FreeStatistics.org

Free Statistics

of Irreproducible Research!

Description of Statistical Computation

Author's title

Author*The author of this computation has been verified*
R Software Modulerwasp_meanplot.wasp
Title produced by softwareMean Plot
Date of computationWed, 29 Oct 2008 05:59:16 -0600
Cite this page as followsStatistical Computations at FreeStatistics.org, Office for Research Development and Education, URL https://freestatistics.org/blog/index.php?v=date/2008/Oct/29/t1225281682doha738y4c1rb7q.htm/, Retrieved Tue, 14 May 2024 13:11:15 +0000
Statistical Computations at FreeStatistics.org, Office for Research Development and Education, URL https://freestatistics.org/blog/index.php?pk=19822, Retrieved Tue, 14 May 2024 13:11:15 +0000
QR Codes:

Original text written by user:
IsPrivate?No (this computation is public)
User-defined keywords
Estimated Impact233

Tree of Dependent Computations

Family? (F = Feedback message, R = changed R code, M = changed R Module, P = changed Parameters, D = changed Data)
F     [Mean Plot] [workshop 3] [2007-10-26 12:14:28] [e9ffc5de6f8a7be62f22b142b5b6b1a8]
F   PD    [Mean Plot] [Mean Plot] [2008-10-29 11:59:16] [63db34dadd44fb018112addcdefe949f] [Current]
F           [Mean Plot] [] [2008-11-03 19:13:04] [d2d412c7f4d35ffbf5ee5ee89db327d4]
-   P       [Mean Plot] [Q2 mean plot analyse] [2008-11-07 13:09:32] [3754dd41128068acfc463ebbabce5a9c]
-   P       [Mean Plot] [verbetering works...] [2008-11-07 17:08:41] [cf9c64468d04c2c4dd548cc66b4e3677]
-   P       [Mean Plot] [Verbetering works...] [2008-11-07 17:14:40] [cf9c64468d04c2c4dd548cc66b4e3677]
Feedback Forum
2008-11-07 13:19:15 [Jeroen Aerts] [reply] 
De mean plot gaat alle waarden van januari samennemen, en dat voor elke maand. Om de mean plot dus correct te kunnen aflezen mogen we de #blockwidth maar op 12 zetten, zo neemt hij elke maand samen en kan je het periodiek gemiddelde aflezen.

De berekening vind je hier terug:
Statistical Computations at FreeStatistics.org, Office for Research Development and Education, URL http://www.freestatistics.org/blog/date/2008/Nov/07/t1226063717ib60vdmq4r6b9r2.htm, Retrieved Fri, 07 Nov 2008 13:15:26 +0000


Zo kan je perfect de seizoenaliteit aflezen. Want als je nu bij de notched box plots- periodic subseries ga kijken, kan je waarnemen dat bijvoorbeeld mei, ondanks de betrouwbaarheidsintervallen, significant lager ligt dan bijvoorbeeld juni- juli- augustus.
  2008-11-07 13:50:28 [Jeroen Aerts] [reply] 
Deze oplossing is voor q2
2008-11-07 13:49:35 [Jeroen Aerts] [reply] 
De juiste berekening vind je hier:
Statistical Computations at FreeStatistics.org, Office for Research Development and Education, URL http://www.freestatistics.org/blog/date/2008/Nov/07/t1226065443wtrn3a19x12g0xf.htm , Retrieved Fri, 07 Nov 2008 13:44:13 +0000

Het document van de student van vorig jaar heeft eigenlijk de juiste berekening.
Als je ziet naar de figuur kan je bij de notched box plots - sequantial blocks kan je waarnemen dat de kledingproductie daalt over een periode van 5 jaar.

Deze periodes kan je met elkaar vergelijken ( 1 met 2, 3 met 4, 1 met 5, ...) en zal je kunnen waarnemen dat je nooit zal kunnen zeggen dat er een significant verschil is, behalve bij 1 en 5, daar is het een randgeval. De overige dalingen zijn te wijten aan toevalligheden vanwege het betrouwbaarheidsinterval.
  2008-11-07 13:50:11 [Jeroen Aerts] [reply] 
Deze oplossing is voor Q3
2008-11-07 17:10:24 [Jan Van Riet] [reply] 
Je had hier beter ipv 36 12 ingevuld bij het aantal blockwidths. Alleen dan kunnen we de seizonaliteiten onderzoeken, want hierdoor krijgen we per maand het gemiddelde van alle jaren (1 tot en met 5) op 1 grafiek te zien:

http://www.freestatistics.org/blog/index.php?v=date/2008/Nov/07/t12260777812jsmowf4d4eji02.htm

Kijken we dan naar de periodic subseries, dan is er duidelijk seizonaliteit te zien in de maanden augustus en september.

2008-11-07 17:16:32 [Jan Van Riet] [reply] 
Q3: Hier had je ook beter de blockwidths op 12 gezet (alleen dan krijg je de sequential boxplot te zien voor de gekozen 5 jaar):

http://www.freestatistics.org/blog/index.php?v=date/2008/Nov/07/t1226078166o3iij7dcea9lbu8.htm

Kijken we naar de sequential boxplot dan zien we dat de mediaan zakt, maar om te weten of er een significant verschil is tussen 1 en 2 bvb moeten we de betrouwbaarheidsintervallen onderzoeken. In dit geval overlappen ze mekaar, dus is er sprake van een toevalligheid. Het 1e en het 5e jaar is een randgeval.

Post a new message

Dataset

Dataseries X:
Download CSV
Histogram
Boxplots 
109.20
88.60
94.30
98.30
86.40
80.60
104.10
108.20
93.40
71.90
94.10
94.90
96.40
91.10
84.40
86.40
88.00
75.10
109.70
103.00
82.10
68.00
96.40
94.30
90.00
88.00
76.10
82.50
81.40
66.50
97.20
94.10
80.70
70.50
87.80
89.50
99.60
84.20
75.10
92.00
80.80
73.10
99.80
90.00
83.10
72.40
78.80
87.30
91.00
80.10
73.60
86.40
74.50
71.20
92.40
81.50
85.30
69.90
84.20
90.70
100.30

Tables (Output of Computation)





Summary of computational transaction
Raw Inputview raw input (R code)
Raw Outputview raw output of R engine
Computing time3 seconds
R Server'Gwilym Jenkins' @ 72.249.127.135

\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 & 'Gwilym Jenkins' @ 72.249.127.135 \tabularnewline
\hline
\end{tabular}
%Source: https://freestatistics.org/blog/index.php?pk=19822&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]'Gwilym Jenkins' @ 72.249.127.135[/C][/ROW]
[/TABLE]
Source: https://freestatistics.org/blog/index.php?pk=19822&T=0

Globally Unique Identifier (entire table): ba.freestatistics.org/blog/index.php?pk=19822&T=0

As an alternative you can also use a QR Code:  
QR Code


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

Summary of computational transaction
Raw Inputview raw input (R code)
Raw Outputview raw output of R engine
Computing time3 seconds
R Server'Gwilym Jenkins' @ 72.249.127.135


Figures (Output of Computation)

Input Parameters & R Code

Parameters (Session):
par1 = 36 ;
Parameters (R input):
par1 = 36 ;
R code (references can be found in the software module):
par1 <- as.numeric(par1)
(n <- length(x))
(np <- floor(n / par1))
arr <- array(NA,dim=c(par1,np+1))
ari <- array(0,dim=par1)
j <- 0
for (i in 1:n)
{
j = j + 1
ari[j] = ari[j] + 1
arr[j,ari[j]] <- x[i]
if (j == par1) j = 0
}
ari
arr
arr.mean <- array(NA,dim=par1)
arr.median <- array(NA,dim=par1)
arr.midrange <- array(NA,dim=par1)
for (j in 1:par1)
{
arr.mean[j] <- mean(arr[j,],na.rm=TRUE)
arr.median[j] <- median(arr[j,],na.rm=TRUE)
arr.midrange[j] <- (quantile(arr[j,],0.75,na.rm=TRUE) + quantile(arr[j,],0.25,na.rm=TRUE)) / 2
}
overall.mean <- mean(x)
overall.median <- median(x)
overall.midrange <- (quantile(x,0.75) + quantile(x,0.25)) / 2
bitmap(file='plot1.png')
plot(arr.mean,type='b',ylab='mean',main='Mean Plot',xlab='Periodic Index')
mtext(paste('#blocks = ',np))
abline(overall.mean,0)
dev.off()
bitmap(file='plot2.png')
plot(arr.median,type='b',ylab='median',main='Median Plot',xlab='Periodic Index')
mtext(paste('#blocks = ',np))
abline(overall.median,0)
dev.off()
bitmap(file='plot3.png')
plot(arr.midrange,type='b',ylab='midrange',main='Midrange Plot',xlab='Periodic Index')
mtext(paste('#blocks = ',np))
abline(overall.midrange,0)
dev.off()
bitmap(file='plot4.png')
z <- data.frame(t(arr))
names(z) <- c(1:par1)
(boxplot(z,notch=TRUE,col='grey',xlab='Periodic Index',ylab='Value',main='Notched Box Plots - Periodic Subseries'))
dev.off()
bitmap(file='plot5.png')
z <- data.frame(arr)
names(z) <- c(1:np)
(boxplot(z,notch=TRUE,col='grey',xlab='Block Index',ylab='Value',main='Notched Box Plots - Sequential Blocks'))
dev.off()
bitmap(file='plot6.png')
z <- data.frame(cbind(arr.mean,arr.median,arr.midrange))
names(z) <- list('mean','median','midrange')
(boxplot(z,notch=TRUE,col='grey',ylab='Overall Central Tendency',main='Notched Box Plots'))
dev.off()