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 11:56:09 -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/t1225738607s5qapop5bqzbxml.htm/, Retrieved Sun, 19 May 2024 11:31:36 +0000
Statistical Computations at FreeStatistics.org, Office for Research Development and Education, URL https://freestatistics.org/blog/index.php?pk=20978, Retrieved Sun, 19 May 2024 11:31:36 +0000
QR Codes:

Original text written by user:
IsPrivate?No (this computation is public)
User-defined keywords
Estimated Impact166

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 18:56:09] [07b7cf1321bc38017c2c7efcf91ca696] [Current]
Feedback Forum
2008-11-09 13:03:18 [Kristof Augustyns] [reply] 
Het is helemaal correct wat hier gedaan werd.
De sequential blocks geven de kleding productie over de jaren heen weer.
Dit is dus op lange termijn.
Er is duidelijk een daling van de kleding productie over de jaren heen.
Men kan hier wel niet spreken over een significante daling omdat de medianen elkaar niet overlappen.
Er is misschien twijfel over het eerste jaar en het vijfde jaar, maar als men er een lat op legt, dan ziet men dat daar ook een overlapping is.
Het gaat hier dus wel degelijk over toevalligheden waardoor men dan ook kan zeggen dat er zeker geen significant verschil aanwezig is.
Hier is alles correct gedaan en correct uitgelegd.
Ook waarom het laatste blokje van jaar zes zo klein is.
Dit jaar bestaat nog maar uit een paar maanden en hier moet men dus ook niet naar zien.
2008-11-09 15:09:59 [Natascha Meeus] [reply] 
Correct. De mediaan daalt over de jaren heen, maar niet significant, eerder toevallig. Als we jaar 1 bekijken tegenover jaar 5 is er wel een groter verschil merkbaar, maar we kunnen nog steeds niet echt spreken over een significant verschil.
2008-11-11 15:54:09 [Bart Haemels] [reply] 
Ik had er nog aan kunnen toevoegen dat de daling van de mediaan, te wijten is aan het toeval want alle notches van de 5 jaar overlappen mekaar, zelfs die van het 1ste & het 5de jaar.
2008-11-11 22:25:59 [Liese Tormans] [reply] 
De student heeft 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. Zoals de student gezegd heeft, moeten we jaar 6 buiten beschouwing laten omdat hier maar enkele metingen hebben plaatsgevonden.
De conclusie van de student was zeer correct maar misschien een beetje onvolledig. Je had misschien nog kunnen vertellen of de daling al dan niet significant is.

Op de grafiek zien we duidelijk dat de mediaan door de jaren heen daalt zoals de student vermeld heeft maar dit wil nog niet meteen zeggen dat het een significante daling is. Als we de notches van de jaren gaan vergelijken met mekaar zien we dat 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 kun je zien door jaar 5 te gaan vergelijken met jaar 1, we zien hier dat de lower bound van het eerste jaar net wel/ net niet grenst aan de upper bound van het vijfde jaar. Hieruit kunnen we 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 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=20978&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=20978&T=0

Globally Unique Identifier (entire table): ba.freestatistics.org/blog/index.php?pk=20978&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 = 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()