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 04:16:41 -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/t12257110579xhltktep2n4zhl.htm/, Retrieved Sun, 19 May 2024 08:52:59 +0000
Statistical Computations at FreeStatistics.org, Office for Research Development and Education, URL https://freestatistics.org/blog/index.php?pk=20825, Retrieved Sun, 19 May 2024 08:52:59 +0000
QR Codes:

Original text written by user:
IsPrivate?No (this computation is public)
User-defined keywords
Estimated Impact175

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] [Workshop 4 Q2] [2008-11-03 11:16:41] [60d772482829eb846b04c71947363055] [Current]
Feedback Forum
2008-11-09 14:39:37 [2df1bcd103d52957f4a39bd4617794c8] [reply] 
Student trekt geen besluit mbt de al dan niet aanwezigheid van seizonaliteit.

Deze is, wanneer we de Mean Plot in overweging nemen, echter wel aanwezig.

De Mean Plot geeft de periodieke gemiddelden van elke maand grafisch weer, het totale gemiddelde wordt weergegeven door de horiziontale lijn op de grafiek.

De gevonden resultaten (gemiddelden) liggen in de zomer- en wintermaanden merkelijk hoger dan in de rest van het jaar. Mensen kopen meer kleding en de productie volgt logischerwijze deze opwaartse trend.
2008-11-09 17:49:30 [Olivier Uyttendaele] [reply] 
Je schreef in het document dat de wijziging in de reeks niet toevallig is. Je haalt het Mean Plot & Notched Box Plots aan. Dit is correct. Er is wel degelijk seizoenaliteit waar te nemen in het Mean Plot.

Je dient het Mean Plot als volgt te interpreteren.
Het cijfer dat bij #blocks staat, is het aantal jaar waarover de waarnemingen gaan. De cijfers op de X-as staan voor het aantal maanden per jaar.
Het cijfer 1 staat dus voor alle eerste maanden van de 5jaar waarover we gegevens hebben. Dus voor 01/03, 01/04, 01/05, 01/06, 01,07; hetzelfde voor jaar 2 enz…
Je bekijkt dezelfde maand over de jaren heen als het ware.
We kunnen dus zien dat in de periodes 6&7 er seizoenaliteit is.
Algemeen kan je bij het Mean Plot volgende zaken waarnemen:
1) Zijn er veranderingen in het niveau?
2) Wat is de impact van de veranderingen in het niveau.
3) Is er een bepaald patroon in de veranderingen van het niveau.

De Mean Plot kan dus een grafische test zijn voor de assumptie “Is er een constant niveau?”
2008-11-10 00:18:01 [Bob Leysen] [reply] 
De grafiek is correct.
Het gaat hier ook om periodieke gemiddelden en geen waarden van een dataset. Er is een significant verschil voor de periode 7 (juli). Een mogelijke verklaring is dat data 6 ongeveer overeen komt met het begin van de zomer, de periode waarin mensen volop zomerkledij aankopen. We zien dat de productie hier op gang komt. 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.
2008-11-10 15:40:18 [Inge Meelberghs] [reply] 
Je geeft eigenlijk geen concreet antwoord op de vraag.

Doordat er zich een plotse stijging voordoet tussen maand 6 en 7 en ook na maand 10 kunnen we stellen dat er sprake is van seizoenaliteit want er vinden significante verschillen plaats. De reden van deze seizonaliteit is in voorgaande beoordelingen al uitgebreid uitgelegd. De 6de maand is het begin van de zomer wat ervoor zorgt dat veel mensen op koopjesjacht gaan naar zomerkledij. En hetzelfde fenomeen doet zich voor in oktober als het kouder begint te worden en mensen meer winterkledij gaan beginnen kopen.

Het is ook correct dat de je de blockwith op 12 hebt laten staan, hierdoor kan je zeer goed seizoenaliteit nagaan. Zet je deze op 36 is dit niet mogelijk.
2008-11-11 16:19:09 [Yara Van Overstraeten] [reply] 
In een Meanplot worden de gemiddelde waarden van de kledingproductie per maand voorgesteld. Elk bolletje stelt dus een periodiek gemiddelde waarde voor, beginnende bij maart 2001. Uit de grafiek kunnen we afleiden dat er een duidelijk lagere productie van kledij is in periode 6 (augustus) in vergelijking met periode 7 (september). Hetzelfde verschijnsel doet zich voor in periode 10 (december) in vergelijking met periode 11 (januari).
Als men de Notched boxplots bekijkt kan men eveneens besluiten dat er een significant verschil is tussen de kledingproductie van de maanden augustus - september en december - januari. Dit kan je zien aan de hand van de lijnen van het 95% betrouwbaarheidsinterval van beide periodes te verlengen en zo vast te stellen dat deze elkaar NIET overlappen.

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=20825&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=20825&T=0

Globally Unique Identifier (entire table): ba.freestatistics.org/blog/index.php?pk=20825&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()