	20.4361702127660	-0.436170212765958
17	26	23.9666666666667	2.03333333333333
18	27	20.4361702127660	6.56382978723404
19	27	20.4361702127660	6.56382978723404
20	16	20.4361702127660	-4.43617021276596
21	26	23.9666666666667	2.03333333333333
22	20	20.4361702127660	-0.436170212765958
23	25	23.9666666666667	1.03333333333333
24	16	20.4361702127660	-4.43617021276596
25	20	20.4361702127660	-0.436170212765958
26	20	20.4361702127660	-0.436170212765958
27	24	20.4361702127660	3.56382978723404
28	24	20.4361702127660	3.56382978723404
29	22	16.25	5.75
30	18	16.25	1.75
31	21	20.4361702127660	0.563829787234042
32	17	20.4361702127660	-3.43617021276596
33	15	16.25	-1.25
34	28	23.9666666666667	4.03333333333333
35	23	20.4361702127660	2.56382978723404
36	19	20.4361702127660	-1.43617021276596
37	15	20.4361702127660	-5.43617021276596
38	26	23.9666666666667	2.03333333333333
39	20	23.9666666666667	-3.96666666666667
40	11	16.25	-5.25
41	17	20.4361702127660	-3.43617021276596
42	16	20.4361702127660	-4.43617021276596
43	21	20.4361702127660	0.563829787234042
44	18	20.4361702127660	-2.43617021276596
45	17	20.4361702127660	-3.43617021276596
46	21	20.4361702127660	0.563829787234042
47	18	20.4361702127660	-2.43617021276596
48	16	16.25	-0.25
49	13	16.25	-3.25
50	28	23.9666666666667	4.03333333333333
51	25	16.25	8.75
52	24	20.4361702127660	3.56382978723404
53	15	20.4361702127660	-5.43617021276596
54	21	20.4361702127660	0.563829787234042
55	11	16.25	-5.25
56	27	20.4361702127660	6.56382978723404
57	23	20.4361702127660	2.56382978723404
58	21	20.4361702127660	0.563829787234042
59	16	20.4361702127660	-4.43617021276596
60	20	16.25	3.75
61	21	23.9666666666667	-2.96666666666667
62	10	16.25	-6.25
63	18	23.9666666666667	-5.96666666666667
64	20	20.4361702127660	-0.436170212765958
65	21	23.9666666666667	-2.96666666666667
66	24	23.9666666666667	0.033333333333335
67	26	20.4361702127660	5.56382978723404
68	23	20.4361702127660	2.56382978723404
69	22	20.4361702127660	1.56382978723404
70	13	16.25	-3.25
71	27	23.9666666666667	3.03333333333333
72	24	20.4361702127660	3.56382978723404
73	19	20.4361702127660	-1.43617021276596
74	17	20.4361702127660	-3.43617021276596
75	16	20.4361702127660	-4.43617021276596
76	20	20.4361702127660	-0.436170212765958
77	8	16.25	-8.25
78	16	20.4361702127660	-4.43617021276596
79	17	20.4361702127660	-3.43617021276596
80	23	23.9666666666667	-0.966666666666665
81	18	20.4361702127660	-2.43617021276596
82	24	23.9666666666667	0.033333333333335
83	17	16.25	0.75
84	20	20.4361702127660	-0.436170212765958
85	22	20.4361702127660	1.56382978723404
86	22	20.4361702127660	1.56382978723404
87	20	20.4361702127660	-0.436170212765958
88	18	20.4361702127660	-2.43617021276596
89	21	20.4361702127660	0.563829787234042
90	23	20.4361702127660	2.56382978723404
91	28	23.9666666666667	4.03333333333333
92	19	20.4361702127660	-1.43617021276596
93	22	20.4361702127660	1.56382978723404
94	17	20.4361702127660	-3.43617021276596
95	25	23.9666666666667	1.03333333333333
96	22	20.4361702127660	1.56382978723404
97	21	20.4361702127660	0.563829787234042
98	15	20.4361702127660	-5.43617021276596
99	20	20.4361702127660	-0.436170212765958
100	25	20.4361702127660	4.56382978723404
101	21	20.4361702127660	0.563829787234042
102	24	23.9666666666667	0.033333333333335
103	23	20.4361702127660	2.56382978723404
104	22	23.9666666666667	-1.96666666666667
105	14	20.4361702127660	-6.43617021276596
106	11	20.4361702127660	-9.43617021276596
107	22	16.25	5.75
108	22	20.4361702127660	1.56382978723404
109	6	16.25	-10.25
110	15	20.4361702127660	-5.43617021276596
111	26	20.4361702127660	5.56382978723404
112	26	23.9666666666667	2.03333333333333
113	20	16.25	3.75
114	26	20.4361702127660	5.56382978723404
115	15	16.25	-1.25
116	25	20.4361702127660	4.56382978723404
117	22	23.9666666666667	-1.96666666666667
118	20	20.4361702127660	-0.436170212765958
119	18	16.25	1.75
120	23	16.25	6.75
121	22	20.4361702127660	1.56382978723404
122	23	20.4361702127660	2.56382978723404
123	17	20.4361702127660	-3.43617021276596
124	20	16.25	3.75
125	21	20.4361702127660	0.563829787234042
126	23	23.9666666666667	-0.966666666666665
127	25	23.9666666666667	1.03333333333333
128	25	20.4361702127660	4.56382978723404
129	21	20.4361702127660	0.563829787234042
130	22	20.4361702127660	1.56382978723404
131	18	20.4361702127660	-2.43617021276596
132	18	20.4361702127660	-2.43617021276596
133	18	23.9666666666667	-5.96666666666667
134	21	20.4361702127660	0.563829787234042
135	21	20.4361702127660	0.563829787234042
136	25	20.4361702127660	4.56382978723404
137	24	20.4361702127660	3.56382978723404
138	24	20.4361702127660	3.56382978723404
139	28	23.9666666666667	4.03333333333333
140	24	23.9666666666667	0.033333333333335
141	22	23.9666666666667	-1.96666666666667
142	22	20.4361702127660	1.56382978723404
143	20	20.4361702127660	-0.436170212765958
144	25	20.4361702127660	4.56382978723404
145	13	20.4361702127660	-7.43617021276596
146	21	20.4361702127660	0.563829787234042
147	23	20.4361702127660	2.56382978723404
148	18	20.4361702127660	-2.43617021276596

\begin{tabular}{lllllllll}
\hline
Actuals, Predictions, and Residuals \tabularnewline
# & Actuals & Forecasts & Residuals \tabularnewline
1 & 11 & 16.25 & -5.25 \tabularnewline
2 & 22 & 16.25 & 5.75 \tabularnewline
3 & 23 & 23.9666666666667 & -0.966666666666665 \tabularnewline
4 & 21 & 20.4361702127660 & 0.563829787234042 \tabularnewline
5 & 19 & 20.4361702127660 & -1.43617021276596 \tabularnewline
6 & 12 & 16.25 & -4.25 \tabularnewline
7 & 24 & 20.4361702127660 & 3.56382978723404 \tabularnewline
8 & 21 & 20.4361702127660 & 0.563829787234042 \tabularnewline
9 & 21 & 20.4361702127660 & 0.563829787234042 \tabularnewline
10 & 26 & 23.9666666666667 & 2.03333333333333 \tabularnewline
11 & 18 & 20.4361702127660 & -2.43617021276596 \tabularnewline
12 & 21 & 20.4361702127660 & 0.563829787234042 \tabularnewline
13 & 22 & 16.25 & 5.75 \tabularnewline
14 & 26 & 23.9666666666667 & 2.03333333333333 \tabularnewline
15 & 20 & 23.9666666666667 & -3.96666666666667 \tabularnewline
16 & 20 & 20.4361702127660 & -0.436170212765958 \tabularnewline
17 & 26 & 23.9666666666667 & 2.03333333333333 \tabularnewline
18 & 27 & 20.4361702127660 & 6.56382978723404 \tabularnewline
19 & 27 & 20.4361702127660 & 6.56382978723404 \tabularnewline
20 & 16 & 20.4361702127660 & -4.43617021276596 \tabularnewline
21 & 26 & 23.9666666666667 & 2.03333333333333 \tabularnewline
22 & 20 & 20.4361702127660 & -0.436170212765958 \tabularnewline
23 & 25 & 23.9666666666667 & 1.03333333333333 \tabularnewline
24 & 16 & 20.4361702127660 & -4.43617021276596 \tabularnewline
25 & 20 & 20.4361702127660 & -0.436170212765958 \tabularnewline
26 & 20 & 20.4361702127660 & -0.436170212765958 \tabularnewline
27 & 24 & 20.4361702127660 & 3.56382978723404 \tabularnewline
28 & 24 & 20.4361702127660 & 3.56382978723404 \tabularnewline
29 & 22 & 16.25 & 5.75 \tabularnewline
30 & 18 & 16.25 & 1.75 \tabularnewline
31 & 21 & 20.4361702127660 & 0.563829787234042 \tabularnewline
32 & 17 & 20.4361702127660 & -3.43617021276596 \tabularnewline
33 & 15 & 16.25 & -1.25 \tabularnewline
34 & 28 & 23.9666666666667 & 4.03333333333333 \tabularnewline
35 & 23 & 20.4361702127660 & 2.56382978723404 \tabularnewline
36 & 19 & 20.4361702127660 & -1.43617021276596 \tabularnewline
37 & 15 & 20.4361702127660 & -5.43617021276596 \tabularnewline
38 & 26 & 23.9666666666667 & 2.03333333333333 \tabularnewline
39 & 20 & 23.9666666666667 & -3.96666666666667 \tabularnewline
40 & 11 & 16.25 & -5.25 \tabularnewline
41 & 17 & 20.4361702127660 & -3.43617021276596 \tabularnewline
42 & 16 & 20.4361702127660 & -4.43617021276596 \tabularnewline
43 & 21 & 20.4361702127660 & 0.563829787234042 \tabularnewline
44 & 18 & 20.4361702127660 & -2.43617021276596 \tabularnewline
45 & 17 & 20.4361702127660 & -3.43617021276596 \tabularnewline
46 & 21 & 20.4361702127660 & 0.563829787234042 \tabularnewline
47 & 18 & 20.4361702127660 & -2.43617021276596 \tabularnewline
48 & 16 & 16.25 & -0.25 \tabularnewline
49 & 13 & 16.25 & -3.25 \tabularnewline
50 & 28 & 23.9666666666667 & 4.03333333333333 \tabularnewline
51 & 25 & 16.25 & 8.75 \tabularnewline
52 & 24 & 20.4361702127660 & 3.56382978723404 \tabularnewline
53 & 15 & 20.4361702127660 & -5.43617021276596 \tabularnewline
54 & 21 & 20.4361702127660 & 0.563829787234042 \tabularnewline
55 & 11 & 16.25 & -5.25 \tabularnewline
56 & 27 & 20.4361702127660 & 6.56382978723404 \tabularnewline
57 & 23 & 20.4361702127660 & 2.56382978723404 \tabularnewline
58 & 21 & 20.4361702127660 & 0.563829787234042 \tabularnewline
59 & 16 & 20.4361702127660 & -4.43617021276596 \tabularnewline
60 & 20 & 16.25 & 3.75 \tabularnewline
61 & 21 & 23.9666666666667 & -2.96666666666667 \tabularnewline
62 & 10 & 16.25 & -6.25 \tabularnewline
63 & 18 & 23.9666666666667 & -5.96666666666667 \tabularnewline
64 & 20 & 20.4361702127660 & -0.436170212765958 \tabularnewline
65 & 21 & 23.9666666666667 & -2.96666666666667 \tabularnewline
66 & 24 & 23.9666666666667 & 0.033333333333335 \tabularnewline
67 & 26 & 20.4361702127660 & 5.56382978723404 \tabularnewline
68 & 23 & 20.4361702127660 & 2.56382978723404 \tabularnewline
69 & 22 & 20.4361702127660 & 1.56382978723404 \tabularnewline
70 & 13 & 16.25 & -3.25 \tabularnewline
71 & 27 & 23.9666666666667 & 3.03333333333333 \tabularnewline
72 & 24 & 20.4361702127660 & 3.56382978723404 \tabularnewline
73 & 19 & 20.4361702127660 & -1.43617021276596 \tabularnewline
74 & 17 & 20.4361702127660 & -3.43617021276596 \tabularnewline
75 & 16 & 20.4361702127660 & -4.43617021276596 \tabularnewline
76 & 20 & 20.4361702127660 & -0.436170212765958 \tabularnewline
77 & 8 & 16.25 & -8.25 \tabularnewline
78 & 16 & 20.4361702127660 & -4.43617021276596 \tabularnewline
79 & 17 & 20.4361702127660 & -3.43617021276596 \tabularnewline
80 & 23 & 23.9666666666667 & -0.966666666666665 \tabularnewline
81 & 18 & 20.4361702127660 & -2.43617021276596 \tabularnewline
82 & 24 & 23.9666666666667 & 0.033333333333335 \tabularnewline
83 & 17 & 16.25 & 0.75 \tabularnewline
84 & 20 & 20.4361702127660 & -0.436170212765958 \tabularnewline
85 & 22 & 20.4361702127660 & 1.56382978723404 \tabularnewline
86 & 22 & 20.4361702127660 & 1.56382978723404 \tabularnewline
87 & 20 & 20.4361702127660 & -0.436170212765958 \tabularnewline
88 & 18 & 20.4361702127660 & -2.43617021276596 \tabularnewline
89 & 21 & 20.4361702127660 & 0.563829787234042 \tabularnewline
90 & 23 & 20.4361702127660 & 2.56382978723404 \tabularnewline
91 & 28 & 23.9666666666667 & 4.03333333333333 \tabularnewline
92 & 19 & 20.4361702127660 & -1.43617021276596 \tabularnewline
93 & 22 & 20.4361702127660 & 1.56382978723404 \tabularnewline
94 & 17 & 20.4361702127660 & -3.43617021276596 \tabularnewline
95 & 25 & 23.9666666666667 & 1.03333333333333 \tabularnewline
96 & 22 & 20.4361702127660 & 1.56382978723404 \tabularnewline
97 & 21 & 20.4361702127660 & 0.563829787234042 \tabularnewline
98 & 15 & 20.4361702127660 & -5.43617021276596 \tabularnewline
99 & 20 & 20.4361702127660 & -0.436170212765958 \tabularnewline
100 & 25 & 20.4361702127660 & 4.56382978723404 \tabularnewline
101 & 21 & 20.4361702127660 & 0.563829787234042 \tabularnewline
102 & 24 & 23.9666666666667 & 0.033333333333335 \tabularnewline
103 & 23 & 20.4361702127660 & 2.56382978723404 \tabularnewline
104 & 22 & 23.9666666666667 & -1.96666666666667 \tabularnewline
105 & 14 & 20.4361702127660 & -6.43617021276596 \tabularnewline
106 & 11 & 20.4361702127660 & -9.43617021276596 \tabularnewline
107 & 22 & 16.25 & 5.75 \tabularnewline
108 & 22 & 20.4361702127660 & 1.56382978723404 \tabularnewline
109 & 6 & 16.25 & -10.25 \tabularnewline
110 & 15 & 20.4361702127660 & -5.43617021276596 \tabularnewline
111 & 26 & 20.4361702127660 & 5.56382978723404 \tabularnewline
112 & 26 & 23.9666666666667 & 2.03333333333333 \tabularnewline
113 & 20 & 16.25 & 3.75 \tabularnewline
114 & 26 & 20.4361702127660 & 5.56382978723404 \tabularnewline
115 & 15 & 16.25 & -1.25 \tabularnewline
116 & 25 & 20.4361702127660 & 4.56382978723404 \tabularnewline
117 & 22 & 23.9666666666667 & -1.96666666666667 \tabularnewline
118 & 20 & 20.4361702127660 & -0.436170212765958 \tabularnewline
119 & 18 & 16.25 & 1.75 \tabularnewline
120 & 23 & 16.25 & 6.75 \tabularnewline
121 & 22 & 20.4361702127660 & 1.56382978723404 \tabularnewline
122 & 23 & 20.4361702127660 & 2.56382978723404 \tabularnewline
123 & 17 & 20.4361702127660 & -3.43617021276596 \tabularnewline
124 & 20 & 16.25 & 3.75 \tabularnewline
125 & 21 & 20.4361702127660 & 0.563829787234042 \tabularnewline
126 & 23 & 23.9666666666667 & -0.966666666666665 \tabularnewline
127 & 25 & 23.9666666666667 & 1.03333333333333 \tabularnewline
128 & 25 & 20.4361702127660 & 4.56382978723404 \tabularnewline
129 & 21 & 20.4361702127660 & 0.563829787234042 \tabularnewline
130 & 22 & 20.4361702127660 & 1.56382978723404 \tabularnewline
131 & 18 & 20.4361702127660 & -2.43617021276596 \tabularnewline
132 & 18 & 20.4361702127660 & -2.43617021276596 \tabularnewline
133 & 18 & 23.9666666666667 & -5.96666666666667 \tabularnewline
134 & 21 & 20.4361702127660 & 0.563829787234042 \tabularnewline
135 & 21 & 20.4361702127660 & 0.563829787234042 \tabularnewline
136 & 25 & 20.4361702127660 & 4.56382978723404 \tabularnewline
137 & 24 & 20.4361702127660 & 3.56382978723404 \tabularnewline
138 & 24 & 20.4361702127660 & 3.56382978723404 \tabularnewline
139 & 28 & 23.9666666666667 & 4.03333333333333 \tabularnewline
140 & 24 & 23.9666666666667 & 0.033333333333335 \tabularnewline
141 & 22 & 23.9666666666667 & -1.96666666666667 \tabularnewline
142 & 22 & 20.4361702127660 & 1.56382978723404 \tabularnewline
143 & 20 & 20.4361702127660 & -0.436170212765958 \tabularnewline
144 & 25 & 20.4361702127660 & 4.56382978723404 \tabularnewline
145 & 13 & 20.4361702127660 & -7.43617021276596 \tabularnewline
146 & 21 & 20.4361702127660 & 0.563829787234042 \tabularnewline
147 & 23 & 20.4361702127660 & 2.56382978723404 \tabularnewline
148 & 18 & 20.4361702127660 & -2.43617021276596 \tabularnewline
\hline
\end{tabular}
%Source: https://freestatistics.org/blog/index.php?pk=107787&T=2

[TABLE]
[ROW][C]Actuals, Predictions, and Residuals[/C][/ROW]
[ROW][C]#[/C][C]Actuals[/C][C]Forecasts[/C][C]Residuals[/C][/ROW]
[ROW][C]1[/C][C]11[/C][C]16.25[/C][C]-5.25[/C][/ROW]
[ROW][C]2[/C][C]22[/C][C]16.25[/C][C]5.75[/C][/ROW]
[ROW][C]3[/C][C]23[/C][C]23.9666666666667[/C][C]-0.966666666666665[/C][/ROW]
[ROW][C]4[/C][C]21[/C][C]20.4361702127660[/C][C]0.563829787234042[/C][/ROW]
[ROW][C]5[/C][C]19[/C][C]20.4361702127660[/C][C]-1.43617021276596[/C][/ROW]
[ROW][C]6[/C][C]12[/C][C]16.25[/C][C]-4.25[/C][/ROW]
[ROW][C]7[/C][C]24[/C][C]20.4361702127660[/C][C]3.56382978723404[/C][/ROW]
[ROW][C]8[/C][C]21[/C][C]20.4361702127660[/C][C]0.563829787234042[/C][/ROW]
[ROW][C]9[/C][C]21[/C][C]20.4361702127660[/C][C]0.563829787234042[/C][/ROW]
[ROW][C]10[/C][C]26[/C][C]23.9666666666667[/C][C]2.03333333333333[/C][/ROW]
[ROW][C]11[/C][C]18[/C][C]20.4361702127660[/C][C]-2.43617021276596[/C][/ROW]
[ROW][C]12[/C][C]21[/C][C]20.4361702127660[/C][C]0.563829787234042[/C][/ROW]
[ROW][C]13[/C][C]22[/C][C]16.25[/C][C]5.75[/C][/ROW]
[ROW][C]14[/C][C]26[/C][C]23.9666666666667[/C][C]2.03333333333333[/C][/ROW]
[ROW][C]15[/C][C]20[/C][C]23.9666666666667[/C][C]-3.96666666666667[/C][/ROW]
[ROW][C]16[/C][C]20[/C][C]20.4361702127660[/C][C]-0.436170212765958[/C][/ROW]
[ROW][C]17[/C][C]26[/C][C]23.9666666666667[/C][C]2.03333333333333[/C][/ROW]
[ROW][C]18[/C][C]27[/C][C]20.4361702127660[/C][C]6.56382978723404[/C][/ROW]
[ROW][C]19[/C][C]27[/C][C]20.4361702127660[/C][C]6.56382978723404[/C][/ROW]
[ROW][C]20[/C][C]16[/C][C]20.4361702127660[/C][C]-4.43617021276596[/C][/ROW]
[ROW][C]21[/C][C]26[/C][C]23.9666666666667[/C][C]2.03333333333333[/C][/ROW]
[ROW][C]22[/C][C]20[/C][C]20.4361702127660[/C][C]-0.436170212765958[/C][/ROW]
[ROW][C]23[/C][C]25[/C][C]23.9666666666667[/C][C]1.03333333333333[/C][/ROW]
[ROW][C]24[/C][C]16[/C][C]20.4361702127660[/C][C]-4.43617021276596[/C][/ROW]
[ROW][C]25[/C][C]20[/C][C]20.4361702127660[/C][C]-0.436170212765958[/C][/ROW]
[ROW][C]26[/C][C]20[/C][C]20.4361702127660[/C][C]-0.436170212765958[/C][/ROW]
[ROW][C]27[/C][C]24[/C][C]20.4361702127660[/C][C]3.56382978723404[/C][/ROW]
[ROW][C]28[/C][C]24[/C][C]20.4361702127660[/C][C]3.56382978723404[/C][/ROW]
[ROW][C]29[/C][C]22[/C][C]16.25[/C][C]5.75[/C][/ROW]
[ROW][C]30[/C][C]18[/C][C]16.25[/C][C]1.75[/C][/ROW]
[ROW][C]31[/C][C]21[/C][C]20.4361702127660[/C][C]0.563829787234042[/C][/ROW]
[ROW][C]32[/C][C]17[/C][C]20.4361702127660[/C][C]-3.43617021276596[/C][/ROW]
[ROW][C]33[/C][C]15[/C][C]16.25[/C][C]-1.25[/C][/ROW]
[ROW][C]34[/C][C]28[/C][C]23.9666666666667[/C][C]4.03333333333333[/C][/ROW]
[ROW][C]35[/C][C]23[/C][C]20.4361702127660[/C][C]2.56382978723404[/C][/ROW]
[ROW][C]36[/C][C]19[/C][C]20.4361702127660[/C][C]-1.43617021276596[/C][/ROW]
[ROW][C]37[/C][C]15[/C][C]20.4361702127660[/C][C]-5.43617021276596[/C][/ROW]
[ROW][C]38[/C][C]26[/C][C]23.9666666666667[/C][C]2.03333333333333[/C][/ROW]
[ROW][C]39[/C][C]20[/C][C]23.9666666666667[/C][C]-3.96666666666667[/C][/ROW]
[ROW][C]40[/C][C]11[/C][C]16.25[/C][C]-5.25[/C][/ROW]
[ROW][C]41[/C][C]17[/C][C]20.4361702127660[/C][C]-3.43617021276596[/C][/ROW]
[ROW][C]42[/C][C]16[/C][C]20.4361702127660[/C][C]-4.43617021276596[/C][/ROW]
[ROW][C]43[/C][C]21[/C][C]20.4361702127660[/C][C]0.563829787234042[/C][/ROW]
[ROW][C]44[/C][C]18[/C][C]20.4361702127660[/C][C]-2.43617021276596[/C][/ROW]
[ROW][C]45[/C][C]17[/C][C]20.4361702127660[/C][C]-3.43617021276596[/C][/ROW]
[ROW][C]46[/C][C]21[/C][C]20.4361702127660[/C][C]0.563829787234042[/C][/ROW]
[ROW][C]47[/C][C]18[/C][C]20.4361702127660[/C][C]-2.43617021276596[/C][/ROW]
[ROW][C]48[/C][C]16[/C][C]16.25[/C][C]-0.25[/C][/ROW]
[ROW][C]49[/C][C]13[/C][C]16.25[/C][C]-3.25[/C][/ROW]
[ROW][C]50[/C][C]28[/C][C]23.9666666666667[/C][C]4.03333333333333[/C][/ROW]
[ROW][C]51[/C][C]25[/C][C]16.25[/C][C]8.75[/C][/ROW]
[ROW][C]52[/C][C]24[/C][C]20.4361702127660[/C][C]3.56382978723404[/C][/ROW]
[ROW][C]53[/C][C]15[/C][C]20.4361702127660[/C][C]-5.43617021276596[/C][/ROW]
[ROW][C]54[/C][C]21[/C][C]20.4361702127660[/C][C]0.563829787234042[/C][/ROW]
[ROW][C]55[/C][C]11[/C][C]16.25[/C][C]-5.25[/C][/ROW]
[ROW][C]56[/C][C]27[/C][C]20.4361702127660[/C][C]6.56382978723404[/C][/ROW]
[ROW][C]57[/C][C]23[/C][C]20.4361702127660[/C][C]2.56382978723404[/C][/ROW]
[ROW][C]58[/C][C]21[/C][C]20.4361702127660[/C][C]0.563829787234042[/C][/ROW]
[ROW][C]59[/C][C]16[/C][C]20.4361702127660[/C][C]-4.43617021276596[/C][/ROW]
[ROW][C]60[/C][C]20[/C][C]16.25[/C][C]3.75[/C][/ROW]
[ROW][C]61[/C][C]21[/C][C]23.9666666666667[/C][C]-2.96666666666667[/C][/ROW]
[ROW][C]62[/C][C]10[/C][C]16.25[/C][C]-6.25[/C][/ROW]
[ROW][C]63[/C][C]18[/C][C]23.9666666666667[/C][C]-5.96666666666667[/C][/ROW]
[ROW][C]64[/C][C]20[/C][C]20.4361702127660[/C][C]-0.436170212765958[/C][/ROW]
[ROW][C]65[/C][C]21[/C][C]23.9666666666667[/C][C]-2.96666666666667[/C][/ROW]
[ROW][C]66[/C][C]24[/C][C]23.9666666666667[/C][C]0.033333333333335[/C][/ROW]
[ROW][C]67[/C][C]26[/C][C]20.4361702127660[/C][C]5.56382978723404[/C][/ROW]
[ROW][C]68[/C][C]23[/C][C]20.4361702127660[/C][C]2.56382978723404[/C][/ROW]
[ROW][C]69[/C][C]22[/C][C]20.4361702127660[/C][C]1.56382978723404[/C][/ROW]
[ROW][C]70[/C][C]13[/C][C]16.25[/C][C]-3.25[/C][/ROW]
[ROW][C]71[/C][C]27[/C][C]23.9666666666667[/C][C]3.03333333333333[/C][/ROW]
[ROW][C]72[/C][C]24[/C][C]20.4361702127660[/C][C]3.56382978723404[/C][/ROW]
[ROW][C]73[/C][C]19[/C][C]20.4361702127660[/C][C]-1.43617021276596[/C][/ROW]
[ROW][C]74[/C][C]17[/C][C]20.4361702127660[/C][C]-3.43617021276596[/C][/ROW]
[ROW][C]75[/C][C]16[/C][C]20.4361702127660[/C][C]-4.43617021276596[/C][/ROW]
[ROW][C]76[/C][C]20[/C][C]20.4361702127660[/C][C]-0.436170212765958[/C][/ROW]
[ROW][C]77[/C][C]8[/C][C]16.25[/C][C]-8.25[/C][/ROW]
[ROW][C]78[/C][C]16[/C][C]20.4361702127660[/C][C]-4.43617021276596[/C][/ROW]
[ROW][C]79[/C][C]17[/C][C]20.4361702127660[/C][C]-3.43617021276596[/C][/ROW]
[ROW][C]80[/C][C]23[/C][C]23.9666666666667[/C][C]-0.966666666666665[/C][/ROW]
[ROW][C]81[/C][C]18[/C][C]20.4361702127660[/C][C]-2.43617021276596[/C][/ROW]
[ROW][C]82[/C][C]24[/C][C]23.9666666666667[/C][C]0.033333333333335[/C][/ROW]
[ROW][C]83[/C][C]17[/C][C]16.25[/C][C]0.75[/C][/ROW]
[ROW][C]84[/C][C]20[/C][C]20.4361702127660[/C][C]-0.436170212765958[/C][/ROW]
[ROW][C]85[/C][C]22[/C][C]20.4361702127660[/C][C]1.56382978723404[/C][/ROW]
[ROW][C]86[/C][C]22[/C][C]20.4361702127660[/C][C]1.56382978723404[/C][/ROW]
[ROW][C]87[/C][C]20[/C][C]20.4361702127660[/C][C]-0.436170212765958[/C][/ROW]
[ROW][C]88[/C][C]18[/C][C]20.4361702127660[/C][C]-2.43617021276596[/C][/ROW]
[ROW][C]89[/C][C]21[/C][C]20.4361702127660[/C][C]0.563829787234042[/C][/ROW]
[ROW][C]90[/C][C]23[/C][C]20.4361702127660[/C][C]2.56382978723404[/C][/ROW]
[ROW][C]91[/C][C]28[/C][C]23.9666666666667[/C][C]4.03333333333333[/C][/ROW]
[ROW][C]92[/C][C]19[/C][C]20.4361702127660[/C][C]-1.43617021276596[/C][/ROW]
[ROW][C]93[/C][C]22[/C][C]20.4361702127660[/C][C]1.56382978723404[/C][/ROW]
[ROW][C]94[/C][C]17[/C][C]20.4361702127660[/C][C]-3.43617021276596[/C][/ROW]
[ROW][C]95[/C][C]25[/C][C]23.9666666666667[/C][C]1.03333333333333[/C][/ROW]
[ROW][C]96[/C][C]22[/C][C]20.4361702127660[/C][C]1.56382978723404[/C][/ROW]
[ROW][C]97[/C][C]21[/C][C]20.4361702127660[/C][C]0.563829787234042[/C][/ROW]
[ROW][C]98[/C][C]15[/C][C]20.4361702127660[/C][C]-5.43617021276596[/C][/ROW]
[ROW][C]99[/C][C]20[/C][C]20.4361702127660[/C][C]-0.436170212765958[/C][/ROW]
[ROW][C]100[/C][C]25[/C][C]20.4361702127660[/C][C]4.56382978723404[/C][/ROW]
[ROW][C]101[/C][C]21[/C][C]20.4361702127660[/C][C]0.563829787234042[/C][/ROW]
[ROW][C]102[/C][C]24[/C][C]23.9666666666667[/C][C]0.033333333333335[/C][/ROW]
[ROW][C]103[/C][C]23[/C][C]20.4361702127660[/C][C]2.56382978723404[/C][/ROW]
[ROW][C]104[/C][C]22[/C][C]23.9666666666667[/C][C]-1.96666666666667[/C][/ROW]
[ROW][C]105[/C][C]14[/C][C]20.4361702127660[/C][C]-6.43617021276596[/C][/ROW]
[ROW][C]106[/C][C]11[/C][C]20.4361702127660[/C][C]-9.43617021276596[/C][/ROW]
[ROW][C]107[/C][C]22[/C][C]16.25[/C][C]5.75[/C][/ROW]
[ROW][C]108[/C][C]22[/C][C]20.4361702127660[/C][C]1.56382978723404[/C][/ROW]
[ROW][C]109[/C][C]6[/C][C]16.25[/C][C]-10.25[/C][/ROW]
[ROW][C]110[/C][C]15[/C][C]20.4361702127660[/C][C]-5.43617021276596[/C][/ROW]
[ROW][C]111[/C][C]26[/C][C]20.4361702127660[/C][C]5.56382978723404[/C][/ROW]
[ROW][C]112[/C][C]26[/C][C]23.9666666666667[/C][C]2.03333333333333[/C][/ROW]
[ROW][C]113[/C][C]20[/C][C]16.25[/C][C]3.75[/C][/ROW]
[ROW][C]114[/C][C]26[/C][C]20.4361702127660[/C][C]5.56382978723404[/C][/ROW]
[ROW][C]115[/C][C]15[/C][C]16.25[/C][C]-1.25[/C][/ROW]
[ROW][C]116[/C][C]25[/C][C]20.4361702127660[/C][C]4.56382978723404[/C][/ROW]
[ROW][C]117[/C][C]22[/C][C]23.9666666666667[/C][C]-1.96666666666667[/C][/ROW]
[ROW][C]118[/C][C]20[/C][C]20.4361702127660[/C][C]-0.436170212765958[/C][/ROW]
[ROW][C]119[/C][C]18[/C][C]16.25[/C][C]1.75[/C][/ROW]
[ROW][C]120[/C][C]23[/C][C]16.25[/C][C]6.75[/C][/ROW]
[ROW][C]121[/C][C]22[/C][C]20.4361702127660[/C][C]1.56382978723404[/C][/ROW]
[ROW][C]122[/C][C]23[/C][C]20.4361702127660[/C][C]2.56382978723404[/C][/ROW]
[ROW][C]123[/C][C]17[/C][C]20.4361702127660[/C][C]-3.43617021276596[/C][/ROW]
[ROW][C]124[/C][C]20[/C][C]16.25[/C][C]3.75[/C][/ROW]
[ROW][C]125[/C][C]21[/C][C]20.4361702127660[/C][C]0.563829787234042[/C][/ROW]
[ROW][C]126[/C][C]23[/C][C]23.9666666666667[/C][C]-0.966666666666665[/C][/ROW]
[ROW][C]127[/C][C]25[/C][C]23.9666666666667[/C][C]1.03333333333333[/C][/ROW]
[ROW][C]128[/C][C]25[/C][C]20.4361702127660[/C][C]4.56382978723404[/C][/ROW]
[ROW][C]129[/C][C]21[/C][C]20.4361702127660[/C][C]0.563829787234042[/C][/ROW]
[ROW][C]130[/C][C]22[/C][C]20.4361702127660[/C][C]1.56382978723404[/C][/ROW]
[ROW][C]131[/C][C]18[/C][C]20.4361702127660[/C][C]-2.43617021276596[/C][/ROW]
[ROW][C]132[/C][C]18[/C][C]20.4361702127660[/C][C]-2.43617021276596[/C][/ROW]
[ROW][C]133[/C][C]18[/C][C]23.9666666666667[/C][C]-5.96666666666667[/C][/ROW]
[ROW][C]134[/C][C]21[/C][C]20.4361702127660[/C][C]0.563829787234042[/C][/ROW]
[ROW][C]135[/C][C]21[/C][C]20.4361702127660[/C][C]0.563829787234042[/C][/ROW]
[ROW][C]136[/C][C]25[/C][C]20.4361702127660[/C][C]4.56382978723404[/C][/ROW]
[ROW][C]137[/C][C]24[/C][C]20.4361702127660[/C][C]3.56382978723404[/C][/ROW]
[ROW][C]138[/C][C]24[/C][C]20.4361702127660[/C][C]3.56382978723404[/C][/ROW]
[ROW][C]139[/C][C]28[/C][C]23.9666666666667[/C][C]4.03333333333333[/C][/ROW]
[ROW][C]140[/C][C]24[/C][C]23.9666666666667[/C][C]0.033333333333335[/C][/ROW]
[ROW][C]141[/C][C]22[/C][C]23.9666666666667[/C][C]-1.96666666666667[/C][/ROW]
[ROW][C]142[/C][C]22[/C][C]20.4361702127660[/C][C]1.56382978723404[/C][/ROW]
[ROW][C]143[/C][C]20[/C][C]20.4361702127660[/C][C]-0.436170212765958[/C][/ROW]
[ROW][C]144[/C][C]25[/C][C]20.4361702127660[/C][C]4.56382978723404[/C][/ROW]
[ROW][C]145[/C][C]13[/C][C]20.4361702127660[/C][C]-7.43617021276596[/C][/ROW]
[ROW][C]146[/C][C]21[/C][C]20.4361702127660[/C][C]0.563829787234042[/C][/ROW]
[ROW][C]147[/C][C]23[/C][C]20.4361702127660[/C][C]2.56382978723404[/C][/ROW]
[ROW][C]148[/C][C]18[/C][C]20.4361702127660[/C][C]-2.43617021276596[/C][/ROW]
[/TABLE]
Source: https://freestatistics.org/blog/index.php?pk=107787&T=2

Globally Unique Identifier (entire table): ba.freestatistics.org/blog/index.php?pk=107787&T=2

As an alternative you can also use a QR Code:

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

Actuals, Predictions, and Residuals
#	Actuals	Forecasts	Residuals
1	11	16.25	-5.25
2	22	16.25	5.75
3	23	23.9666666666667	-0.966666666666665
4	21	20.4361702127660	0.563829787234042
5	19	20.4361702127660	-1.43617021276596
6	12	16.25	-4.25
7	24	20.4361702127660	3.56382978723404
8	21	20.4361702127660	0.563829787234042
9	21	20.4361702127660	0.563829787234042
10	26	23.9666666666667	2.03333333333333
11	18	20.4361702127660	-2.43617021276596
12	21	20.4361702127660	0.563829787234042
13	22	16.25	5.75
14	26	23.9666666666667	2.03333333333333
15	20	23.9666666666667	-3.96666666666667
16	20	20.4361702127660	-0.436170212765958
17	26	23.9666666666667	2.03333333333333
18	27	20.4361702127660	6.56382978723404
19	27	20.4361702127660	6.56382978723404
20	16	20.4361702127660	-4.43617021276596
21	26	23.9666666666667	2.03333333333333
22	20	20.4361702127660	-0.436170212765958
23	25	23.9666666666667	1.03333333333333
24	16	20.4361702127660	-4.43617021276596
25	20	20.4361702127660	-0.436170212765958
26	20	20.4361702127660	-0.436170212765958
27	24	20.4361702127660	3.56382978723404
28	24	20.4361702127660	3.56382978723404
29	22	16.25	5.75
30	18	16.25	1.75
31	21	20.4361702127660	0.563829787234042
32	17	20.4361702127660	-3.43617021276596
33	15	16.25	-1.25
34	28	23.9666666666667	4.03333333333333
35	23	20.4361702127660	2.56382978723404
36	19	20.4361702127660	-1.43617021276596
37	15	20.4361702127660	-5.43617021276596
38	26	23.9666666666667	2.03333333333333
39	20	23.9666666666667	-3.96666666666667
40	11	16.25	-5.25
41	17	20.4361702127660	-3.43617021276596
42	16	20.4361702127660	-4.43617021276596
43	21	20.4361702127660	0.563829787234042
44	18	20.4361702127660	-2.43617021276596
45	17	20.4361702127660	-3.43617021276596
46	21	20.4361702127660	0.563829787234042
47	18	20.4361702127660	-2.43617021276596
48	16	16.25	-0.25
49	13	16.25	-3.25
50	28	23.9666666666667	4.03333333333333
51	25	16.25	8.75
52	24	20.4361702127660	3.56382978723404
53	15	20.4361702127660	-5.43617021276596
54	21	20.4361702127660	0.563829787234042
55	11	16.25	-5.25
56	27	20.4361702127660	6.56382978723404
57	23	20.4361702127660	2.56382978723404
58	21	20.4361702127660	0.563829787234042
59	16	20.4361702127660	-4.43617021276596
60	20	16.25	3.75
61	21	23.9666666666667	-2.96666666666667
62	10	16.25	-6.25
63	18	23.9666666666667	-5.96666666666667
64	20	20.4361702127660	-0.436170212765958
65	21	23.9666666666667	-2.96666666666667
66	24	23.9666666666667	0.033333333333335
67	26	20.4361702127660	5.56382978723404
68	23	20.4361702127660	2.56382978723404
69	22	20.4361702127660	1.56382978723404
70	13	16.25	-3.25
71	27	23.9666666666667	3.03333333333333
72	24	20.4361702127660	3.56382978723404
73	19	20.4361702127660	-1.43617021276596
74	17	20.4361702127660	-3.43617021276596
75	16	20.4361702127660	-4.43617021276596
76	20	20.4361702127660	-0.436170212765958
77	8	16.25	-8.25
78	16	20.4361702127660	-4.43617021276596
79	17	20.4361702127660	-3.43617021276596
80	23	23.9666666666667	-0.966666666666665
81	18	20.4361702127660	-2.43617021276596
82	24	23.9666666666667	0.033333333333335
83	17	16.25	0.75
84	20	20.4361702127660	-0.436170212765958
85	22	20.4361702127660	1.56382978723404
86	22	20.4361702127660	1.56382978723404
87	20	20.4361702127660	-0.436170212765958
88	18	20.4361702127660	-2.43617021276596
89	21	20.4361702127660	0.563829787234042
90	23	20.4361702127660	2.56382978723404
91	28	23.9666666666667	4.03333333333333
92	19	20.4361702127660	-1.43617021276596
93	22	20.4361702127660	1.56382978723404
94	17	20.4361702127660	-3.43617021276596
95	25	23.9666666666667	1.03333333333333
96	22	20.4361702127660	1.56382978723404
97	21	20.4361702127660	0.563829787234042
98	15	20.4361702127660	-5.43617021276596
99	20	20.4361702127660	-0.436170212765958
100	25	20.4361702127660	4.56382978723404
101	21	20.4361702127660	0.563829787234042
102	24	23.9666666666667	0.033333333333335
103	23	20.4361702127660	2.56382978723404
104	22	23.9666666666667	-1.96666666666667
105	14	20.4361702127660	-6.43617021276596
106	11	20.4361702127660	-9.43617021276596
107	22	16.25	5.75
108	22	20.4361702127660	1.56382978723404
109	6	16.25	-10.25
110	15	20.4361702127660	-5.43617021276596
111	26	20.4361702127660	5.56382978723404
112	26	23.9666666666667	2.03333333333333
113	20	16.25	3.75
114	26	20.4361702127660	5.56382978723404
115	15	16.25	-1.25
116	25	20.4361702127660	4.56382978723404
117	22	23.9666666666667	-1.96666666666667
118	20	20.4361702127660	-0.436170212765958
119	18	16.25	1.75
120	23	16.25	6.75
121	22	20.4361702127660	1.56382978723404
122	23	20.4361702127660	2.56382978723404
123	17	20.4361702127660	-3.43617021276596
124	20	16.25	3.75
125	21	20.4361702127660	0.563829787234042
126	23	23.9666666666667	-0.966666666666665
127	25	23.9666666666667	1.03333333333333
128	25	20.4361702127660	4.56382978723404
129	21	20.4361702127660	0.563829787234042
130	22	20.4361702127660	1.56382978723404
131	18	20.4361702127660	-2.43617021276596
132	18	20.4361702127660	-2.43617021276596
133	18	23.9666666666667	-5.96666666666667
134	21	20.4361702127660	0.563829787234042
135	21	20.4361702127660	0.563829787234042
136	25	20.4361702127660	4.56382978723404
137	24	20.4361702127660	3.56382978723404
138	24	20.4361702127660	3.56382978723404
139	28	23.9666666666667	4.03333333333333
140	24	23.9666666666667	0.033333333333335
141	22	23.9666666666667	-1.96666666666667
142	22	20.4361702127660	1.56382978723404
143	20	20.4361702127660	-0.436170212765958
144	25	20.4361702127660	4.56382978723404
145	13	20.4361702127660	-7.43617021276596
146	21	20.4361702127660	0.563829787234042
147	23	20.4361702127660	2.56382978723404
148	18	20.4361702127660	-2.43617021276596

Figure 1

PNG link

Postscript link

PDF link

Figure 2

PNG link

Postscript link

PDF link

Figure 3

PNG link

Postscript link

PDF link

Parameters (Session):

par1 = 2 ; par2 = Do not include Seasonal Dummies ; par3 = No Linear Trend ;

Parameters (R input):

par1 = 5 ; par2 = none ; par3 = 3 ; par4 = no ;

R code (references can be found in the software module):

library(party)
library(Hmisc)
par1 <- as.numeric(par1)
par3 <- as.numeric(par3)
x <- data.frame(t(y))
is.data.frame(x)
x <- x[!is.na(x[,par1]),]
k <- length(x[1,])
n <- length(x[,1])
colnames(x)[par1]
x[,par1]
if (par2 == 'kmeans') {
cl <- kmeans(x[,par1], par3)
print(cl)
clm <- matrix(cbind(cl$centers,1:par3),ncol=2)
clm <- clm[sort.list(clm[,1]),]
for (i in 1:par3) {
cl$cluster[cl$cluster==clm[i,2]] <- paste('C',i,sep='')
}
cl$cluster <- as.factor(cl$cluster)
print(cl$cluster)
x[,par1] <- cl$cluster
}
if (par2 == 'quantiles') {
x[,par1] <- cut2(x[,par1],g=par3)
}
if (par2 == 'hclust') {
hc <- hclust(dist(x[,par1])^2, 'cen')
print(hc)
memb <- cutree(hc, k = par3)
dum <- c(mean(x[memb==1,par1]))
for (i in 2:par3) {
dum <- c(dum, mean(x[memb==i,par1]))
}
hcm <- matrix(cbind(dum,1:par3),ncol=2)
hcm <- hcm[sort.list(hcm[,1]),]
for (i in 1:par3) {
memb[memb==hcm[i,2]] <- paste('C',i,sep='')
}
memb <- as.factor(memb)
print(memb)
x[,par1] <- memb
}
if (par2=='equal') {
ed <- cut(as.numeric(x[,par1]),par3,labels=paste('C',1:par3,sep=''))
x[,par1] <- as.factor(ed)
}
table(x[,par1])
colnames(x)
colnames(x)[par1]
x[,par1]
if (par2 == 'none') {
m <- ctree(as.formula(paste(colnames(x)[par1],' ~ .',sep='')),data = x)
}
load(file='createtable')
if (par2 != 'none') {
m <- ctree(as.formula(paste('as.factor(',colnames(x)[par1],') ~ .',sep='')),data = x)
if (par4=='yes') {
a<-table.start()
a<-table.row.start(a)
a<-table.element(a,'10-Fold Cross Validation',3+2*par3,TRUE)
a<-table.row.end(a)
a<-table.row.start(a)
a<-table.element(a,'',1,TRUE)
a<-table.element(a,'Prediction (training)',par3+1,TRUE)
a<-table.element(a,'Prediction (testing)',par3+1,TRUE)
a<-table.row.end(a)
a<-table.row.start(a)
a<-table.element(a,'Actual',1,TRUE)
for (jjj in 1:par3) a<-table.element(a,paste('C',jjj,sep=''),1,TRUE)
a<-table.element(a,'CV',1,TRUE)
for (jjj in 1:par3) a<-table.element(a,paste('C',jjj,sep=''),1,TRUE)
a<-table.element(a,'CV',1,TRUE)
a<-table.row.end(a)
for (i in 1:10) {
ind <- sample(2, nrow(x), replace=T, prob=c(0.9,0.1))
m.ct <- ctree(as.formula(paste('as.factor(',colnames(x)[par1],') ~ .',sep='')),data =x[ind==1,])
if (i==1) {
m.ct.i.pred <- predict(m.ct, newdata=x[ind==1,])
m.ct.i.actu <- x[ind==1,par1]
m.ct.x.pred <- predict(m.ct, newdata=x[ind==2,])
m.ct.x.actu <- x[ind==2,par1]
} else {
m.ct.i.pred <- c(m.ct.i.pred,predict(m.ct, newdata=x[ind==1,]))
m.ct.i.actu <- c(m.ct.i.actu,x[ind==1,par1])
m.ct.x.pred <- c(m.ct.x.pred,predict(m.ct, newdata=x[ind==2,]))
m.ct.x.actu <- c(m.ct.x.actu,x[ind==2,par1])
}
}
print(m.ct.i.tab <- table(m.ct.i.actu,m.ct.i.pred))
numer <- 0
for (i in 1:par3) {
print(m.ct.i.tab[i,i] / sum(m.ct.i.tab[i,]))
numer <- numer + m.ct.i.tab[i,i]
}
print(m.ct.i.cp <- numer / sum(m.ct.i.tab))
print(m.ct.x.tab <- table(m.ct.x.actu,m.ct.x.pred))
numer <- 0
for (i in 1:par3) {
print(m.ct.x.tab[i,i] / sum(m.ct.x.tab[i,]))
numer <- numer + m.ct.x.tab[i,i]
}
print(m.ct.x.cp <- numer / sum(m.ct.x.tab))
for (i in 1:par3) {
a<-table.row.start(a)
a<-table.element(a,paste('C',i,sep=''),1,TRUE)
for (jjj in 1:par3) a<-table.element(a,m.ct.i.tab[i,jjj])
a<-table.element(a,round(m.ct.i.tab[i,i]/sum(m.ct.i.tab[i,]),4))
for (jjj in 1:par3) a<-table.element(a,m.ct.x.tab[i,jjj])
a<-table.element(a,round(m.ct.x.tab[i,i]/sum(m.ct.x.tab[i,]),4))
a<-table.row.end(a)
}
a<-table.row.start(a)
a<-table.element(a,'Overall',1,TRUE)
for (jjj in 1:par3) a<-table.element(a,'-')
a<-table.element(a,round(m.ct.i.cp,4))
for (jjj in 1:par3) a<-table.element(a,'-')
a<-table.element(a,round(m.ct.x.cp,4))
a<-table.row.end(a)
a<-table.end(a)
table.save(a,file='mytable3.tab')
}
}
m
bitmap(file='test1.png')
plot(m)
dev.off()
bitmap(file='test1a.png')
plot(x[,par1] ~ as.factor(where(m)),main='Response by Terminal Node',xlab='Terminal Node',ylab='Response')
dev.off()
if (par2 == 'none') {
forec <- predict(m)
result <- as.data.frame(cbind(x[,par1],forec,x[,par1]-forec))
colnames(result) <- c('Actuals','Forecasts','Residuals')
print(result)
}
if (par2 != 'none') {
print(cbind(as.factor(x[,par1]),predict(m)))
myt <- table(as.factor(x[,par1]),predict(m))
print(myt)
}
bitmap(file='test2.png')
if(par2=='none') {
op <- par(mfrow=c(2,2))
plot(density(result$Actuals),main='Kernel Density Plot of Actuals')
plot(density(result$Residuals),main='Kernel Density Plot of Residuals')
plot(result$Forecasts,result$Actuals,main='Actuals versus Predictions',xlab='Predictions',ylab='Actuals')
plot(density(result$Forecasts),main='Kernel Density Plot of Predictions')
par(op)
}
if(par2!='none') {
plot(myt,main='Confusion Matrix',xlab='Actual',ylab='Predicted')
}
dev.off()
if (par2 == 'none') {
detcoef <- cor(result$Forecasts,result$Actuals)
a<-table.start()
a<-table.row.start(a)
a<-table.element(a,'Goodness of Fit',2,TRUE)
a<-table.row.end(a)
a<-table.row.start(a)
a<-table.element(a,'Correlation',1,TRUE)
a<-table.element(a,round(detcoef,4))
a<-table.row.end(a)
a<-table.row.start(a)
a<-table.element(a,'R-squared',1,TRUE)
a<-table.element(a,round(detcoef*detcoef,4))
a<-table.row.end(a)
a<-table.row.start(a)
a<-table.element(a,'RMSE',1,TRUE)
a<-table.element(a,round(sqrt(mean((result$Residuals)^2)),4))
a<-table.row.end(a)
a<-table.end(a)
table.save(a,file='mytable1.tab')
a<-table.start()
a<-table.row.start(a)
a<-table.element(a,'Actuals, Predictions, and Residuals',4,TRUE)
a<-table.row.end(a)
a<-table.row.start(a)
a<-table.element(a,'#',header=TRUE)
a<-table.element(a,'Actuals',header=TRUE)
a<-table.element(a,'Forecasts',header=TRUE)
a<-table.element(a,'Residuals',header=TRUE)
a<-table.row.end(a)
for (i in 1:length(result$Actuals)) {
a<-table.row.start(a)
a<-table.element(a,i,header=TRUE)
a<-table.element(a,result$Actuals[i])
a<-table.element(a,result$Forecasts[i])
a<-table.element(a,result$Residuals[i])
a<-table.row.end(a)
}
a<-table.end(a)
table.save(a,file='mytable.tab')
}
if (par2 != 'none') {
a<-table.start()
a<-table.row.start(a)
a<-table.element(a,'Confusion Matrix (predicted in columns / actuals in rows)',par3+1,TRUE)
a<-table.row.end(a)
a<-table.row.start(a)
a<-table.element(a,'',1,TRUE)
for (i in 1:par3) {
a<-table.element(a,paste('C',i,sep=''),1,TRUE)
}
a<-table.row.end(a)
for (i in 1:par3) {
a<-table.row.start(a)
a<-table.element(a,paste('C',i,sep=''),1,TRUE)
for (j in 1:par3) {
a<-table.element(a,myt[i,j])
}
a<-table.row.end(a)
}
a<-table.end(a)
table.save(a,file='mytable2.tab')
}

Free Statistics

Description of Statistical Computation

Tree of Dependent Computations

Dataset

Tables (Output of Computation)

Figures (Output of Computation)

Input Parameters & R Code