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 12:53:26 -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/t1225742061actwyb61zpsf8bb.htm/, Retrieved Sun, 19 May 2024 11:29:44 +0000
Statistical Computations at FreeStatistics.org, Office for Research Development and Education, URL https://freestatistics.org/blog/index.php?pk=21115, Retrieved Sun, 19 May 2024 11:29:44 +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] [Task 5] [2008-11-02 14:02:33] [4300be8b33fd3dcdacd2aa9800ceba23]
F R  D      [Mean Plot] [task 5] [2008-11-03 19:53:26] [2ba2a74112fb2c960057a572bf2825d3] [Current]
Feedback Forum
2008-11-09 15:09:08 [Kim Wester] [reply] 
De student heeft haar eigen gegevens ingevoerd maar de conclusie ontbreekt in het Word-document.

Door het toevoegen van haar reeksen aan het Word-document is het wel duidelijk wanneer de tijdreeks begint waardoor punt 2 in het mean plot ook gezien kan worden als maand 2, februari. Daarnaast wijken alle maanden in het mean plot sterk af van het gemiddelde.
2008-11-09 15:15:27 [Kenny Simons] [reply] 
Op deze vraag heeft de student geen conclusie geformuleerd.

Als we zien naar de grafiek van het mean plot, zien we dat het gemiddelde van de maand 6 anders is als het gemiddelde van maand 7, dit zien we ook terug bij maand 8 en 9.

Als we nu zien naar de grafiek van de notched boxplots, zien we dit verschil ook terug, dus kunnen we stellen dat het verschil significant is en dat seizoenaliteit wel degelijk een invloed heeft op deze tijdreeks.
2008-11-11 14:43:06 [Liese Tormans] [reply] 
In de eerste drie grafieken (de mean, median en midrange plot) zie ik dat de schommelingen in de grafieken ongeveer gelijkaardig verlopen. Als ik bijvoorbeeld ga kijken naar de grafiek van de mean, zie ik dat het gemiddelde van maand 2 enorm verschilt met dat van maand drie, dit fenomeen is ook zichtbaar bij bijvoorbeeld maand 6 en 7, maand 8 en 9.
Als ik dan naar de notches ga kijken van de periodic subseries merk ik dat dit verschil ook hier zichtbaar is .

In maand 3 kunnen we spreken van significante stijging t.o.v van de vorige twee maanden want de notch van 3 valt niet binnen het betrouwbaarheidsinterval van 1 en 2.

Dit patroon komt nog enkele keren terug. Bijvoorbeeld in maand 6.

We kunnen hier dus spreken van seizoenaliteit.

Bij de sequential block kan je zien dat er een stijging is doorheen de jaren maar dat notches elkaar overlappen, dus binnen mekaars betrouwbaarheidsinterval vallen. De daling is dus niet significant maar eerder toevallig.

Post a new message

Dataset

Dataseries X:
Download CSV
Histogram
Boxplots 
109.6
103
111.6
106.3
97.9
108.8
103.9
101.2
122.9
123.9
111.7
120.9
99.6
103.3
119.4
106.5
101.9
124.6
106.5
107.8
127.4
120.1
118.5
127.7
107.7
104.5
118.8
110.3
109.6
119.1
96.5
106.7
126.3
116.2
118.8
115.2
110
111.4
129.6
108.1
117.8
122.9
100.6
111.8
127
128.6
124.8
118.5
114.7
112.6
128.7
111
115.8
126
111.1
113.2
120.1
130.6
124
119.4
116.7

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'George Udny Yule' @ 72.249.76.132

\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 & 'George Udny Yule' @ 72.249.76.132 \tabularnewline
\hline
\end{tabular}
%Source: https://freestatistics.org/blog/index.php?pk=21115&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]'George Udny Yule' @ 72.249.76.132[/C][/ROW]
[/TABLE]
Source: https://freestatistics.org/blog/index.php?pk=21115&T=0

Globally Unique Identifier (entire table): ba.freestatistics.org/blog/index.php?pk=21115&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'George Udny Yule' @ 72.249.76.132


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))
darr <- array(NA,dim=c(par1,np+1))
ari <- array(0,dim=par1)
dx <- diff(x)
j <- 0
for (i in 1:n)
{
j = j + 1
ari[j] = ari[j] + 1
arr[j,ari[j]] <- x[i]
darr[j,ari[j]] <- dx[i]
if (j == par1) j = 0
}
ari
arr
darr
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='plot4b.png')
z <- data.frame(t(darr))
names(z) <- c(1:par1)
(boxplot(z,notch=TRUE,col='grey',xlab='Periodic Index',ylab='Value',main='Notched Box Plots - Differenced 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()