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 computationMon, 03 Nov 2008 03:27:08 -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/03/t1225708119g7cri48rptd9g9k.htm/, Retrieved Sun, 19 May 2024 10:22:01 +0000
Statistical Computations at FreeStatistics.org, Office for Research Development and Education, URL https://freestatistics.org/blog/index.php?pk=20795, Retrieved Sun, 19 May 2024 10:22:01 +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     [Notched Boxplots] [workshop 3] [2007-10-26 13:31:48] [e9ffc5de6f8a7be62f22b142b5b6b1a8]
F    D    [Notched Boxplots] [Taak 1] [2008-11-03 10:27:08] [63302faa1e3976bf98d1de42298c0b24] [Current]
F           [Notched Boxplots] [Q1] [2008-11-03 20:06:48] [5faef9c71125a233e2c8b38f64296883]
Feedback Forum
2008-11-07 18:58:22 [a3bd64f7d45ff4aaf16467137b923bbb] [reply] 
Q1: De midiaan van de kledingproductie ligt significant lager dan de mediaan van de industriele productie.
Q2: De gemiddelde van augustus is helemaal anders dan de gemiddelde van september er is sezonaliteit
Q3:Als we het 5de jaar vergelijken tegen over het 1ste jaar is er een dalend verloop te zien voor de kledingproductie. Of die daling significant is kan men niet zeggen omdat men hier zit met een randgeval.
Q4:Men moet hier naar de bootstrap simulation: central tendency kijken. Men kan de midrange gebruiken omdat daar de variantie het kleinst is maar er zijn veel outliers.
2008-11-08 17:19:37 [Niels Herremans] [reply] 
Q1: Hier ga je inderdaad de notched boxplots van totale productie en van kleding productie met elkaar vergelijken. Je kan dan zien dat de totale productie van kleding licht is gestegen tov het basisjaar, mediaan ligt boven 100. Voor kleding productie kan je zien dat de mediaan lager is dan het basisjaar, de mediaan is lager dan 100. Als je dan vervolgens ook gaat kijken naar de 'inkepingen' dan zie je dat de inkepingen bij de kleding productie veel lager liggen dan de inkepingen bij totale productie. Deze inkepingen zijn het betrouwbaarheidsinterval. Dus je kan hier zeggen dat de mediaan van kleding productie significant onder de totale productie (geen toeval).

Q3: Als je bij de grafiek van de notched boxplots van de kleding productie gaat kijken dan zie je dat de notched boxplots van elk jaar in elkaars betrouwbaarheidsinterval liggen dus het is is niet significant lager. Als je de boxplot van het 1ste jaar gaat vergelijken met die van het laatste jaar kan je eventueel wel spreken van een duidelijk afname. De notched boxplots liggen net niet (randgeval) in elkaars betrouwbaarheidsinteval. Dus kan je best de term 'significant'lager niet gebruiken.

Q4: Hier maakt men gebruik van de bootstrap simulation. Hoe groter de spreiding is hoe minder nauwkeurig. Ik zou hier opteren voor mean.
2008-11-10 21:37:40 [Chi-Kwong Man] [reply] 
1: Hier kan men zien dat de mediaan van kledingproductie lager ligt dan totale productie, maar is dat wel zo? Dit wordt nogmaals visueel bevestigd als men op de grafiek kijkt. Het ligt inderdaad significant lager dan totale productie.

2: Er is seizoenaliteit aanwezig, het gemiddelde van augustus is totaal anders dan september. De blockwidth moet op 12 staan om het goed te zien, dus niet op 36.

3: Op de notched boxplot kan men zien dat er een verschil is tussen jaar 1 en jaar 5.

Q4: Hier maakt men gebruik van de bootstrap simulation (500 random gemiddeldes worden genomen van de dataset). De uiterst rechtse figuur van de bootstrap simulatie is een gemiddelde met grote betrouwbaarheid en kleine spreiding, maar als je gemiddelde er buiten zit, zit je totaal verkeerd, dus misschien 1ste of 2de figuur kiezen.

Post a new message

Dataset

Dataseries X:
Download CSV
Histogram
Boxplots 
110,40	109,20
96,40	88,60
101,90	94,30
106,20	98,30
81,00	86,40
94,70	80,60
101,00	104,10
109,40	108,20
102,30	93,40
90,70	71,90
96,20	94,10
96,10	94,90
106,00	96,40
103,10	91,10
102,00	84,40
104,70	86,40
86,00	88,00
92,10	75,10
106,90	109,70
112,60	103,00
101,70	82,10
92,00	68,00
97,40	96,40
97,00	94,30
105,40	90,00
102,70	88,00
98,10	76,10
104,50	82,50
87,40	81,40
89,90	66,50
109,80	97,20
111,70	94,10
98,60	80,70
96,90	70,50
95,10	87,80
97,00	89,50
112,70	99,60
102,90	84,20
97,40	75,10
111,40	92,00
87,40	80,80
96,80	73,10
114,10	99,80
110,30	90,00
103,90	83,10
101,60	72,40
94,60	78,80
95,90	87,30
104,70	91,00
102,80	80,10
98,10	73,60
113,90	86,40
80,90	74,50
95,70	71,20
113,20	92,40
105,90	81,50
108,80	85,30
102,30	69,90
99,00	84,20
100,70	90,70
115,50	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=20795&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=20795&T=0

Globally Unique Identifier (entire table): ba.freestatistics.org/blog/index.php?pk=20795&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






Boxplot statistics
Variablelower whiskerlower hingemedianupper hingeupper whisker
X18696.2101.7106115.5
X266.580.687.394.1109.7

\begin{tabular}{lllllllll}
\hline
Boxplot statistics \tabularnewline
Variable & lower whisker & lower hinge & median & upper hinge & upper whisker \tabularnewline
X1 & 86 & 96.2 & 101.7 & 106 & 115.5 \tabularnewline
X2 & 66.5 & 80.6 & 87.3 & 94.1 & 109.7 \tabularnewline
\hline
\end{tabular}
%Source: https://freestatistics.org/blog/index.php?pk=20795&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]X1[/C][C]86[/C][C]96.2[/C][C]101.7[/C][C]106[/C][C]115.5[/C][/ROW]
[ROW][C]X2[/C][C]66.5[/C][C]80.6[/C][C]87.3[/C][C]94.1[/C][C]109.7[/C][/ROW]
[/TABLE]
Source: https://freestatistics.org/blog/index.php?pk=20795&T=1

Globally Unique Identifier (entire table): ba.freestatistics.org/blog/index.php?pk=20795&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
X18696.2101.7106115.5
X266.580.687.394.1109.7






Boxplot Notches
Variablelower boundmedianupper bound
X199.717476951119101.7103.682523048881
X284.568973351031387.390.0310266489687

\begin{tabular}{lllllllll}
\hline
Boxplot Notches \tabularnewline
Variable & lower bound & median & upper bound \tabularnewline
X1 & 99.717476951119 & 101.7 & 103.682523048881 \tabularnewline
X2 & 84.5689733510313 & 87.3 & 90.0310266489687 \tabularnewline
\hline
\end{tabular}
%Source: https://freestatistics.org/blog/index.php?pk=20795&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]X1[/C][C]99.717476951119[/C][C]101.7[/C][C]103.682523048881[/C][/ROW]
[ROW][C]X2[/C][C]84.5689733510313[/C][C]87.3[/C][C]90.0310266489687[/C][/ROW]
[/TABLE]
Source: https://freestatistics.org/blog/index.php?pk=20795&T=2

Globally Unique Identifier (entire table): ba.freestatistics.org/blog/index.php?pk=20795&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
X199.717476951119101.7103.682523048881
X284.568973351031387.390.0310266489687


Figures (Output of Computation)

Input Parameters & R Code

Parameters (Session):
par1 = grey ;
Parameters (R input):
par1 = grey ; 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):
z <- as.data.frame(t(y))
bitmap(file='test1.png')
(r<-boxplot(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')