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 06:03:27 -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/t12252820046ngnvhaaiy7t8j0.htm/, Retrieved Tue, 14 May 2024 22:18:53 +0000
Statistical Computations at FreeStatistics.org, Office for Research Development and Education, URL https://freestatistics.org/blog/index.php?pk=19825, Retrieved Tue, 14 May 2024 22:18:53 +0000
QR Codes:

Original text written by user:
IsPrivate?No (this computation is public)
User-defined keywordsMean plot productie kleding q2
Estimated Impact235

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 product...] [2008-10-29 12:03:27] [f4b2017b314c03698059f43b95818e67] [Current]
F           [Mean Plot] [Taak 1 Q2] [2008-10-29 15:57:22] [deb3c14ac9e4607a6d84fc9d0e0e6cc2]
F           [Mean Plot] [Q2 mean plot] [2008-10-30 08:57:32] [fe7291e888d31b8c4db0b24d6c0f75c6]
Feedback Forum
2008-11-10 19:11:15 [Nick Wuyts] [reply] 
Q2
De student heeft de blockwidth op 60 gezet, waardoor de seizoenaliteit niet goed te zien is. Je kan dit best op 12 laten staan, zodat de calculator de waarden van de overeenstemmende maanden kan vergelijken. De rechte op de grafiek is het totaal gemiddelde. Op de X-as vind je de maanden terug, op de Y-as de getalwaarden. Hier is een link naar de oplossing die op blockwith 12 staat: http://www.freestatistics.org/blog/index.php?v=date/2008/Nov/02/t12256237768wv265a3s1300s3.htm/
De uitleg die volgt gaat gebaseerd zijn op de grafiek van deze link.

Het eerste bolletje bij maand 1 is het gemiddelde voor alle maanden maart (periodiek gemiddelde). Dit wordt op dezelfde wijze gedaan voor alle volgende maanden.

De mean, median en midrange van augustus (6e bolletje) helemaal anders is dan dat van september (7e bolletje). Hier is er sprake van een significant verschil, er is een enorme spreiding.
Bij de grafiek boxplot periodic subseries komen we tot dezelfde conclusie. Dit kan verklaard worden doordat er bv weinig zomerkleding verkocht werd in die periode, dit kan de daling verklaren, en de stijging kan te wijten zijn aan het nieuwe kledingseizoen. We kunnen hier stellen dat er seizoenaliteit aanwezig is.


Q3
Bij deze vraag gebruiken we ook de techniek van het mean plot, doch bekijken we de grafiek van de notched boxplot, sequential blocks (niet die van het meanplot zoals de student in het document refereert). Graag verwijs ik naar de link hierboven waarin de blockwidth op 12 is gezet.

We gaan jaar per jaar vergelijken. Er is duidelijk een daling in de kledingproductie (vergelijken met basisjaar = 100). Notches 1 & 2 liggen tussen elkaar als we de betrouwbaarheidsintervallen met elkaar vergelijken. Dit is te wijten aan toeval.
Notches 1 & 5 is een twijfelgeval, dit is bijna significant (plusminus). De daling in zijn totaliteit is significant.
  2008-11-11 12:52:31 [Bas van Keken] [reply] 
Bedankt! Ik heb dit zelf na de uitleg in de les ook gedaan en kwam tot dezelfde conclusies.

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'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 & 2 seconds \tabularnewline
R Server & 'Gwilym Jenkins' @ 72.249.127.135 \tabularnewline
\hline
\end{tabular}
%Source: https://freestatistics.org/blog/index.php?pk=19825&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]'Gwilym Jenkins' @ 72.249.127.135[/C][/ROW]
[/TABLE]
Source: https://freestatistics.org/blog/index.php?pk=19825&T=0

Globally Unique Identifier (entire table): ba.freestatistics.org/blog/index.php?pk=19825&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'Gwilym Jenkins' @ 72.249.127.135


Figures (Output of Computation)

Input Parameters & R Code

Parameters (Session):
par1 = 60 ;
Parameters (R input):
par1 = 60 ;
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()