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 10:31:51 -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/t1225647137f24a9xxieq9l7zp.htm/, Retrieved Sun, 19 May 2024 10:50:49 +0000
Statistical Computations at FreeStatistics.org, Office for Research Development and Education, URL https://freestatistics.org/blog/index.php?pk=20664, Retrieved Sun, 19 May 2024 10:50:49 +0000
QR Codes:

Original text written by user:
IsPrivate?No (this computation is public)
User-defined keywords
Estimated Impact184

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] [Q2 en Q3 mean plot] [2008-11-02 17:31:51] [35348cd8592af0baf5f138bd59921307] [Current]
-   P       [Mean Plot] [Verbetering] [2008-11-08 14:51:30] [79c17183721a40a589db5f9f561947d8]
-   P       [Mean Plot] [Q2] [2008-11-09 12:43:31] [4ad596f10399a71ad29b7d76e6ab90ac]
-   P       [Mean Plot] [Q2 en Q3 Mean plot] [2008-11-10 14:27:45] [7d3039e6253bb5fb3b26df1537d500b4]
Feedback Forum
2008-11-08 14:54:09 [Steven Hulsmans] [reply] 
We kunnen de seizoenaliteit enkel analyseren als we aflezen op 12 maanden. Zie via volgende link de analyse op 12 maanden.
http://www.freestatistics.org/blog/date/2008/Nov/08/t1226155937xl6n88tv6vpmw84.htm

we zien hier duidelijk op dat er in de 7e maand een grote piek merkbaar is. Hierdoor kunnen we afleiden dat er rond deze periode een grote stijging plaatsvindt elk jaar, wat kan wijzen op seizoenaliteit.
2008-11-09 12:47:23 [Roland Feldman] [reply] 
Als we het op 12 zetten ipv 60 kunnen we duidelijker zien dat hier sprake is van seizoenaliteit.

zie link: http://www.freestatistics.org/blog/index.php?v=date/2008/Nov/09/t12262346487ap6iydg346942d.htm

Gemiddelde augustus is helmaal anders dan gemiddelde september.
2008-11-09 12:50:44 [Roland Feldman] [reply] 
Q3: aAls men gebruik maakt van de boxplot. Ziet men duidelijk dat er een dalend verloop is tussen jaar 1 en jaar 5.
Of het significant lager ligt kunnen we niet zeggen omdat dit een randgeval is.

Link: http://www.freestatistics.org/blog/index.php?v=date/2008/Nov/09/t12262346487ap6iydg346942d.htm
2008-11-10 14:32:07 [Stéphanie Claes] [reply] 
Het klopt inderdaad dat ik de blockwidth niet had mogen aanpassen omdat je dan de seizonaliteit niet goed meer kan zien.
Als we het op 12 laten staan dan vergelijkt de calculator de waarden van de overeenstemmende maanden.
In dit geval begint de dataset bij maart dus 1 komt overeen met de maand maart (voor alle jaren), daar wordt vervolgens een gemiddelde voor berekend = periodiek gemiddelde.
Zoals eerder al werd gezegd is het gemiddelde van augustus helemaal anders dan het gemiddelde van september (voor mean, median en midrange).
Als we dan ook naar de grafiek van de box plot (periodic subseries) gaan kijken dan zien we ook daar een significant verschil tussen augustus en september => er is dus duidelijk sprake van seizonaliteit.

http://www.freestatistics.org/blog/index.php?v=date/2008/Nov/10/t1226327314f7fgt18foa6zh73.htm (blockwidth = 12)
2008-11-10 14:41:32 [Stéphanie Claes] [reply] 
Q3: Ook hier moest de blockwidth ongewijzigd blijven.
Ik heb naar de mean plot gekeken maar de notched boxplot (sequential blocks) is duidelijker. Zoals hiervoor gezegd wordt is er een duidelijke daling van het 5de jaar ten opzichte van het eerste jaar en ik zou toch ook wel durven zeggen dat deze daling bijna significant is. Als het vijfde jaar eruit zou vallen dan zou de daling niet meer significant zijn.
2008-11-10 16:32:48 [Nathalie Boden] [reply] 
2008-11-10 16:39:08 [Nathalie Boden] [reply] 
Hier is het best dat er in plaats van 60 een blockwidth van 12 wordt genomen want zo kan je wel een seizonaliteit aflezen wat met een blockwidth van 60 niet kan. Het juiste resultaat vind u terug onder de volgende link
http://www.freestatistics.org/blog/index.php?v=date/2008/Nov/09/t1226233732xbbshe1aov9ts7o.htm/

Zo vinden we op de grafiek van bv. de mean plot op de y-as onder andere het gemiddelde terug en op de x-as het aantal maanden. De eerste observatie is de eerste maand van onze dataset. Om de 12 maanden gaan we het gemiddelde nemen van deze maanden wat we het periodieke gemiddelde noemen. Zo zien we bijvoorbeeld dat van maand 6 naar maand 7 de lijn van de grafiek heel stijl naar boven gaat. We kunnen dus wel duidelijk zeggen dat er sprake is van seizonaliteit (bv. de koopjesperioden) In de periodic subsidiaries (grafiek) zien we de spreiding van de verschillende observaties. We zien dat er een significant verschil is met andere woorden er is een grote spreiding van de gegevens.
2008-11-10 16:47:48 [Nathalie Boden] [reply] 
Bij q3 nemen dus ook een andere blockwidth van 12 omdat we zo wel onder andere seizonaliteit kunnen bepalen. Het resultaat vinden we terug onder de volgende link
http://www.freestatistics.org/blog/index.php?v=date/2008/Oct/30/t12253808199xh0lh9jaukr4w9.htm

We kijken hier niet enkel naar de mean plot maar ook naar sequential blocks. Zo worden de boxplots van jaar tot jaar genomen. Zo zien we bijvoorbeeld dat we in het 6de jaar nog niet over alle gegevens beschikken. We zien dat de waarden ook elk jaar lager komen te liggen en dat de boxplots naar beneden gaan. Als we kijken van het 1ste naar het 2de jaar kunnen we zeggen dat de notches onder mekaar komen. We spreken hier eerder van een toevalligheid met andere woorden er is geen sprake van een significant verschil. Als we kijken van het 1ste naar het 5de jaar spreken we van een twijfelgeval. We kunnen hier zeggen dat het juist wel of niet significant is. Dit is visueel zeer moeilijk te zien.

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 time3 seconds
R Server'Sir Ronald Aylmer Fisher' @ 193.190.124.24

\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 & 3 seconds \tabularnewline
R Server & 'Sir Ronald Aylmer Fisher' @ 193.190.124.24 \tabularnewline
\hline
\end{tabular}
%Source: https://freestatistics.org/blog/index.php?pk=20664&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]3 seconds[/C][/ROW]
[ROW][C]R Server[/C][C]'Sir Ronald Aylmer Fisher' @ 193.190.124.24[/C][/ROW]
[/TABLE]
Source: https://freestatistics.org/blog/index.php?pk=20664&T=0

Globally Unique Identifier (entire table): ba.freestatistics.org/blog/index.php?pk=20664&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 time3 seconds
R Server'Sir Ronald Aylmer Fisher' @ 193.190.124.24


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()