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_notchedbox1.wasp
Title produced by softwareNotched Boxplots
Date of computationWed, 29 Oct 2008 08:51:53 -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/t1225292133gid10mpgq8eyb8z.htm/, Retrieved Tue, 14 May 2024 14:36:33 +0000
Statistical Computations at FreeStatistics.org, Office for Research Development and Education, URL https://freestatistics.org/blog/index.php?pk=19877, Retrieved Tue, 14 May 2024 14:36:33 +0000
QR Codes:

Original text written by user:Stéphanie Claes Katrien Bourdiaudhy Kevin Engels Lindsay Heyndrickx
IsPrivate?No (this computation is public)
User-defined keywords
Estimated Impact239

Tree of Dependent Computations

Family? (F = Feedback message, R = changed R code, M = changed R Module, P = changed Parameters, D = changed Data)
F     [Notched Boxplots] [workshop 3] [2007-10-26 13:31:48] [e9ffc5de6f8a7be62f22b142b5b6b1a8]
F    D  [Notched Boxplots] [Q1 notched boxplot] [2008-10-29 13:04:27] [7173087adebe3e3a714c80ea2417b3eb]
F R PD    [Notched Boxplots] [taak 2 notched bo...] [2008-10-29 14:38:58] [7173087adebe3e3a714c80ea2417b3eb]
F R           [Notched Boxplots] [Task 3 notched bo...] [2008-10-29 14:51:53] [95d95b0e883740fcbc85e18ec42dcafb] [Current]
F   P           [Notched Boxplots] [task 3 ] [2008-11-03 17:22:27] [e43247bc0ab243a5af99ac7f55ba0b41]
Feedback Forum
2008-11-07 16:16:46 [Mehmet Yilmaz] [reply] 
Correcte berekening. Wel geeft ze geen enkel uitleg hierbij.
Het gebruik van logaritmes verkleint (squeeze together) de grotere waarden en vergoot (strech out) de kleinere waarden. De combinatie van deze 2 factoren kan onder andere het probleem met outliers corrigeren, maar ook skewed data en unequal variation.
Het verkleinen (squeezen) van de grote waarden zorgt ervoor dat de outliers minder uitsteekt boven de andere waarden.
2008-11-07 17:54:27 [Kevin Engels] [reply] 
De berekening en plot is correct. De uitleg mankeert wel.

Het gebruik van het logaritme zorgt ervoor dat grote schommelingen worden afgevlakt en kleine schommelingen groter worden, waardoor je de spreiding gaat verkleinen. De outliers zullen maw niet zo ver boven de andere getallen gaan uitsteken.
2008-11-08 15:22:28 [Steven Hulsmans] [reply] 
De berekening is correct uitgevoerd, maar wordt niet toegelicht. Het invoegen van het logaritme zorgt er voor dat de grote getallen veel kleiner worden. Hierdoor worden de grote schommelingen afgevlakt, terwijl de kleine relatief groter worden. Zo komen de outliers veel dichter naar het gemiddelde toe en verkleinen zo de spreiding.
2008-11-09 12:56:13 [Roland Feldman] [reply] 
Door de logaritme te gebruiken, rond je de extreme waarden af. Dit is omdat logaritmen het omgekeerde van exponenten zijn en dus eerder het verschil tussen verschillende waarden gaat beperken ivm (exponentieel)verhogen.
Grote schommelingen worden verkleind op deze manier gaat de spreiding verkleinen.
2008-11-10 11:59:18 [a7e076854c32462fd499d2de3f6d4e86] [reply] 
De berekening is correct uitgevoerd maar verdere uitleg ontbreekt. Het gebruik van logaritme zorgt er voor dat de grote getallen veel kleiner worden. Hierdoor worden de grote schommelingen afgevlakt, terwijl de kleine relatief groter worden. Zo komen de outliers veel dichter naar het gemiddelde toe en verkleinen zo de spreiding.
2008-11-10 16:59:13 [Nathalie Boden] [reply] 
We kunnen hierbij zeggen dat de r-code goed is aangepast maar dat verdere uitleg hier wel ontbreekt. Zo kunnen we bijvoorbeeld zeggen dat een logaritme van een negatief getal hier niet kan en dat we hier op moeten letten voor bijvoorbeeld andere tijdreeksen. Via de aanpassing van de code wordt ervoor gezorgd dat grote schommelingen in de datareeks worden afgevlakt en dat de kleine schommelingen in de datareeks groter worden. Zo komen outliers veel maar naar het gemiddelde. Je gaat met andere woorden de spreiding verkleinen/aanpassen.
2008-11-11 13:21:59 [Bonifer Spillemaeckers] [reply] 
De student maakt hier een goede reproductie, maar er wordt geen conclusie getrokken. De juiste conclusie wordt hier prima verwoord door de andere studenten.
2008-11-11 15:19:48 [Bart Haemels] [reply] 
Correcte reproductie Maak je hier. De grote getallen worden door het gebruik v logaritmes afgezwakt en de kleine getallen worden uitgerokken. Dit heeft als gevolg dat de outliers hier niet meer zozeer parten spelen en ze niet meer zo ver boven de andere getallen gaan uitsteken.

Je had er wel moeten bij vermelden dat indien je een negatief getallen gebruikt je hier niet het logaritme van kan nemen. Hier moet je mee opletten bij andere tijdreeksen.
2008-11-12 11:33:57 [Nilay Erdogdu] [reply] 
De berekening is juist, maar ze geeft geen uitleg.

Het logaritmen zorgen ervoor dat de grote getallen veel kleiner worden. Hierdoor worden de grote schommelingen afgevlakt, terwijl de kleine getallen groter worden.
De outliers komen dichter naar het gemiddelde toe en verkleinen zo de spreiding.

Post a new message

Dataset

Dataseries X:
Download CSV
Histogram
Boxplots 
110.40	109.20	99.90	72.50
96.40	88.60	99.80	59.40
101.90	94.30	99.80	85.70
106.20	98.30	100.30	88.20
81.00	86.40	99.90	62.80
94.70	80.60	99.90	87.00
101.00	104.10	100.00	79.20
109.40	108.20	100.10	112.00
102.30	93.40	100.10	79.20
90.70	71.90	100.20	132.10
96.20	94.10	100.30	40.10
96.10	94.90	100.60	69.00
106.00	96.40	100.00	59.40
103.10	91.10	100.10	73.80
102.00	84.40	100.20	57.40
104.70	86.40	100.00	81.10
86.00	88.00	100.10	46.60
92.10	75.10	100.10	41.40
106.90	109.70	100.10	71.20
112.60	103.00	100.50	67.90
101.70	82.10	100.50	72.00
92.00	68.00	100.50	145.50
97.40	96.40	96.30	39.70
97.00	94.30	96.30	51.90
105.40	90.00	96.80	73.70
102.70	88.00	96.80	70.90
98.10	76.10	96.90	60.80
104.50	82.50	96.80	61.00
87.40	81.40	96.80	54.50
89.90	66.50	96.80	39.10
109.80	97.20	96.80	66.60
111.70	94.10	97.00	58.50
98.60	80.70	97.00	59.80
96.90	70.50	97.00	80.90
95.10	87.80	96.80	37.30
97.00	89.50	96.90	44.60
112.70	99.60	97.20	48.70
102.90	84.20	97.30	54.00
97.40	75.10	97.30	49.50
111.40	92.00	97.20	61.60
87.40	80.80	97.30	35.00
96.80	73.10	97.30	35.70
114.10	99.80	97.30	51.30
110.30	90.00	97.30	49.00
103.90	83.10	97.30	41.50
101.60	72.40	97.30	72.50
94.60	78.80	98.10	42.10
95.90	87.30	96.80	44.10
104.70	91.00	96.80	45.10
102.80	80.10	96.80	50.30
98.10	73.60	96.80	40.90
113.90	86.40	96.80	47.20
80.90	74.50	96.80	36.90
95.70	71.20	96.80	40.90
113.20	92.40	96.80	38.30
105.90	81.50	96.80	46.30
108.80	85.30	96.80	28.40
102.30	69.90	96.80	78.40
99.00	84.20	96.90	36.80
100.70	90.70	97.10	50.70
115.50	100.30	97.10	42.80

Tables (Output of Computation)





Summary of computational transaction
Raw Inputview raw input (R code)
Raw Outputview raw output of R engine
Computing time1 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 & 1 seconds \tabularnewline
R Server & 'Gwilym Jenkins' @ 72.249.127.135 \tabularnewline
\hline
\end{tabular}
%Source: https://freestatistics.org/blog/index.php?pk=19877&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]1 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=19877&T=0

Globally Unique Identifier (entire table): ba.freestatistics.org/blog/index.php?pk=19877&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 time1 seconds
R Server'Gwilym Jenkins' @ 72.249.127.135






Boxplot statistics
Variablelower whiskerlower hingemedianupper hingeupper whisker
totaal4.454347296253514.566429357671664.622027303054514.663439094112074.74927052996185
leer4.197201947661814.389498649512584.469350462845564.544358046591334.69774936728118
kledij4.567468318804084.572646994282534.577798989191964.605170185988094.61115225766564
investeringen3.346389145167163.756538102587753.99820070166924.276666119016064.98017608661155

\begin{tabular}{lllllllll}
\hline
Boxplot statistics \tabularnewline
Variable & lower whisker & lower hinge & median & upper hinge & upper whisker \tabularnewline
totaal & 4.45434729625351 & 4.56642935767166 & 4.62202730305451 & 4.66343909411207 & 4.74927052996185 \tabularnewline
leer & 4.19720194766181 & 4.38949864951258 & 4.46935046284556 & 4.54435804659133 & 4.69774936728118 \tabularnewline
kledij & 4.56746831880408 & 4.57264699428253 & 4.57779898919196 & 4.60517018598809 & 4.61115225766564 \tabularnewline
investeringen & 3.34638914516716 & 3.75653810258775 & 3.9982007016692 & 4.27666611901606 & 4.98017608661155 \tabularnewline
\hline
\end{tabular}
%Source: https://freestatistics.org/blog/index.php?pk=19877&T=1

[TABLE]
[ROW][C]Boxplot statistics[/C][/ROW]
[ROW][C]Variable[/C][C]lower whisker[/C][C]lower hinge[/C][C]median[/C][C]upper hinge[/C][C]upper whisker[/C][/ROW]
[ROW][C]totaal[/C][C]4.45434729625351[/C][C]4.56642935767166[/C][C]4.62202730305451[/C][C]4.66343909411207[/C][C]4.74927052996185[/C][/ROW]
[ROW][C]leer[/C][C]4.19720194766181[/C][C]4.38949864951258[/C][C]4.46935046284556[/C][C]4.54435804659133[/C][C]4.69774936728118[/C][/ROW]
[ROW][C]kledij[/C][C]4.56746831880408[/C][C]4.57264699428253[/C][C]4.57779898919196[/C][C]4.60517018598809[/C][C]4.61115225766564[/C][/ROW]
[ROW][C]investeringen[/C][C]3.34638914516716[/C][C]3.75653810258775[/C][C]3.9982007016692[/C][C]4.27666611901606[/C][C]4.98017608661155[/C][/ROW]
[/TABLE]
Source: https://freestatistics.org/blog/index.php?pk=19877&T=1

Globally Unique Identifier (entire table): ba.freestatistics.org/blog/index.php?pk=19877&T=1

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


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

Boxplot statistics
Variablelower whiskerlower hingemedianupper hingeupper whisker
totaal4.454347296253514.566429357671664.622027303054514.663439094112074.74927052996185
leer4.197201947661814.389498649512584.469350462845564.544358046591334.69774936728118
kledij4.567468318804084.572646994282534.577798989191964.605170185988094.61115225766564
investeringen3.346389145167163.756538102587753.99820070166924.276666119016064.98017608661155






Boxplot Notches
Variablelower boundmedianupper bound
totaal4.602402401170954.622027303054514.64165220493808
leer4.438022674677764.469350462845564.50067825101336
kledij4.571219603765484.577798989191964.58437837461843
investeringen3.892979703614323.99820070166924.10342169972408

\begin{tabular}{lllllllll}
\hline
Boxplot Notches \tabularnewline
Variable & lower bound & median & upper bound \tabularnewline
totaal & 4.60240240117095 & 4.62202730305451 & 4.64165220493808 \tabularnewline
leer & 4.43802267467776 & 4.46935046284556 & 4.50067825101336 \tabularnewline
kledij & 4.57121960376548 & 4.57779898919196 & 4.58437837461843 \tabularnewline
investeringen & 3.89297970361432 & 3.9982007016692 & 4.10342169972408 \tabularnewline
\hline
\end{tabular}
%Source: https://freestatistics.org/blog/index.php?pk=19877&T=2

[TABLE]
[ROW][C]Boxplot Notches[/C][/ROW]
[ROW][C]Variable[/C][C]lower bound[/C][C]median[/C][C]upper bound[/C][/ROW]
[ROW][C]totaal[/C][C]4.60240240117095[/C][C]4.62202730305451[/C][C]4.64165220493808[/C][/ROW]
[ROW][C]leer[/C][C]4.43802267467776[/C][C]4.46935046284556[/C][C]4.50067825101336[/C][/ROW]
[ROW][C]kledij[/C][C]4.57121960376548[/C][C]4.57779898919196[/C][C]4.58437837461843[/C][/ROW]
[ROW][C]investeringen[/C][C]3.89297970361432[/C][C]3.9982007016692[/C][C]4.10342169972408[/C][/ROW]
[/TABLE]
Source: https://freestatistics.org/blog/index.php?pk=19877&T=2

Globally Unique Identifier (entire table): ba.freestatistics.org/blog/index.php?pk=19877&T=2

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


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

Boxplot Notches
Variablelower boundmedianupper bound
totaal4.602402401170954.622027303054514.64165220493808
leer4.438022674677764.469350462845564.50067825101336
kledij4.571219603765484.577798989191964.58437837461843
investeringen3.892979703614323.99820070166924.10342169972408


Figures (Output of Computation)

Input Parameters & R Code

Parameters (Session):
par1 = 500 ; par2 = 60 ;
Parameters (R input):
par1 = grey ;
R code (references can be found in the software module):
z <- as.data.frame(t(y))
bitmap(file='test1.png')
(r<-boxplot(log(z) ,xlab=xlab,ylab=ylab,main=main,notch=TRUE,col=par1))
dev.off()
load(file='createtable')
a<-table.start()
a<-table.row.start(a)
a<-table.element(a,hyperlink('overview.htm','Boxplot statistics','Boxplot overview'),6,TRUE)
a<-table.row.end(a)
a<-table.row.start(a)
a<-table.element(a,'Variable',1,TRUE)
a<-table.element(a,hyperlink('lower_whisker.htm','lower whisker','definition of lower whisker'),1,TRUE)
a<-table.element(a,hyperlink('lower_hinge.htm','lower hinge','definition of lower hinge'),1,TRUE)
a<-table.element(a,hyperlink('central_tendency.htm','median','definitions about measures of central tendency'),1,TRUE)
a<-table.element(a,hyperlink('upper_hinge.htm','upper hinge','definition of upper hinge'),1,TRUE)
a<-table.element(a,hyperlink('upper_whisker.htm','upper whisker','definition of upper whisker'),1,TRUE)
a<-table.row.end(a)
for (i in 1:length(y[,1]))
{
a<-table.row.start(a)
a<-table.element(a,dimnames(t(x))[[2]][i],1,TRUE)
for (j in 1:5)
{
a<-table.element(a,r$stats[j,i])
}
a<-table.row.end(a)
}
a<-table.end(a)
table.save(a,file='mytable.tab')
a<-table.start()
a<-table.row.start(a)
a<-table.element(a,'Boxplot Notches',4,TRUE)
a<-table.row.end(a)
a<-table.row.start(a)
a<-table.element(a,'Variable',1,TRUE)
a<-table.element(a,'lower bound',1,TRUE)
a<-table.element(a,'median',1,TRUE)
a<-table.element(a,'upper bound',1,TRUE)
a<-table.row.end(a)
for (i in 1:length(y[,1]))
{
a<-table.row.start(a)
a<-table.element(a,dimnames(t(x))[[2]][i],1,TRUE)
a<-table.element(a,r$conf[1,i])
a<-table.element(a,r$stats[3,i])
a<-table.element(a,r$conf[2,i])
a<-table.row.end(a)
}
a<-table.end(a)
table.save(a,file='mytable1.tab')