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 computationSun, 02 Nov 2008 01:55:25 -0700
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/02/t1225616179lqn56c1wsbhfolh.htm/, Retrieved Sun, 19 May 2024 12:01:33 +0000
Statistical Computations at FreeStatistics.org, Office for Research Development and Education, URL https://freestatistics.org/blog/index.php?pk=20472, Retrieved Sun, 19 May 2024 12:01:33 +0000
QR Codes:

Original text written by user:
IsPrivate?No (this computation is public)
User-defined keywords
Estimated Impact189

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] [Q2: seasonality] [2008-11-02 08:55:25] [54ae75b68e6a45c6d55fa4235827d5b3] [Current]
F R P       [Mean Plot] [Task 4: Q2] [2008-11-02 10:46:31] [4396f984ebeab43316cd6baa88a4fd40]
- R P       [Mean Plot] [Task 4: Q3] [2008-11-02 10:48:51] [4396f984ebeab43316cd6baa88a4fd40]
F   PD      [Mean Plot] [Task 5] [2008-11-02 12:30:55] [4396f984ebeab43316cd6baa88a4fd40]
F RMPD      [Kendall tau Correlation Matrix] [Q1 deel 2 Kendall...] [2008-11-02 13:14:28] [4396f984ebeab43316cd6baa88a4fd40]
F   PD        [Kendall tau Correlation Matrix] [Harrell - Davis Q...] [2008-11-03 17:37:45] [b943bd7078334192ff8343563ee31113]
-   P         [Kendall tau Correlation Matrix] [Kendall - Tau Co...] [2008-11-11 10:42:41] [82d201ca7b4e7cd2c6f885d29b5b6937]
Feedback Forum
2008-11-05 15:43:05 [Ken Van den Heuvel] [reply] 
Inderdaad, het gemiddelde in 6 en 11 ligt schiet telkens de hoogte in. De corresponderende maanden bij deze data zijn dus van belang bij seizoenaliteit.

Je had nog mogelijksverder een verklaring hiervoor kunnen zoeken. Data 6 komt ongeveer overeen met het begin van de zomer, de periode waarin mensen volop zomerkledij aankopen. M.a.w. de productie komt hier op gang om in de behoeften van de mensen te voorzien. Deze trend zet zich dan voort tot augustus om vervolgens weer af te bouwen (logisch, zomer loopt op zijn einde, mensen zullen minder geneigd zijn zomerkledij te kopen, productie volgt deze tendens en daalt. Ongeveer hetzelfde fenomeen doet zich voor in oktober, maar dan ditmaal omwille van de winter en de bijhorende winterkledij.

Het gemiddelde van de productie ligt dus hoger in deze periodes, wat we kunnen afleiden uit het stijgende verloop op de grafiek, waardoor we inderdaad kunnen stellen dat seizoenaliteit een effect heeft op de kledijproductie.

Hetzelfde vinden we terug bij Periodic subseries waar de betrouwbaarheidsintervallen bij de boxes van 6 en 10 duidelijk buiten deze van hun voorgangers liggen.
2008-11-05 15:48:18 [Ken Van den Heuvel] [reply] 
Q3: De upperbound van jaar 5 ligt nog net binnen de lower bound van jaar 1. We kunnen dus niet echt spreken van een significante daling, het is eerder een rand geval (er is wel een daling, doch niet significant).

2008-11-08 10:54:43 [Astrid Sniekers] [reply] 
Q2:
Ik heb gelijk als ik zeg dat er seizoenaliteit is, maar mijn 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, november en december helemaal anders is als het gemiddelde van respectievelijk september, december en januari. 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 augustus, november en december en respectievelijk september, december en januari, want als we de lijnen van de betrouwbaarheidsintervallen doortrekken overlappen deze elkaar helemaal niet. We kunnen dus besluiten dat er een significant verschil is en dat seizoenaliteit dus niet toevallig is.
2008-11-08 10:56:59 [Astrid Sniekers] [reply] 
Q3:
Het antwoord 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.)
2008-11-11 15:16:02 [Ellen Smolders] [reply] 
Q2: Juiste berekening en juist antwoord maar niet volledig.

Elke observatie op het mean plot is het gemiddelde van 12 maanden voor die specifieke maand, zo krijgen we een visuele voorstelling van periodieke gemiddelden. We kunnen zien dat het gemiddelde van augustus hard verschilt met het gemiddelde van september, dit is een significant verschil, dit verscil kunnen we zien op zowel op de mean plot als op de notched box plots. Er doet zich ook een verschil voor in maart en april, maar dit is niet significant.

2008-11-11 15:18:48 [Ellen Smolders] [reply] 
Q3: De student heeft de vraag juist beantwoord. Uit het mean plot kunnen we afleiden dat de mediaan van KP daalt tegenover het basisjaar 100, dit is geen significante daling. Het verschil tussen maand 1, 2 en 3 kan te wijten zijn aan toevalligheid, deze zitten meestal nog in elkaars betrouwbaarheidsinterval. Het verschil tussen maand 1 en 5 is een randgeval doordat de upperbound van jaar 5 nog net binnen de lower bound van jaar 1 ligt. We kunnen besluiten dat de mediaan daalt maar dat dit niet significant 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'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=20472&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=20472&T=0

Globally Unique Identifier (entire table): ba.freestatistics.org/blog/index.php?pk=20472&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 = 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()