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 computationMon, 03 Nov 2008 04:03:05 -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/t12257102350im2te6fkq3a0da.htm/, Retrieved Sun, 19 May 2024 10:45:04 +0000
Statistical Computations at FreeStatistics.org, Office for Research Development and Education, URL https://freestatistics.org/blog/index.php?pk=20818, Retrieved Sun, 19 May 2024 10:45:04 +0000
QR Codes:

Original text written by user:
IsPrivate?No (this computation is public)
User-defined keywords
Estimated Impact176

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] [Q3] [2008-11-03 11:03:05] [2ba2a74112fb2c960057a572bf2825d3] [Current]
Feedback Forum
2008-11-09 14:47:55 [Kim Wester] [reply] 
De student geeft een correct antwoord.
Toevoeging: jaar 6 kan inderdaad volledig buiten beschouwing worden gelaten door het ontbreken van gegevens. Wanneer jaar 1 en 2 met elkaar vergeleken worden is er niet sprake van een significant verschil (dit geldt ook voor jaar 2+3, 3+4, 4+5), eerder toevallig.
Wanneer jaar 1 en 5 worden vergelijken is er wel sprake van een duidelijk (significant) verschil.
2008-11-09 14:51:31 [Kenny Simons] [reply] 
Als we inderdaad zien naar de grafiek van de sequential blocks, zien we duidelijk dat de mediaan de afgelopen 5jaar gedaald is. We zien wel dat de grenzen van de betrouwbaarheidsintervallen van de verschillende boxplots overeenkomen. Dit wil zeggen dat de daling louter toevallig kan zijn. Alleen de 1e boxplot ten opzichte van de laatste boxplot is een twijfelgeval, want hier overlappen de grenzen elkaar juist niet, hier zou de daling wel significant kunnen zijn.

We kunnen dus concluderen dat de mediaan zeker daalt, maar dat dit niet significant is.
2008-11-11 14:38:50 [Liese Tormans] [reply] 
Mijn conclusie is correct ik had hier wel nog kunnen bespreken of de daling toevallig of significant is. Hier onder vindt je een meer gedetailleerde conclusie.

Ik heb Q3 opgelost aan de hand van de notches box plot “Sequential Blocks”. Hier worden de 5 jaren op een rij gezet zodat je makkelijk da jaren met mekaar kan vergelijken. Jaar 6 moet ik buiten beschouwing laten omdat hier maar enkele metingen hebben plaatsgevonden

Op de grafiek zie ik duidelijk dat de mediaan door de jaren heen daalt wat ik ook in mijn bespreking heb gezet maar dit wil nog niet meteen zeggen dat het een significante daling is. Als ik de notches van de jaren ga vergelijken met mekaar zien ik dat de betrouwbaarheidsintervallen van de notches elkaar toch een beetje overlappen. Dus de daling is eerder een toevalligheid.

Bij jaar 5 is het net op de rand van toevalligheid en significantie. Dit kan ik zien door jaar 5 te gaan vergelijken met jaar 1, ik zie hier dat de lower bound van het eerste jaar net wel/ net niet grenst aan de upper bound van het vijfde jaar. Hieruit kan ik dan concluderen dat jaar 5 net op de rand ligt.

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 time4 seconds
R Server'Herman Ole Andreas Wold' @ 193.190.124.10:1001

\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 & 4 seconds \tabularnewline
R Server & 'Herman Ole Andreas Wold' @ 193.190.124.10:1001 \tabularnewline
\hline
\end{tabular}
%Source: https://freestatistics.org/blog/index.php?pk=20818&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]4 seconds[/C][/ROW]
[ROW][C]R Server[/C][C]'Herman Ole Andreas Wold' @ 193.190.124.10:1001[/C][/ROW]
[/TABLE]
Source: https://freestatistics.org/blog/index.php?pk=20818&T=0

Globally Unique Identifier (entire table): ba.freestatistics.org/blog/index.php?pk=20818&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 time4 seconds
R Server'Herman Ole Andreas Wold' @ 193.190.124.10:1001


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()