FreeStatistics.org

Free Statistics

of Irreproducible Research!

Description of Statistical Computation

Author's title

Author*Unverified author*
R Software Modulerwasp_meanplot.wasp
Title produced by softwareMean Plot
Date of computationSat, 01 Nov 2008 11:39:06 -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/Nov/01/t1225561181r9n64034kza3kye.htm/, Retrieved Sun, 19 May 2024 12:01:40 +0000
Statistical Computations at FreeStatistics.org, Office for Research Development and Education, URL https://freestatistics.org/blog/index.php?pk=20450, Retrieved Sun, 19 May 2024 12:01:40 +0000
QR Codes:

Original text written by user:
IsPrivate?No (this computation is public)
User-defined keywords
Estimated Impact209

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] [WS3 Q2] [2008-11-01 17:39:06] [d41d8cd98f00b204e9800998ecf8427e] [Current]
F    D      [Mean Plot] [P1 Q2] [2008-11-03 21:41:13] [547636b63517c1c2916a747d66b36ebf]
F    D      [Mean Plot] [P1 Q3] [2008-11-03 21:43:29] [547636b63517c1c2916a747d66b36ebf]
Feedback Forum
2008-11-07 13:27:34 [Siem Van Opstal] [reply] 
Correcte conclusie
  2008-11-07 13:28:50 [Siem Van Opstal] [reply] 
Bij de sequential blocks zie je dat de mediaan wat schommelt maar ze vallen voor ieder jaar nog in elkaars betrouwbaarheidsinterval. de schommelingen zijn niet significant en zijn dus aan het toeval te wijten. Enkel bij jaar 1 en 5 is het een randgeval.
2008-11-07 15:11:21 [Sofie Vanbrabant] [reply] 
Q2: Er is zeker sprake van seizoenaliteit in deze datareeks. Aangezien het eerste maand staat voor de maand maart kunnen we stellen dat er tussen de maand augustus (6) en september (7) een duidelijk verschil is ( zie box plots: vallen niet in elkaars betrouwbaarheidsinterval). Dit geldt ook voor maand november en december.
  2008-11-10 22:16:32 [Nilay Erdogdu] [reply] 
ik ben het eens met de conclusie van de student. Wanneer het betrouwbaareidsinterval groter is dan het 3de quartiel, dan hebben we te maken met een enorme spreiding. Daarom die armpjes van de boxplot. Het is ook belangrijk om te weten dat we bij de berekening de blockwith moeten instellen op 12, deze staan voor de 12 maanden.

2008-11-07 15:14:21 [Sofie Vanbrabant] [reply] 
Bij Q3 kunnen we inderdaad stellen dat de mediaan daalt. Toch kunnen we niet spreken van een significante daling tussen de verschillende jaren. Enkel de mediaan van jaar 1 tov jaar 5 is een twijfelgeval.
  2008-11-10 22:19:40 [Nilay Erdogdu] [reply] 
conclusie van student is juist. Wanneer we naar het zesde jaar kijken, zien we een eigenlijk een halve boxplot, omdat we in het 6de jaar een aantal maanden hebben.
2008-11-08 15:24:13 [Kim Huysmans] [reply] 
Q2: Het klopt dat we hier kunnen spreken van seizonaliteit. Als we naar de Mean Plot kijken kunnen we besluiten dat de seizoenaliteit effect heeft op de kledingproductie. Op de x-as van de Mean Plot lezen we de maanden af. We zien duidelijk dat het gemiddelde van augustus veel hoger ligt dan is het gemiddelde van september. Op de noched box plots (augustus -september)kunnen we vaststellen dat de betrouwbaarheidsintervallen elkaar niet overlappen. We kunnen dus besluiten dat er een significant verschil is en dat seizoenaliteit geen toeval is.
2008-11-09 16:42:39 [Kevin Engels] [reply] 
De conclusie van de student klopt helemaal. Op de meanplot vertegenwoordigt het eerste punt het gemiddelde van alle gegevens van de maand maart in 2002, 2003,... het volgende punt dat gemiddelde van van april 2002, 2003,... Het geeft dus een periodiek gemiddelde weer.

Hij heeft gelijk daar hij zegt dat de seizonaliteit wel degelijk een effect heeft op de productie. Op de notched boxplot - periodic subseries zien we de notches die hier zeer groot zijn en die elkaar soms overlappen. We zien enkele significante verschillen: bijvoorbeeld tussen de maanden augustus en september (punt 6 en 7) wat duidt op seizonaliteit.
2008-11-09 16:46:37 [Kevin Engels] [reply] 
Bij Q3 geeft student het correcte antwoord. Ipv de mean plot kan men beter zoals de student doet de 'notched boxplot - sequential blocks' gebruiken om aan te tonen of de kledingproductie gedaald is de voorbije jaren. We gaan deze dus jaar per jaar bekijken.
De mediaan daalt duidelijk. Is het significant lager? De eerste 4 notches overlappen elkaar, maar de 5e is een twijfelgeval. Als blok 5 eruit zou vallen, is het niet meer significant.

2008-11-11 11:38:01 [Elias Van Deun] [reply] 
Q3: Het antwoord van de student is correct, er is een dalende trend aanwezig. Dan kan men zich afvragen: is deze daling significant? Voor jaar 1 tot en met jaar 4 zeker niet. Maar als we jaar 1 ten opzichte van jaar 5 bekijken, is er wel een groot verschil aanwezig. Of deze al dan niet significant is, is een twijfelgeval.
2008-11-11 12:54:47 [Bernard Femont] [reply] 
Q2: Er is duidelijk sprake van seizoenaliteit in deze datareeks. Zo zien we bij maand augustus maand 6 en september maand 7 een duidelijk verschil. (begin maand 1 = maart)Hier vallen de box plots niet in elkaar hun betrouwbaarheidsinterval. Ook in december en november kunnen we dit waarnemen.
2008-11-11 13:02:04 [Bernard Femont] [reply] 
Q3: Met de notched boxplot kan er ipv de mean plot sequential blocks gaan definieren voor een verloop te achterhalen. Deze mediaan daald! Er moet wel gekeken worden of dit al dan niet significant is. Zoals te zien komen de inkepingslijnen van de eerste 4 boxen overeen of overlappen. Enkel met de 5de box erbij kan men vragen overstellen en zou eventueel verder onderzoek meer moeten verduidelijken.
2008-11-11 22:39:48 [Joachim Van Hemelen] [reply] 
De student geeft een correct antwoord.

De notched boxplots-periodic subseries bevestigd het vermoeden van seizoenaliteit, dat werd opgemekt bij het interpreteren van de mean plot. Er is duidelijk sprake van seizoenaliteit.

Maand 3 ligt significant lager dan maand 2.
Maand 6 ligt significant lager dan maand 5.
Maand 7 ligt significant hoger dan maand 6.
Maand 10 ligt significant lager dan maand 9 en maand 11.
2008-11-11 22:42:47 [Joachim Van Hemelen] [reply] 
Q3: De student antwoord onvolledig

Om het verloop van de dataset over de jaren heen te bekijken, gaan we kijken naar de grafiek van de sequential blocks. We zien dat de mediaan hier telkens daalt. We kunnen ook zien dat de inkepingen van de boxplots (=betrouwbaarheidsintervallen) elkaar overlappen. Dit kunnen we toeschrijven aan het toeval. We kunnen dus stellen dat de mediaan steeds daalt, maar dit is niet significant. Enkel over het 1ste jaar tov het 5de jaar kan er twijfel bestaan, doordat de lower bound van jaar 1 net wel of net niet grenst aan de upper bound van Jaar 5.
2008-11-12 11:28:41 [Toon Nauwelaerts] [reply] 
Q2: Er is een duidelijk significant verschil tussen maart en september. Dit wijst duidelijk op seizonaliteit.

Q3: Als je het verloop over de jaren henn bekijkt dan kan je bij de eerste jaren de verschillen nog toewijzen aan toevalligheden maar als je het eerste jaar vergelijkt ten opzichte van het vijfde dan zie je duidelijk een twijfel. Deze twijfel is echter niet sterk genoeg om significant te worden genoemd.
2008-11-12 11:56:17 [Mehmet Yilmaz] [reply] 
Correcte reproductie en conclusie.

Als we naar de Mean Plot kijken kunnen we besluiten dat de seizoenaliteit effect heeft op de kledingproductie.
Zo zien we bij maand augustus maand 6 en september maand 7 een duidelijk verschil. (begin maand 1 = maart)
Hier vallen de box plots niet in elkaars betrouwbaarheidsinterval. Ook in december en november kunnen we dit waarnemen.
2008-11-12 11:59:13 [Mehmet Yilmaz] [reply] 
Q3: Correcte antwoord

De mediaan is in een dalende trend. De inkepingen van de boxplots (=betrouwbaarheidsintervallen) overlappen elkaar ---> toeval.
We kunnen dus stellen dat de mediaan steeds daalt, maar dit is niet significant. Men kan enkel een twijfel hebben als men jaar 1 vergelijkt tov jaar 5.

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 time5 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 & 5 seconds \tabularnewline
R Server & 'George Udny Yule' @ 72.249.76.132 \tabularnewline
\hline
\end{tabular}
%Source: https://freestatistics.org/blog/index.php?pk=20450&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]5 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=20450&T=0

Globally Unique Identifier (entire table): ba.freestatistics.org/blog/index.php?pk=20450&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 time5 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()