Send output to:
Browser Blue - Charts White
Browser Black/White
CSV
Data X:
1 3 2 2 3 3 3 3 3 3 3 3 3 4 3 4 3 3 3 4 4 3 4 3 4 3 4 3 3 3 3 3 3 3 3 3 3 3 3 3 3 2 3 4 3 3 3 3 4 3 3 3 3 0 0 0 0 0 0 0 0 0 0 0 2 3 4 4 2 3 4 3 2 2 4 4 4 3 4 4 4 3 4 4 4 4 4 3 4 4 4 3 3 4 4 3 4 4 3 4 4 4 4 2 4 4 4 3 4 4 4 4 4 4 4 4 3 4 4 3 4 4 4 3 4 2 1 2 1 0 1 1 1 1 1 1 1 1 1 0 1 1 2 1 1 0 2 1 1 1 0 1 1 0 1 1 0 0 0 0 1 0 0 0 1 0 0 0 0 0 0 0 0 0 0 1 0 1 0 1 0 0 0 1 0 0 0 1 0 0 0 0 0 1 0 1 0 0 0 0 0 0 0 0 2 0 0 0 0 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 2 1 1 1 1 0 1 1 0 1 1 1 1 1 1 1 1 1 4 2 1 3 4 2 4 1 3 2 2 3 2 2 3 2 0 1 1 3 2 3 2 0 0 0 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 4 4 4 4 4 4 4 0 4 4 4 4 4 4 4 4 4 4 3 3 3 4 3 3 3 3 4 3 3 3 3 3 4 4 4 4 4 2 3 3 4 4 3 3 3 3 3 3 3 2 3 3 3 3 3 4 3 3 2 2 2 3 2 3 3 2 4 1 2 2 2 2 2 2 1 1 1 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 3 2 1 1 1 1 2 1 2 1 1 1 2 1 1 1 1 1 1 1 1 2 1 1 1 2 1 1 1 1 1 1 1 1 1 2 1 1 1 1 3 2 1 1 2 1 1 1 1 1 2 2 4 3 3 3 2 2 1 1 1 1 1 1 1 1 1 0 1 1 1 1 2 2 1 1 1 1 1 1 1 1 1 1 1 1 0 1 0 1 1 1 0 2 1 1 1 1 1 1 2 1 1 1 3 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 0 0 0 0 0 0 0 0 0 0 0 0 1 2 1 2 2 2 2 2 2 1 1 2 1 1 1 1 1 1 2 1 2 1 1 1 1 1 0 0 0 0 0 0 0 0 2 1 0 0 0 0 1 1 1 0 2 0 0 0 1 1 1 1 1 0 0 1 1 1 1 1 2 0 1 0 0 0 0 0 1 1 0 0 0 0 0 0 0 1 0 0 0 1 0 0 0 2 1 0 1 0 1 0 0 0 0 0 2 2 0 1 3 1 4 0 0 3 2 2 4 0 3 4 0 3 1 0 0 0 0 0 0 0 0 0 0 0 3 0 0 0 0 0 0 0 0 0 0 0 2 2 1 1 2 2 2 1 1 2 2 1 1 2 2 2 2 2 2 1 1 2 1 1 2 1 1 2 1 0 0 1 0 0 1 1 1 1 4 1 3 2 1 3 0 2 1 1 0 0 1 1 1 2 1 1 2 1 0 0 1 0 1 1 0 1 1 1 2 1 0 0 0 1 0 2 0 0 0 0 0 0 0 0 0 0 0 1 0 0 0 0 0 0 0 0 0 0 1 0 1 0 0 0 0 1 0 0 2 0 0 0 1 1 0 1 0 0 1 0 1 0 0 0 0 1 4 4 3 1 1 1 1 2 1 1 3 3 3 3 3 3 1 1 3 3 4 2 2 3 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 1 0 0 0 0 3 0 1 2 0 0 0 0 3 0 0 1 1 0 0 0 0 0 0 0 3 3 0 0 0 0 0 0 0 0 0 0 0 0 0 1 0 0 0 0 1 1 0 0 0 0 3 0 1 0 1 1 0 1 1 1 1 1 1 0 0 1 0 0 0 0 0 1 0 0 0 2 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 1 0 0 0 0 1 1 0 0 1 0 0 0 4 4 3 4 1 2 1 2 4 4 3 3 2 4 1 3 3 4 4 4 3 0 3 4 4 0 0 0 1 0 0 0 4 2 0 0 0 1 4 1 0 0 0 0 3 0 0 0 0 2 0 1 1 1 0 0 0 0 0 1 0 0 0 2 0 1 0 2 0 4 1 1 1 1 1 0 1 0 1 1 1 0 4 0 0 0 0 3 0 3 0 0 0 0 0 1 1 0 0 1 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 4 3 4 4 4 3 3 4 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 4 3 3 3 2 3 1 1 3 3 4 3 0 0 1 0 0 0 1 0 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 2 3 2 2 1 2 2 2 1 0 1 1 1 0 2 1 1 1 1 0 0 0 1 1 1 1 2 1 1 0 2 2 1 1 1 1 2 1 1 1 1 1 0 1 0 0 0 1 1 1 1 1 0 1 2 0 1 1 1 0 1 0 1 1 1 1 1 0 1 1 1 1 1 1 1 0 1 1 1 1 1 1 3 3 2 3 2 2 1 1 3 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 2 1 1 1 1 1 1 1 1 1 1 1 3 1 1 2 1 1 1 1 1 2 0 1 0 1 0 1 0 1 0 1 2 1 1 1 1 1 2 1 0 0 0 1 1 0 0 1 1 1 1 1 2 1 2 1 1 1 1 0 1 0 0 0 1 0 0 0 0 0 0 0 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 4 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 0 0 1 3 1 0 0 0 0 1 0 0 1 0 0 0 0 0 2 0 0 0 2 0 0 0 1 0 3 4 3 0 4 0 0 1 1 2 2 2 1 1 2 4 3 4 3 4 3 3 4 4 4 3 3 4 4 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 0 3 4 2 3 2 2 2 0 3 1 1 0 1 1 1 3 1 3 1 2 2 1 2 1 1 2 0 2 1 1 2 0 1 1 0 1 1 1 1 1 1 2 1 1 1 0 1 0 1 0 1 1 1 1 1 1 2 2 1 1 1 1 4 3 4 2 1 1 3 3 4 2 3 4 3 3 3 4 3 3 3 4 3 2 4 4 4 4 4 4 3 4 3 3 3 3 3 3 3 3 3 2 2 3 4 3 3 2 2 0 2 2 3 3 1 4 4 2 3 2 2 4 2 3 3 2 3 2 2 2 2 3 1 2 1 0 0 0 1 0 0 3 0 2 0 0 0 0 0 0 0 2 1 2 1 1 1 1
Data Y:
2.69 3.08 2.54 3.15 2.85 3.08 2.62 2.77 2.62 2.92 2.92 2.53 2.92 3.54 3.13 3.54 3.31 2.85 2.69 2.73 3.15 2.35 2.73 3.15 2.41 3.31 3.38 2.33 2.76 2.93 2.47 2.47 3.23 3.62 3.23 2.65 2.82 2.47 3.00 2.71 2.13 2.40 3.00 3.40 2.41 2.40 2.69 2.65 2.82 3.54 2.88 2.53 3.15 1.24 0.94 1.59 1.71 1.29 1.29 1.29 1.00 1.47 1.71 1.88 1.88 2.53 2.35 2.76 2.41 2.24 1.94 2.18 2.29 2.12 2.00 2.12 1.94 2.00 2.12 2.29 1.94 2.35 2.41 2.29 2.29 2.41 3.06 2.76 2.59 2.94 2.82 2.65 2.76 2.59 3.24 2.71 2.71 2.71 2.94 2.59 2.94 2.41 2.47 2.65 2.53 2.59 2.94 3.00 2.88 2.29 2.76 2.65 2.59 2.82 2.53 3.53 2.88 2.71 2.88 2.94 2.71 2.47 3.18 2.29 2.41 2.18 0.94 1.47 0.59 0.65 1.53 1.41 1.35 2.06 0.82 0.76 1.06 1.65 0.76 0.65 0.82 1.29 1.71 1.71 1.53 1.12 1.35 1.82 0.88 0.71 0.82 1.00 1.06 1.65 1.00 1.59 1.12 1.29 1.76 1.00 1.29 1.06 1.24 1.12 1.12 1.24 1.59 0.76 1.06 0.88 1.29 1.06 0.94 1.00 0.65 1.41 1.65 1.06 0.71 0.88 1.00 1.59 1.82 1.53 1.47 1.12 1.41 1.29 1.71 1.53 0.82 1.12 1.24 1.47 1.94 1.12 1.59 1.76 1.24 1.65 1.76 1.06 1.65 1.35 1.00 0.00 0.35 0.00 0.00 1.12 1.00 1.00 1.00 1.00 1.00 1.00 1.00 1.00 1.18 1.00 1.00 1.00 1.00 1.00 1.00 1.00 1.12 1.00 1.00 1.00 1.00 1.53 1.24 1.00 1.00 1.18 1.06 1.06 0.76 1.00 1.12 1.47 1.00 1.18 1.12 1.00 1.12 1.18 1.41 1.18 1.18 1.53 1.41 1.53 1.71 1.35 1.29 1.59 1.06 1.00 1.41 1.59 1.59 1.47 1.24 1.47 1.76 1.82 1.47 1.18 1.29 1.12 1.12 2.00 0.82 1.47 1.18 0.76 0.94 1.29 0.82 0.76 1.18 1.00 0.82 1.65 0.88 1.41 1.29 1.82 1.82 1.12 1.59 1.59 1.35 1.76 1.18 1.24 1.59 1.41 1.65 1.41 0.82 1.76 1.35 1.47 1.41 1.53 1.94 1.29 1.35 1.12 0.53 1.12 1.12 1.06 1.12 2.47 2.94 2.76 2.65 2.76 2.76 2.24 2.24 1.88 2.12 2.35 2.41 1.59 1.53 1.35 0.94 1.53 1.47 1.29 1.24 1.35 1.35 1.18 1.00 1.06 1.29 1.41 1.00 1.35 1.29 1.47 1.35 1.53 1.47 1.65 1.35 1.53 0.76 1.59 1.06 1.65 1.35 1.53 1.41 1.47 1.71 1.76 1.59 1.47 1.24 1.24 1.53 1.41 1.41 1.35 1.59 1.65 1.29 1.47 1.24 1.29 1.82 1.12 1.65 1.41 1.12 1.59 0.47 1.47 1.41 1.53 1.18 1.35 1.12 1.06 0.82 0.59 0.76 1.80 1.00 0.60 0.00 1.06 0.53 0.71 0.00 0.41 0.24 0.24 0.47 0.29 0.41 0.18 0.12 0.29 0.65 1.24 0.29 0.35 0.24 0.41 0.41 0.35 0.00 0.00 0.00 0.53 0.29 0.00 0.29 0.41 0.00 0.00 0.18 0.82 1.24 1.65 1.41 0.47 0.53 1.18 0.94 0.59 0.94 0.18 0.76 1.06 0.94 0.82 0.41 0.35 0.18 2.24 1.76 2.29 2.35 2.27 2.18 2.35 2.12 2.12 2.24 2.24 2.00 2.29 1.76 1.59 2.29 2.12 2.18 2.35 2.18 2.29 2.24 2.35 1.87 2.24 2.12 2.29 2.12 1.92 2.12 2.06 2.12 1.82 2.00 2.00 2.18 2.00 1.71 2.18 1.94 2.24 1.94 2.71 2.65 2.12 2.29 2.41 2.24 2.12 2.06 2.18 2.71 3.47 3.47 3.24 3.35 3.00 2.41 1.82 2.00 2.12 1.76 1.59 1.82 1.82 1.82 1.71 1.47 1.65 1.65 1.71 1.71 1.29 0.82 1.00 0.88 1.12 0.88 1.00 0.88 0.76 0.76 0.76 0.59 0.47 0.59 0.29 0.41 0.47 0.29 0.59 0.18 0.29 0.65 0.47 0.24 0.00 0.35 0.53 0.35 1.12 0.35 0.29 0.24 1.18 0.59 0.53 0.53 0.29 0.35 0.29 0.29 0.53 0.41 0.35 0.12 0.06 0.24 0.82 0.12 0.06 0.18 0.07 0.12 0.00 0.24 0.00 0.00 0.24 0.06 0.00 0.06 0.24 0.24 0.12 0.18 0.00 0.24 0.29 0.29 0.41 0.06 0.47 0.53 0.59 0.41 0.35 0.35 0.12 0.12 0.47 0.24 0.00 0.12 0.12 0.00 0.12 0.06 0.00 0.06 0.29 0.18 0.18 0.00 0.12 0.00 0.00 0.06 0.00 0.35 0.12 0.29 0.00 0.06 0.12 0.41 0.41 0.06 0.00 0.24 0.00 0.24 0.06 0.00 1.53 1.53 1.53 1.47 1.76 1.53 1.65 1.41 1.35 1.24 1.00 1.35 1.24 1.00 1.00 1.18 1.00 1.35 1.18 1.00 1.12 1.00 1.06 1.41 1.41 1.24 0.76 0.53 0.53 0.18 0.12 0.20 0.41 0.59 0.53 0.59 0.53 0.88 1.00 1.24 0.94 0.82 0.65 0.53 1.06 0.53 1.24 0.59 1.88 1.06 1.71 1.24 0.88 0.53 0.47 1.06 1.59 0.88 1.00 1.24 2.18 0.82 1.41 1.00 0.53 0.94 0.53 0.71 0.59 0.76 1.00 1.12 0.35 0.12 0.47 0.65 0.76 1.00 0.76 0.29 0.88 1.00 0.88 0.71 1.29 1.76 1.47 1.47 1.53 0.88 2.47 1.88 1.88 2.00 2.76 2.29 3.00 3.06 2.35 2.76 3.24 2.12 1.82 2.71 2.65 2.12 2.12 1.76 3.12 1.41 3.35 3.53 0.00 0.59 2.06 2.94 3.24 0.00 2.18 0.00 2.71 0.71 0.88 1.24 2.94 0.24 3.06 0.00 2.76 2.29 0.00 0.00 3.06 3.00 0.00 3.06 0.00 1.29 1.59 2.12 2.07 1.76 1.53 1.59 1.47 1.53 1.35 1.29 1.29 1.59 1.29 1.35 1.27 1.41 1.47 1.47 1.33 1.35 1.41 1.53 1.41 1.53 1.29 0.27 1.27 0.71 0.06 0.35 0.00 0.12 0.00 0.06 1.18 1.12 0.65 1.53 1.65 1.41 1.41 0.65 1.24 1.29 0.00 1.47 0.59 0.29 0.00 0.00 0.29 0.18 0.12 0.12 1.47 1.35 0.94 0.53 0.00 0.12 0.00 0.18 0.35 0.35 0.00 0.60 0.65 0.65 1.65 1.59 1.94 1.53 1.41 1.29 1.47 1.35 1.59 1.29 1.18 1.12 1.24 1.29 1.29 1.29 1.24 1.18 1.18 1.29 1.18 1.24 1.24 1.12 1.18 1.24 1.12 1.12 1.18 1.12 1.12 1.24 1.18 1.18 1.18 1.18 1.18 1.24 1.12 1.18 1.29 1.12 1.24 1.12 1.00 1.12 1.12 1.12 1.12 1.18 1.12 1.18 1.06 1.18 1.12 0.76 1.00 3.59 3.59 3.53 2.59 3.06 2.35 2.53 2.71 3.35 3.35 2.82 3.24 3.35 2.93 3.41 3.00 2.65 2.41 3.18 2.82 3.00 3.18 2.29 2.59 1.47 1.18 1.35 0.71 0.24 0.12 0.71 0.00 0.00 0.00 0.47 0.00 0.53 0.00 1.47 1.29 1.29 1.35 1.65 0.00 0.00 0.00 2.53 0.00 2.35 2.00 2.29 1.29 0.00 0.00 2.47 1.12 2.47 2.35 0.00 0.00 0.00 0.00 1.53 0.35 0.00 0.00 2.47 2.12 1.41 0.00 0.00 2.06 0.00 0.00 0.00 0.00 2.24 1.82 0.12 0.00 0.00 1.65 0.06 0.53 0.00 0.00 1.82 1.76 0.00 0.00 0.00 0.00 2.24 1.88 1.41 0.00 1.47 0.53 0.12 0.18 0.06 0.24 0.71 0.29 0.35 0.00 0.00 0.88 0.00 0.00 0.00 0.00 0.13 0.35 0.00 0.00 0.00 0.65 0.94 0.35 0.00 0.00 0.00 0.00 0.00 0.24 0.00 0.18 0.00 0.00 0.00 0.00 0.00 0.00 0.24 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.12 0.00 0.00 0.00 3.12 2.55 2.00 1.77 1.07 2.24 2.00 1.47 2.53 2.18 1.65 1.93 1.59 1.35 2.12 1.82 2.07 1.73 1.65 1.77 1.82 1.12 1.00 1.06 1.80 0.94 0.88 0.88 0.59 1.59 0.88 0.80 2.06 0.82 1.12 0.94 0.65 0.94 2.24 1.00 0.82 0.65 1.00 0.71 2.00 0.88 0.53 0.59 0.88 0.59 0.94 1.59 0.76 1.00 0.82 1.06 0.94 0.76 1.00 1.18 0.71 0.88 1.00 1.76 0.82 1.06 0.82 0.59 0.94 2.41 1.24 1.06 0.47 0.71 1.06 1.06 1.00 0.88 1.00 0.59 1.06 0.88 1.71 1.06 0.88 0.47 0.88 2.00 1.12 1.47 1.29 1.47 0.35 0.12 1.53 1.82 1.00 0.76 0.00 0.53 0.71 1.12 0.65 0.06 0.00 0.00 0.06 0.18 0.82 0.65 0.00 0.00 0.00 1.24 0.00 0.00 0.08 0.00 1.06 0.00 0.88 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.47 0.00 0.00 0.00 0.53 0.00 0.00 0.00 0.00 0.00 1.47 1.65 1.82 1.82 1.82 1.88 1.65 1.53 1.76 1.82 1.53 1.47 1.59 1.53 1.53 1.71 1.41 1.65 1.59 1.47 1.88 1.71 1.94 1.71 1.88 1.71 1.82 1.76 1.94 1.59 1.76 1.76 1.88 1.71 1.71 1.71 1.47 0.82 1.18 1.47 1.29 1.59 0.41 0.59 0.88 0.65 0.65 0.76 0.59 0.53 0.88 0.53 1.12 0.65 0.29 0.18 0.41 0.24 0.35 0.24 0.24 0.41 0.40 0.12 0.24 0.29 0.00 0.47 0.18 1.00 0.82 0.82 0.71 0.82 0.29 0.59 0.88 0.29 0.12 0.29 0.71 0.41 0.12 0.24 0.24 0.35 0.12 0.53 0.76 0.53 0.29 0.41 0.06 0.41 1.18 0.59 0.35 0.65 1.47 1.06 0.76 0.76 0.76 0.76 1.06 0.94 0.65 0.73 0.59 0.59 0.65 0.82 0.59 0.71 0.47 0.53 0.59 0.71 0.59 0.59 0.59 0.59 0.47 0.82 0.47 0.65 0.53 1.41 0.76 0.65 0.59 0.65 0.65 0.82 0.76 1.76 0.29 0.65 0.59 0.53 0.53 0.53 0.53 0.53 0.53 0.59 0.53 0.65 0.59 0.59 0.53 0.65 0.53 0.82 0.47 0.41 0.53 0.47 0.41 0.53 0.59 0.76 0.59 0.65 0.82 0.82 0.47 0.59 0.59 0.59 0.82 0.88 0.71 1.82 0.59 0.53 0.71 0.65 0.71 0.65 0.76 2.24 1.94 1.53 1.59 1.94 1.53 1.47 0.76 1.53 0.82 1.24 0.76 0.94 0.88 0.59 0.71 0.47 0.59 1.06 1.29 0.71 0.94 0.94 0.35 1.18 1.65 1.24 0.94 0.94 0.71 0.53 0.76 0.29 0.47 0.94 1.00 1.47 1.29 1.06 1.18 2.24 0.76 0.35 0.71 0.47 0.71 1.59 0.94 0.47 0.53 0.41 1.00 0.53 0.41 0.41 0.24 0.41 2.41 0.76 1.00 0.41 0.65 0.82 1.29 0.65 0.41 0.94 0.47 0.71 1.76 0.88 1.47 1.76 1.53 1.59 1.59 0.94 2.76 1.71 1.24 1.82 1.24 0.76 1.18 0.82 0.82 0.59 1.12 0.71 1.12 0.82 0.76 0.41 0.88 0.71 1.24 0.94 1.06 1.00 0.71 0.47 0.76 0.71 0.71 0.18 0.88 0.71 0.76 0.71 0.53 0.41 0.41 0.29 0.35 0.71 0.41 0.53 0.00 0.41 2.71 0.71 0.71 0.47 0.47 0.47 0.41 0.35 0.41 0.41 0.24 0.35 0.59 0.47 0.47 0.06 0.41 0.29 0.47 0.41 0.41 0.71 0.41 0.00 0.65 0.47 1.12 0.71 0.47 0.82 0.59 0.35 0.00 1.12 0.65 0.59 0.41 0.35 0.71 1.29 0.24 0.35 0.76 0.65 0.82 0.41 0.18 0.88 0.24 0.35 0.65 0.59 0.06 0.60 0.29 1.00 0.67 0.47 0.20 0.00 0.60 0.80 0.71 0.00 0.07 0.06 0.82 0.65 1.12 1.87 0.33 1.71 1.41 0.33 0.65 0.12 0.47 0.53 0.59 0.06 0.82 0.35 0.35 1.94 1.47 0.94 0.29 1.12 0.76 1.24 0.65 0.65 0.53 0.88 1.87 1.82 1.18 1.29 0.12 0.12 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.12 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.06 0.00 0.00 0.00 0.00 0.12 0.00 0.00 0.00 0.18 0.00 0.00 0.00 0.24 0.06 0.00 0.00 0.00 0.00 0.18 0.00 0.00 0.00 0.00 0.00 0.06 0.00 0.00 0.00 0.00 0.24 0.00 0.00 0.00 0.00 0.00 0.00 1.76 1.88 0.88 1.41 1.35 1.29 1.24 0.88 1.71 1.29 1.82 1.47 1.41 1.53 1.41 1.24 1.76 1.76 3.12 2.18 1.88 1.94 2.53 1.94 1.35 1.35 0.88 1.35 1.29 1.47 1.00 1.00 1.12 1.35 0.88 1.24 0.88 1.24 0.94 1.41 1.41 1.29 1.00 1.18 1.18 1.06 1.18 1.47 0.94 1.06 1.29 1.59 1.18 1.06 1.06 0.88 1.18 1.24 1.06 1.29 0.88 0.94 2.71 1.76 2.06 2.06 2.00 2.00 2.88 2.06 2.06 1.94 2.24 1.41 2.65 1.88 1.94 2.53 1.47 2.88 1.82 2.06 2.24 2.00 2.41 2.76 1.88 2.53 2.29 2.29 1.76 2.18 2.12 2.12 2.47 2.35 1.88 2.18 2.24 2.35 2.35 2.29 2.12 2.24 2.18 2.24 2.18 2.41 2.53 1.82 2.29 1.71 2.06 2.18 2.18 2.29 2.53 2.35 2.18 2.24 2.65 2.29 2.35 2.53 2.35 1.94 2.18 1.94 1.82 1.82 2.29 2.12 0.94 0.71 0.94 0.65 0.29 0.53 1.82 0.88 0.41 1.76 0.94 1.53 0.53 1.06 1.65 0.88 2.00 0.47 0.59 1.29 2.41 1.24 1.59 1.24 1.82 1.65
Box-Cox transformation parameter (X series)
1
1
-2.0
-1.9
-1.8
-1.7
-1.6
-1.5
-1.4
-1.3
-1.2
-1.1
-1.0
-0.9
-0.8
-0.7
-0.6
-0.5
-0.4
-0.3
-0.2
-0.1
0.0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1.0
1.1
1.2
1.3
1.4
1.5
1.6
1.7
1.8
1.9
2.0
Degree (d) of non-seasonal differencing (X series)
1
0
1
2
Degree (D) of seasonal differencing (X series)
0
0
1
2
Seasonal Period
1
1
2
3
4
12
Box-Cox transformation parameter (Y series)
1
1
-2.0
-1.9
-1.8
-1.7
-1.6
-1.5
-1.4
-1.3
-1.2
-1.1
-1.0
-0.9
-0.8
-0.7
-0.6
-0.5
-0.4
-0.3
-0.2
-0.1
0.0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1.0
1.1
1.2
1.3
1.4
1.5
1.6
1.7
1.8
1.9
2.0
Degree (d) of non-seasonal differencing (Y series)
1
0
1
2
Degree (D) of seasonal differencing (Y series)
0
0
1
2
Number of non-seasonal time lags in test
1
1
2
3
4
5
6
7
8
9
10
11
Chart options
Label y-axis:
Label x-axis:
R Code
par8 <- '1' par7 <- '0' par6 <- '1' par5 <- '1' par4 <- '1' par3 <- '0' par2 <- '1' par1 <- '1' library(lmtest) par1 <- as.numeric(par1) par2 <- as.numeric(par2) par3 <- as.numeric(par3) par4 <- as.numeric(par4) par5 <- as.numeric(par5) par6 <- as.numeric(par6) par7 <- as.numeric(par7) par8 <- as.numeric(par8) ox <- x oy <- y if (par1 == 0) { x <- log(x) } else { x <- (x ^ par1 - 1) / par1 } if (par5 == 0) { y <- log(y) } else { y <- (y ^ par5 - 1) / par5 } if (par2 > 0) x <- diff(x,lag=1,difference=par2) if (par6 > 0) y <- diff(y,lag=1,difference=par6) if (par3 > 0) x <- diff(x,lag=par4,difference=par3) if (par7 > 0) y <- diff(y,lag=par4,difference=par7) print(x) print(y) (gyx <- grangertest(y ~ x, order=par8)) (gxy <- grangertest(x ~ y, order=par8)) bitmap(file='test1.png') op <- par(mfrow=c(2,1)) (r <- ccf(ox,oy,main='Cross Correlation Function (raw data)',ylab='CCF',xlab='Lag (k)')) (r <- ccf(x,y,main='Cross Correlation Function (transformed and differenced)',ylab='CCF',xlab='Lag (k)')) par(op) dev.off() bitmap(file='test2.png') op <- par(mfrow=c(2,1)) acf(ox,lag.max=round(length(x)/2),main='ACF of x (raw)') acf(x,lag.max=round(length(x)/2),main='ACF of x (transformed and differenced)') par(op) dev.off() bitmap(file='test3.png') op <- par(mfrow=c(2,1)) acf(oy,lag.max=round(length(y)/2),main='ACF of y (raw)') acf(y,lag.max=round(length(y)/2),main='ACF of y (transformed and differenced)') par(op) dev.off() load(file='createtable') a<-table.start() a<-table.row.start(a) a<-table.element(a,'Granger Causality Test: Y = f(X)',5,TRUE) a<-table.row.end(a) a<-table.row.start(a) a<-table.element(a,'Model',header=TRUE) a<-table.element(a,'Res.DF',header=TRUE) a<-table.element(a,'Diff. DF',header=TRUE) a<-table.element(a,'F',header=TRUE) a<-table.element(a,'p-value',header=TRUE) a<-table.row.end(a) a<-table.row.start(a) a<-table.element(a,'Complete model',header=TRUE) a<-table.element(a,gyx$Res.Df[1]) a<-table.element(a,'') a<-table.element(a,'') a<-table.element(a,'') a<-table.row.end(a) a<-table.row.start(a) a<-table.element(a,'Reduced model',header=TRUE) a<-table.element(a,gyx$Res.Df[2]) a<-table.element(a,gyx$Df[2]) a<-table.element(a,gyx$F[2]) a<-table.element(a,gyx$Pr[2]) a<-table.row.end(a) a<-table.end(a) table.save(a,file='mytable1.tab') a<-table.start() a<-table.row.start(a) a<-table.element(a,'Granger Causality Test: X = f(Y)',5,TRUE) a<-table.row.end(a) a<-table.row.start(a) a<-table.element(a,'Model',header=TRUE) a<-table.element(a,'Res.DF',header=TRUE) a<-table.element(a,'Diff. DF',header=TRUE) a<-table.element(a,'F',header=TRUE) a<-table.element(a,'p-value',header=TRUE) a<-table.row.end(a) a<-table.row.start(a) a<-table.element(a,'Complete model',header=TRUE) a<-table.element(a,gxy$Res.Df[1]) a<-table.element(a,'') a<-table.element(a,'') a<-table.element(a,'') a<-table.row.end(a) a<-table.row.start(a) a<-table.element(a,'Reduced model',header=TRUE) a<-table.element(a,gxy$Res.Df[2]) a<-table.element(a,gxy$Df[2]) a<-table.element(a,gxy$F[2]) a<-table.element(a,gxy$Pr[2]) a<-table.row.end(a) a<-table.end(a) table.save(a,file='mytable2.tab')
Compute
Summary of computational transaction
Raw Input
view raw input (R code)
Raw Output
view raw output of R engine
Computing time
0 seconds
R Server
Big Analytics Cloud Computing Center
Click here to blog (archive) this computation