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

Sun, 26 Dec 2010 15:33:18 +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/26/t1293377503gsqqhwukmctkf0c.htm/, Retrieved Mon, 06 May 2024 21:08:40 +0000

Statistical Computations at FreeStatistics.org, Office for Research Development and Education, URL https://freestatistics.org/blog/index.php?pk=115666, Retrieved Mon, 06 May 2024 21:08:40 +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

149

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]
- R PD  [Recursive Partitioning (Regression Trees)] [WS10 Recursive Pa...] [2010-12-13 10:44:01] [afe9379cca749d06b3d6872e02cc47ed]
-    D    [Recursive Partitioning (Regression Trees)] [WS10 Recursive Pa...] [2010-12-13 14:00:29] [afe9379cca749d06b3d6872e02cc47ed]
-    D      [Recursive Partitioning (Regression Trees)] [apple Inc - Recur...] [2010-12-14 15:16:31] [afe9379cca749d06b3d6872e02cc47ed]
-    D        [Recursive Partitioning (Regression Trees)] [Apple Inc - Recur...] [2010-12-22 09:15:38] [afe9379cca749d06b3d6872e02cc47ed]
-   PD          [Recursive Partitioning (Regression Trees)] [Paper - Recursive...] [2010-12-22 11:34:12] [1f5baf2b24e732d76900bb8178fc04e7]
-    D            [Recursive Partitioning (Regression Trees)] [Paper - Recursive...] [2010-12-24 12:31:43] [1f5baf2b24e732d76900bb8178fc04e7]
-    D                [Recursive Partitioning (Regression Trees)] [Paper Recursive P...] [2010-12-26 15:33:18] [6df2229e3f2091de42c4a9cf9a617420] [Current]

Feedback Forum

Post a new message

Dataseries X:

Download CSV

Histogram

Boxplots

61,2	2,08	83,9	10554,27
62	2,09	85,6	10532,54
65,1	2,07	87,5	10324,31
63,2	2,04	88,5	10695,25
66,3	2,35	91	10827,81
61,9	2,33	90,6	10872,48
62,1	2,37	91,2	10971,19
66,3	2,59	93,2	11145,65
72	2,62	90,1	11234,68
65,3	2,6	95	11333,88
67,6	2,83	95,4	10997,97
70,5	2,78	93,7	11036,89
74,2	3,01	93,9	11257,35
77,8	3,06	92,5	11533,59
78,5	3,33	89,2	11963,12
77,8	3,32	93,3	12185,15
81,4	3,6	93	12377,62
84,5	3,57	96,1	12512,89
88	3,57	96,7	12631,48
93,9	3,83	97,6	12268,53
98,9	3,84	102,6	12754,8
96,7	3,8	107,6	13407,75
98,9	4,07	103,5	13480,21
102,2	4,05	100,8	13673,28
105,4	4,272	94,5	13239,71
105,1	3,858	100,1	13557,69
116,6	4,067	97,4	13901,28
112	3,964	103	13200,58
108,8	3,782	100,2	13406,97
106,9	4,114	100,2	12538,12
109,5	4,009	99	12419,57
106,7	4,025	102,4	12193,88
118,9	4,082	99	12656,63
117,5	4,044	103,7	12812,48
113,7	3,916	103,4	12056,67
119,6	4,289	95,3	11322,38
120,6	4,296	93,6	11530,75
117,5	4,193	102,4	11114,08
120,3	3,48	110,5	9181,73
119,8	2,934	109,1	8614,55
108	2,221	100,9	8595,56
98,8	1,211	108,1	8396,2
94,6	1,28	105	7690,5
84,6	0,96	111,5	7235,47
84,4	0,5	109,5	7992,12
79,1	0,687	110,5	8398,37
73,3	0,344	114	8593
74,3	0,346	108,2	8679,75
67,8	0,334	110,3	9374,63
64,8	0,34	111,8	9634,97
66,5	0,328	107,5	9857,34
57,7	0,344	114,1	10238,83
53,8	0,341	113,8	10433,44
51,8	0,32	114,5	10471,24
50,9	0,314	114,8	10214,51
49	0,325	117,8	10677,52
48,1	0,339	116,7	11052,15
42,6	0,329	122,8	10500,19
40,9	0,48	122,3	10159,27
43,3	0,399	115	10222,24
43,7	0,37	118,5	10350,4

Summary of computational transaction
Raw Input	view raw input (R code)
Raw Output	view raw output of R engine
Computing time	5 seconds
R Server	'Sir Ronald Aylmer Fisher' @ 193.190.124.24

\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 & 'Sir Ronald Aylmer Fisher' @ 193.190.124.24 \tabularnewline
\hline
\end{tabular}
%Source: https://freestatistics.org/blog/index.php?pk=115666&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]'Sir Ronald Aylmer Fisher' @ 193.190.124.24[/C][/ROW]
[/TABLE]
Source: https://freestatistics.org/blog/index.php?pk=115666&T=0

Globally Unique Identifier (entire table): ba.freestatistics.org/blog/index.php?pk=115666&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	5 seconds
R Server	'Sir Ronald Aylmer Fisher' @ 193.190.124.24

Goodness of Fit
Correlation	0.9238
R-squared	0.8534
RMSE	9.2027

\begin{tabular}{lllllllll}
\hline
Goodness of Fit \tabularnewline
Correlation & 0.9238 \tabularnewline
R-squared & 0.8534 \tabularnewline
RMSE & 9.2027 \tabularnewline
\hline
\end{tabular}
%Source: https://freestatistics.org/blog/index.php?pk=115666&T=1

[TABLE]
[ROW][C]Goodness of Fit[/C][/ROW]
[ROW][C]Correlation[/C][C]0.9238[/C][/ROW]
[ROW][C]R-squared[/C][C]0.8534[/C][/ROW]
[ROW][C]RMSE[/C][C]9.2027[/C][/ROW]
[/TABLE]
Source: https://freestatistics.org/blog/index.php?pk=115666&T=1

Globally Unique Identifier (entire table): ba.freestatistics.org/blog/index.php?pk=115666&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	0.9238
R-squared	0.8534
RMSE	9.2027

Actuals, Predictions, and Residuals
#	Actuals	Forecasts	Residuals
1	61.2	65.5066666666667	-4.30666666666666
2	62	65.5066666666667	-3.50666666666666
3	65.1	65.5066666666667	-0.406666666666666
4	63.2	65.5066666666667	-2.30666666666666
5	66.3	65.5066666666667	0.793333333333337
6	61.9	65.5066666666667	-3.60666666666666
7	62.1	65.5066666666667	-3.40666666666666
8	66.3	65.5066666666667	0.793333333333337
9	72	65.5066666666667	6.49333333333334
10	65.3	65.5066666666667	-0.206666666666663
11	67.6	65.5066666666667	2.09333333333333
12	70.5	65.5066666666667	4.99333333333334
13	74.2	92.3538461538461	-18.1538461538461
14	77.8	92.3538461538461	-14.5538461538462
15	78.5	92.3538461538461	-13.8538461538461
16	77.8	92.3538461538461	-14.5538461538462
17	81.4	92.3538461538461	-10.9538461538461
18	84.5	92.3538461538461	-7.85384615384615
19	88	92.3538461538461	-4.35384615384615
20	93.9	92.3538461538461	1.54615384615386
21	98.9	92.3538461538461	6.54615384615386
22	96.7	92.3538461538461	4.34615384615385
23	98.9	111.406666666667	-12.5066666666667
24	102.2	111.406666666667	-9.20666666666666
25	105.4	111.406666666667	-6.00666666666666
26	105.1	111.406666666667	-6.30666666666667
27	116.6	111.406666666667	5.19333333333333
28	112	111.406666666667	0.593333333333334
29	108.8	92.3538461538461	16.4461538461538
30	106.9	111.406666666667	-4.50666666666666
31	109.5	111.406666666667	-1.90666666666667
32	106.7	111.406666666667	-4.70666666666666
33	118.9	111.406666666667	7.49333333333334
34	117.5	111.406666666667	6.09333333333333
35	113.7	111.406666666667	2.29333333333334
36	119.6	111.406666666667	8.19333333333333
37	120.6	111.406666666667	9.19333333333333
38	117.5	111.406666666667	6.09333333333333
39	120.3	92.3538461538461	27.9461538461538
40	119.8	92.3538461538461	27.4461538461538
41	108	87.1375	20.8625
42	98.8	87.1375	11.6625
43	94.6	87.1375	7.46249999999999
44	84.6	87.1375	-2.53750000000001
45	84.4	87.1375	-2.73750000000000
46	79.1	87.1375	-8.03750000000001
47	73.3	87.1375	-13.8375
48	74.3	87.1375	-12.8375
49	67.8	65.5066666666667	2.29333333333334
50	64.8	65.5066666666667	-0.706666666666663
51	66.5	65.5066666666667	0.99333333333334
52	57.7	48.18	9.52
53	53.8	48.18	5.62
54	51.8	48.18	3.62
55	50.9	48.18	2.72
56	49	48.18	0.82
57	48.1	48.18	-0.0799999999999983
58	42.6	48.18	-5.58
59	40.9	48.18	-7.28
60	43.3	48.18	-4.88
61	43.7	48.18	-4.48

\begin{tabular}{lllllllll}
\hline
Actuals, Predictions, and Residuals \tabularnewline
# & Actuals & Forecasts & Residuals \tabularnewline
1 & 61.2 & 65.5066666666667 & -4.30666666666666 \tabularnewline
2 & 62 & 65.5066666666667 & -3.50666666666666 \tabularnewline
3 & 65.1 & 65.5066666666667 & -0.406666666666666 \tabularnewline
4 & 63.2 & 65.5066666666667 & -2.30666666666666 \tabularnewline
5 & 66.3 & 65.5066666666667 & 0.793333333333337 \tabularnewline
6 & 61.9 & 65.5066666666667 & -3.60666666666666 \tabularnewline
7 & 62.1 & 65.5066666666667 & -3.40666666666666 \tabularnewline
8 & 66.3 & 65.5066666666667 & 0.793333333333337 \tabularnewline
9 & 72 & 65.5066666666667 & 6.49333333333334 \tabularnewline
10 & 65.3 & 65.5066666666667 & -0.206666666666663 \tabularnewline
11 & 67.6 & 65.5066666666667 & 2.09333333333333 \tabularnewline
12 & 70.5 & 65.5066666666667 & 4.99333333333334 \tabularnewline
13 & 74.2 & 92.3538461538461 & -18.1538461538461 \tabularnewline
14 & 77.8 & 92.3538461538461 & -14.5538461538462 \tabularnewline
15 & 78.5 & 92.3538461538461 & -13.8538461538461 \tabularnewline
16 & 77.8 & 92.3538461538461 & -14.5538461538462 \tabularnewline
17 & 81.4 & 92.3538461538461 & -10.9538461538461 \tabularnewline
18 & 84.5 & 92.3538461538461 & -7.85384615384615 \tabularnewline
19 & 88 & 92.3538461538461 & -4.35384615384615 \tabularnewline
20 & 93.9 & 92.3538461538461 & 1.54615384615386 \tabularnewline
21 & 98.9 & 92.3538461538461 & 6.54615384615386 \tabularnewline
22 & 96.7 & 92.3538461538461 & 4.34615384615385 \tabularnewline
23 & 98.9 & 111.406666666667 & -12.5066666666667 \tabularnewline
24 & 102.2 & 111.406666666667 & -9.20666666666666 \tabularnewline
25 & 105.4 & 111.406666666667 & -6.00666666666666 \tabularnewline
26 & 105.1 & 111.406666666667 & -6.30666666666667 \tabularnewline
27 & 116.6 & 111.406666666667 & 5.19333333333333 \tabularnewline
28 & 112 & 111.406666666667 & 0.593333333333334 \tabularnewline
29 & 108.8 & 92.3538461538461 & 16.4461538461538 \tabularnewline
30 & 106.9 & 111.406666666667 & -4.50666666666666 \tabularnewline
31 & 109.5 & 111.406666666667 & -1.90666666666667 \tabularnewline
32 & 106.7 & 111.406666666667 & -4.70666666666666 \tabularnewline
33 & 118.9 & 111.406666666667 & 7.49333333333334 \tabularnewline
34 & 117.5 & 111.406666666667 & 6.09333333333333 \tabularnewline
35 & 113.7 & 111.406666666667 & 2.29333333333334 \tabularnewline
36 & 119.6 & 111.406666666667 & 8.19333333333333 \tabularnewline
37 & 120.6 & 111.406666666667 & 9.19333333333333 \tabularnewline
38 & 117.5 & 111.406666666667 & 6.09333333333333 \tabularnewline
39 & 120.3 & 92.3538461538461 & 27.9461538461538 \tabularnewline
40 & 119.8 & 92.3538461538461 & 27.4461538461538 \tabularnewline
41 & 108 & 87.1375 & 20.8625 \tabularnewline
42 & 98.8 & 87.1375 & 11.6625 \tabularnewline
43 & 94.6 & 87.1375 & 7.46249999999999 \tabularnewline
44 & 84.6 & 87.1375 & -2.53750000000001 \tabularnewline
45 & 84.4 & 87.1375 & -2.73750000000000 \tabularnewline
46 & 79.1 & 87.1375 & -8.03750000000001 \tabularnewline
47 & 73.3 & 87.1375 & -13.8375 \tabularnewline
48 & 74.3 & 87.1375 & -12.8375 \tabularnewline
49 & 67.8 & 65.5066666666667 & 2.29333333333334 \tabularnewline
50 & 64.8 & 65.5066666666667 & -0.706666666666663 \tabularnewline
51 & 66.5 & 65.5066666666667 & 0.99333333333334 \tabularnewline
52 & 57.7 & 48.18 & 9.52 \tabularnewline
53 & 53.8 & 48.18 & 5.62 \tabularnewline
54 & 51.8 & 48.18 & 3.62 \tabularnewline
55 & 50.9 & 48.18 & 2.72 \tabularnewline
56 & 49 & 48.18 & 0.82 \tabularnewline
57 & 48.1 & 48.18 & -0.0799999999999983 \tabularnewline
58 & 42.6 & 48.18 & -5.58 \tabularnewline
59 & 40.9 & 48.18 & -7.28 \tabularnewline
60 & 43.3 & 48.18 & -4.88 \tabularnewline
61 & 43.7 & 48.18 & -4.48 \tabularnewline
\hline
\end{tabular}
%Source: https://freestatistics.org/blog/index.php?pk=115666&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]61.2[/C][C]65.5066666666667[/C][C]-4.30666666666666[/C][/ROW]
[ROW][C]2[/C][C]62[/C][C]65.5066666666667[/C][C]-3.50666666666666[/C][/ROW]
[ROW][C]3[/C][C]65.1[/C][C]65.5066666666667[/C][C]-0.406666666666666[/C][/ROW]
[ROW][C]4[/C][C]63.2[/C][C]65.5066666666667[/C][C]-2.30666666666666[/C][/ROW]
[ROW][C]5[/C][C]66.3[/C][C]65.5066666666667[/C][C]0.793333333333337[/C][/ROW]
[ROW][C]6[/C][C]61.9[/C][C]65.5066666666667[/C][C]-3.60666666666666[/C][/ROW]
[ROW][C]7[/C][C]62.1[/C][C]65.5066666666667[/C][C]-3.40666666666666[/C][/ROW]
[ROW][C]8[/C][C]66.3[/C][C]65.5066666666667[/C][C]0.793333333333337[/C][/ROW]
[ROW][C]9[/C][C]72[/C][C]65.5066666666667[/C][C]6.49333333333334[/C][/ROW]
[ROW][C]10[/C][C]65.3[/C][C]65.5066666666667[/C][C]-0.206666666666663[/C][/ROW]
[ROW][C]11[/C][C]67.6[/C][C]65.5066666666667[/C][C]2.09333333333333[/C][/ROW]
[ROW][C]12[/C][C]70.5[/C][C]65.5066666666667[/C][C]4.99333333333334[/C][/ROW]
[ROW][C]13[/C][C]74.2[/C][C]92.3538461538461[/C][C]-18.1538461538461[/C][/ROW]
[ROW][C]14[/C][C]77.8[/C][C]92.3538461538461[/C][C]-14.5538461538462[/C][/ROW]
[ROW][C]15[/C][C]78.5[/C][C]92.3538461538461[/C][C]-13.8538461538461[/C][/ROW]
[ROW][C]16[/C][C]77.8[/C][C]92.3538461538461[/C][C]-14.5538461538462[/C][/ROW]
[ROW][C]17[/C][C]81.4[/C][C]92.3538461538461[/C][C]-10.9538461538461[/C][/ROW]
[ROW][C]18[/C][C]84.5[/C][C]92.3538461538461[/C][C]-7.85384615384615[/C][/ROW]
[ROW][C]19[/C][C]88[/C][C]92.3538461538461[/C][C]-4.35384615384615[/C][/ROW]
[ROW][C]20[/C][C]93.9[/C][C]92.3538461538461[/C][C]1.54615384615386[/C][/ROW]
[ROW][C]21[/C][C]98.9[/C][C]92.3538461538461[/C][C]6.54615384615386[/C][/ROW]
[ROW][C]22[/C][C]96.7[/C][C]92.3538461538461[/C][C]4.34615384615385[/C][/ROW]
[ROW][C]23[/C][C]98.9[/C][C]111.406666666667[/C][C]-12.5066666666667[/C][/ROW]
[ROW][C]24[/C][C]102.2[/C][C]111.406666666667[/C][C]-9.20666666666666[/C][/ROW]
[ROW][C]25[/C][C]105.4[/C][C]111.406666666667[/C][C]-6.00666666666666[/C][/ROW]
[ROW][C]26[/C][C]105.1[/C][C]111.406666666667[/C][C]-6.30666666666667[/C][/ROW]
[ROW][C]27[/C][C]116.6[/C][C]111.406666666667[/C][C]5.19333333333333[/C][/ROW]
[ROW][C]28[/C][C]112[/C][C]111.406666666667[/C][C]0.593333333333334[/C][/ROW]
[ROW][C]29[/C][C]108.8[/C][C]92.3538461538461[/C][C]16.4461538461538[/C][/ROW]
[ROW][C]30[/C][C]106.9[/C][C]111.406666666667[/C][C]-4.50666666666666[/C][/ROW]
[ROW][C]31[/C][C]109.5[/C][C]111.406666666667[/C][C]-1.90666666666667[/C][/ROW]
[ROW][C]32[/C][C]106.7[/C][C]111.406666666667[/C][C]-4.70666666666666[/C][/ROW]
[ROW][C]33[/C][C]118.9[/C][C]111.406666666667[/C][C]7.49333333333334[/C][/ROW]
[ROW][C]34[/C][C]117.5[/C][C]111.406666666667[/C][C]6.09333333333333[/C][/ROW]
[ROW][C]35[/C][C]113.7[/C][C]111.406666666667[/C][C]2.29333333333334[/C][/ROW]
[ROW][C]36[/C][C]119.6[/C][C]111.406666666667[/C][C]8.19333333333333[/C][/ROW]
[ROW][C]37[/C][C]120.6[/C][C]111.406666666667[/C][C]9.19333333333333[/C][/ROW]
[ROW][C]38[/C][C]117.5[/C][C]111.406666666667[/C][C]6.09333333333333[/C][/ROW]
[ROW][C]39[/C][C]120.3[/C][C]92.3538461538461[/C][C]27.9461538461538[/C][/ROW]
[ROW][C]40[/C][C]119.8[/C][C]92.3538461538461[/C][C]27.4461538461538[/C][/ROW]
[ROW][C]41[/C][C]108[/C][C]87.1375[/C][C]20.8625[/C][/ROW]
[ROW][C]42[/C][C]98.8[/C][C]87.1375[/C][C]11.6625[/C][/ROW]
[ROW][C]43[/C][C]94.6[/C][C]87.1375[/C][C]7.46249999999999[/C][/ROW]
[ROW][C]44[/C][C]84.6[/C][C]87.1375[/C][C]-2.53750000000001[/C][/ROW]
[ROW][C]45[/C][C]84.4[/C][C]87.1375[/C][C]-2.73750000000000[/C][/ROW]
[ROW][C]46[/C][C]79.1[/C][C]87.1375[/C][C]-8.03750000000001[/C][/ROW]
[ROW][C]47[/C][C]73.3[/C][C]87.1375[/C][C]-13.8375[/C][/ROW]
[ROW][C]48[/C][C]74.3[/C][C]87.1375[/C][C]-12.8375[/C][/ROW]
[ROW][C]49[/C][C]67.8[/C][C]65.5066666666667[/C][C]2.29333333333334[/C][/ROW]
[ROW][C]50[/C][C]64.8[/C][C]65.5066666666667[/C][C]-0.706666666666663[/C][/ROW]
[ROW][C]51[/C][C]66.5[/C][C]65.5066666666667[/C][C]0.99333333333334[/C][/ROW]
[ROW][C]52[/C][C]57.7[/C][C]48.18[/C][C]9.52[/C][/ROW]
[ROW][C]53[/C][C]53.8[/C][C]48.18[/C][C]5.62[/C][/ROW]
[ROW][C]54[/C][C]51.8[/C][C]48.18[/C][C]3.62[/C][/ROW]
[ROW][C]55[/C][C]50.9[/C][C]48.18[/C][C]2.72[/C][/ROW]
[ROW][C]56[/C][C]49[/C][C]48.18[/C][C]0.82[/C][/ROW]
[ROW][C]57[/C][C]48.1[/C][C]48.18[/C][C]-0.0799999999999983[/C][/ROW]
[ROW][C]58[/C][C]42.6[/C][C]48.18[/C][C]-5.58[/C][/ROW]
[ROW][C]59[/C][C]40.9[/C][C]48.18[/C][C]-7.28[/C][/ROW]
[ROW][C]60[/C][C]43.3[/C][C]48.18[/C][C]-4.88[/C][/ROW]
[ROW][C]61[/C][C]43.7[/C][C]48.18[/C][C]-4.48[/C][/ROW]
[/TABLE]
Source: https://freestatistics.org/blog/index.php?pk=115666&T=2

Globally Unique Identifier (entire table): ba.freestatistics.org/blog/index.php?pk=115666&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	61.2	65.5066666666667	-4.30666666666666
2	62	65.5066666666667	-3.50666666666666
3	65.1	65.5066666666667	-0.406666666666666
4	63.2	65.5066666666667	-2.30666666666666
5	66.3	65.5066666666667	0.793333333333337
6	61.9	65.5066666666667	-3.60666666666666
7	62.1	65.5066666666667	-3.40666666666666
8	66.3	65.5066666666667	0.793333333333337
9	72	65.5066666666667	6.49333333333334
10	65.3	65.5066666666667	-0.206666666666663
11	67.6	65.5066666666667	2.09333333333333
12	70.5	65.5066666666667	4.99333333333334
13	74.2	92.3538461538461	-18.1538461538461
14	77.8	92.3538461538461	-14.5538461538462
15	78.5	92.3538461538461	-13.8538461538461
16	77.8	92.3538461538461	-14.5538461538462
17	81.4	92.3538461538461	-10.9538461538461
18	84.5	92.3538461538461	-7.85384615384615
19	88	92.3538461538461	-4.35384615384615
20	93.9	92.3538461538461	1.54615384615386
21	98.9	92.3538461538461	6.54615384615386
22	96.7	92.3538461538461	4.34615384615385
23	98.9	111.406666666667	-12.5066666666667
24	102.2	111.406666666667	-9.20666666666666
25	105.4	111.406666666667	-6.00666666666666
26	105.1	111.406666666667	-6.30666666666667
27	116.6	111.406666666667	5.19333333333333
28	112	111.406666666667	0.593333333333334
29	108.8	92.3538461538461	16.4461538461538
30	106.9	111.406666666667	-4.50666666666666
31	109.5	111.406666666667	-1.90666666666667
32	106.7	111.406666666667	-4.70666666666666
33	118.9	111.406666666667	7.49333333333334
34	117.5	111.406666666667	6.09333333333333
35	113.7	111.406666666667	2.29333333333334
36	119.6	111.406666666667	8.19333333333333
37	120.6	111.406666666667	9.19333333333333
38	117.5	111.406666666667	6.09333333333333
39	120.3	92.3538461538461	27.9461538461538
40	119.8	92.3538461538461	27.4461538461538
41	108	87.1375	20.8625
42	98.8	87.1375	11.6625
43	94.6	87.1375	7.46249999999999
44	84.6	87.1375	-2.53750000000001
45	84.4	87.1375	-2.73750000000000
46	79.1	87.1375	-8.03750000000001
47	73.3	87.1375	-13.8375
48	74.3	87.1375	-12.8375
49	67.8	65.5066666666667	2.29333333333334
50	64.8	65.5066666666667	-0.706666666666663
51	66.5	65.5066666666667	0.99333333333334
52	57.7	48.18	9.52
53	53.8	48.18	5.62
54	51.8	48.18	3.62
55	50.9	48.18	2.72
56	49	48.18	0.82
57	48.1	48.18	-0.0799999999999983
58	42.6	48.18	-5.58
59	40.9	48.18	-7.28
60	43.3	48.18	-4.88
61	43.7	48.18	-4.48

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 = 1 ; par2 = none ; par3 = 3 ; par4 = no ;

Parameters (R input):

par1 = 1 ; 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