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 06:00:40 -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/t1225281758qxij34syfuyb6qe.htm/, Retrieved Tue, 14 May 2024 17:19:42 +0000
Statistical Computations at FreeStatistics.org, Office for Research Development and Education, URL https://freestatistics.org/blog/index.php?pk=19824, Retrieved Tue, 14 May 2024 17:19:42 +0000
QR Codes:

Original text written by user:
IsPrivate?No (this computation is public)
User-defined keywords
Estimated Impact260

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    D    [Mean Plot] [Herproducering ta...] [2008-10-29 12:00:40] [e08fee3874f3333d6b7a377a061b860d] [Current]
- R         [Mean Plot] [Mean plot Task 4] [2008-10-29 14:01:28] [819b576fab25b35cfda70f80599828ec]
F R         [Mean Plot] [Mean plot task 4] [2008-10-29 14:43:42] [819b576fab25b35cfda70f80599828ec]
F    D      [Mean Plot] [Mean plot deel 1 ...] [2008-10-29 15:16:12] [819b576fab25b35cfda70f80599828ec]
Feedback Forum
2008-11-08 08:11:44 [Astrid Sniekers] [reply] 
De student heeft gelijk als hij zegt dat er seizoenaliteit is, maar zijn uitleg is niet helemaal juist. Aan de hand van de Mean Plot kunnen we besluiten dat seizoenaliteit een effect heeft op de kledingproductie. De x-as van de Mean Plot stellen maanden voor. Maand 1 staat voor maart, maand 2 staat voor april, … Het is duidelijk dat het gemiddelde van augustus helemaal anders is als het gemiddelde van september. Om te kunnen zeggen of dit al dan niet significant is, moeten we ook naar de Notched Box Plots-grafiek kijken. Hier merken we weer een groot verschil op tussen de box plot van de maand augustus en de maand september, want de betrouwbaarheidsintervallen overlappen elkaar helemaal niet. We kunnen dus besluiten dat er een significant verschil is en dat seizoenaliteit dus niet toevallig is.
2008-11-08 08:29:20 [Astrid Sniekers] [reply] 
Het antwoord van de student is goed, maar niet voldoende. Aan de hand van de Sequential Blocks kunnen we een besluit trekken over de verschillende jaren van de tijdreeks van kledingproductie. Er valt inderdaad een dalende trend op te merken van de mediaan, zoals de student zegt. Als we nu naar de grenzen van de verschillende boxplots kijken, merken we op dat de betrouwbaarheidsintervallen elkaar overlappen. De daling van de mediaan kan dus louter toevallig zijn. Of de betrouwbaarheidsintervallen van het 1ste en het 5de jaar elkaar overlappen is een twijfelgeval. We besluiten hiermee dat de mediaan daalt, maar dat dit niet significant is. (Bij deze oefening laten we het 6de jaar buiten beschouwing, omdat hier de gegevens niet volledig zijn.)
2008-11-10 10:43:55 [Kevin Neelen] [reply] 
We merken bij deze resultaten dat er duidelijk sprake is van seizoenaliteiten. In het meanplot worden de gemiddeldes van een bepaalde maand gedurende verschillende jaren weergegeven. Hieruit kunnen we dan besluiten dat er verschillen zijn tussen maanden 6 en 7 en tussen maanden 10 en 11.
Daarnaast kan ook gekeken worden naar de notched boxplots waarbij er nu met betrouwbaarheidsintervallen wordt gewerkt. Hieruit kunnen we ook concluderen dat na maanden 6 en 10 deze gegevens enorm van elkaar verschillen (ze verschillen zelfs significant). Belangrijk hierbij is wel dat het aantal lags wordt ingesteld op 12 (als deze bevoorbeeld wordt ingesteld op 36 kunnen geen seizoensinvloeden bestudeerd worden).
2008-11-10 10:46:01 [Kevin Neelen] [reply] 
Als we deze notched boxplots bestuderen, merken we een dalende trend van de medianen in de grafiek. Deze daling is echter niet significant te noemen, aangezien de verschillende betrouwbaarheidsintervallen van deze notched boxplots onderling ongeveer samenvallen. Enkel de boxplot van jaar 5 ten opzichte van het eerste jaar, zou men als twijfelgeval kunnen beschouwen. We merkne zeker een duidelijk verschil, maar of dit verschil ook significant is, is een randgeval.
De notched boxplot van het 6de jaar is inderdaad zeer klein aangezien er slechts weinig resultaten bekend zijn voor dat jaar.
2008-11-10 16:50:54 [Michael Van Spaandonck] [reply] 
Q2
Een juiste conclusie in mijn bijhorend document, maar helaas niet volledig.
Zoals Astrid en Kevin zeggen moet je ook nagaan of de waargenomen verschillen tussen maanden 6/7 en 10/11 significant zijn of niet. Als de verschillen significant zijn, is er seizoensinvloed.
Hiervoor kijken we zoals zij zeggen naar de notched box plots, die ons vertellen dat de verschillen wel degelijk significant zijn aangezien er van overlapping geen sprake is.
De verschillen zijn dus te wijten aan seizoenaliteit.

Q3
Er valt inderdaad een dalende trend op te merken wanneer we het verloop van de mediaan beschouwen. We merken dat, in vergelijking met het voorgaande jaar, de betrouwbaarheidsintervallen elkaar telkens overlappen. De daling van de mediaan kan dus louter toevallig zijn.
Van jaar tot jaar is er dus geen significant verschil, wanneer we ieder jaar vergelijken met jaar 1 ook niet, met uitzonderng van jaar 5, wat een twijfelgeval is.
2008-11-10 19:43:31 [Inge Meelberghs] [reply] 
Via de Mean Plot kunnen we zien dat er zich een plotse stijging voordoet tussen maand 6 en 7 en ook na maand 10 kunnen we stellen dat er sprake is van seizoenaliteit want er vinden significante verschillen plaats. Als we willen weten of deze stijging significant is moeten we naar de Notched box plot kijken. Hier kunnen we zien dat de betrouwbaarheidsintervallen van de maand augustus en september elkaar niet overlappen. De daling is dus significant en is niet te wijten aan toeval.

De reden van deze seizoenaliteit kunnen we als volgt uitleggen. De 6de maand,Juni, is het begin van de zomer wat ervoor zorgt dat veel mensen op koopjesjacht gaan naar zomerkledij waardoor. Hetzelfde fenomeen doet zich voor in oktober als het kouder begint te worden en mensen meer winterkledij gaan beginnen kopen.

Het is ook goed dat je de blockwith op 12 hebt laten staan, hierdoor kan je zeer goed seizoenaliteit nagaan. Zet je deze op 36 is dit niet mogelijk.
2008-11-10 19:48:56 [Inge Meelberghs] [reply] 
Op de grafiek kunnen we duidelijk zien dat de kledingproductie jaarlijks verminderd. Maar is deze daling ook significant?

Dit kunnen we nagaan door naar de betrouwbaarheids-intervallen door de jaren heen te gaan kijken en te vergelijken.
Als we naar jaar 1 tot jaar 4 kijken kunnen we zeggen dat deze betrouwbaarheidsintervallen overeenkomen en dat de daling te wijten zou kunnen zijn aan toeval. Maar als we dan naar jaar 1 en jaar 5 kijken komen deze betrouwbaarheidsintervallen niet exact overeen en is er maar een kleine overlapping. Dit is dus eerder een twijfelgeval en gaat men eerder spreken van een niet toevallige daling.
Jaar 6 kunnen we niet gebruiken doordat de data van deze reeks niet volledig is.

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 time2 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 & 2 seconds \tabularnewline
R Server & 'George Udny Yule' @ 72.249.76.132 \tabularnewline
\hline
\end{tabular}
%Source: https://freestatistics.org/blog/index.php?pk=19824&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]2 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=19824&T=0

Globally Unique Identifier (entire table): ba.freestatistics.org/blog/index.php?pk=19824&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 time2 seconds
R Server'George Udny Yule' @ 72.249.76.132


Figures (Output of Computation)

Input Parameters & R Code

Parameters (Session):
par1 = 12 ;
Parameters (R input):
par1 = 12 ;
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()