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 06:37:17 -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/t1225633086h2i70kvg05o8ctk.htm/, Retrieved Sun, 19 May 2024 10:04:47 +0000
Statistical Computations at FreeStatistics.org, Office for Research Development and Education, URL https://freestatistics.org/blog/index.php?pk=20555, Retrieved Sun, 19 May 2024 10:04:47 +0000
QR Codes:

Original text written by user:
IsPrivate?No (this computation is public)
User-defined keywords
Estimated Impact187

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] [Hypothesis Testin...] [2008-10-30 12:52:34] [38f43994ada0e6172896e12525dcc585]
F           [Mean Plot] [Hypothesis Testin...] [2008-11-02 13:37:17] [382e90e66f02be5ed86892bdc1574692] [Current]
F    D        [Mean Plot] [Mean plot Belgisc...] [2008-11-02 22:57:16] [d32f94eec6fe2d8c421bd223368a5ced]
Feedback Forum
2008-11-10 09:34:35 [Steffi Van Isveldt] [reply] 
We merken hier zoals gezegd dat de productie van kledij seizoensgebonden is. Het lijkt me ook logisch dat de productie van kledij fel stijgt in de periode voor het uitkomen van de nieuwe collectie bijvoorbeeld.
2008-11-10 14:00:40 [Michael Van Spaandonck] [reply] 
Er is sprake van een expliciete locatiewijziging na de maanden juni (6) en oktober (10). Dit wijst hoogstwaarschijnlijk op seizoensinvloeden, zoals gezged in bijhorend document.
De notched box plots bevestigen deze vasttelling.
2008-11-11 09:29:30 [Tim Damen] [reply] 
Je ziet aan de mean plot duidelijk dat de productie zeer laag ligt net voor en net na de zomermaanden. Tijdens juli en augustus ligt de productie zeer hoog. Dit geeft duidelijk aan dat de productie seizoensgebonden is.

Aan de notched blox plots kunnen we dit ook waarnemen omdat net voor juli en net na augustus (met uitzondering van september) de box plots veel lager liggen en dus verder uit elkaar.
2008-11-11 17:49:39 [Evelien Blockx] [reply] 
Als ik de mean plot in zijn geheel bekijk, valt bijvoorbeeld op dat er een erg groot verschil is tussen het gemiddelde van augustus (6de puntje) en het gemiddelde van september (7de puntje). (Dit is trouwens ook zo op de mediaan- en mid-range plot.)
(!)De tijdreeks start in maart.

Ook hier kan je op de notched boxplot ook weer gaan kijken of er een echt significant verschil is tussen september en augustus. Het betrouwbaarheidsinterval van het figuurtje van augustus overlapt helemaal niet het betrouwbaarheidsinterval van het figuurtje van september. Het verschil is dus significant. Bovendien zijn er meerdere significante verschillen, zoals november-december, december-januari…

Er is dus seizoenaliteit.

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=20555&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=20555&T=0

Globally Unique Identifier (entire table): ba.freestatistics.org/blog/index.php?pk=20555&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 ; par2 = ; par3 = ; par4 = ; par5 = ; par6 = ; par7 = ; par8 = ; par9 = ; par10 = ; par11 = ; par12 = ; par13 = ; par14 = ; par15 = ; par16 = ; par17 = ; par18 = ; par19 = ; par20 = ;
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()