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 14:41:13 -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/t122574854043r6qjgpsqp403g.htm/, Retrieved Sun, 19 May 2024 10:48:46 +0000
Statistical Computations at FreeStatistics.org, Office for Research Development and Education, URL https://freestatistics.org/blog/index.php?pk=21326, Retrieved Sun, 19 May 2024 10:48:46 +0000
QR Codes:

Original text written by user:
IsPrivate?No (this computation is public)
User-defined keywords
Estimated Impact134

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] [WS3 Q2] [2008-11-01 17:39:06] [74be16979710d4c4e7c6647856088456]
F    D      [Mean Plot] [P1 Q2] [2008-11-03 21:41:13] [e11d930c9e2984715c66c796cf63ef19] [Current]
Feedback Forum
2008-11-10 12:04:26 [339a57d8a4d5d113e4804fc423e4a59e] [reply] 
De student gebruikt de mean plot om deze vraag te beantwoorden, dat is inderdaad correct. Het is belangrijk dat men de juiste 'blog width' instelt. In dit geval moet men deze instellen op 12(1 jaar). Zo zal de software een periodiek gemiddelde geven van elke maand van de verschillende jaren. Dit is belangrijk om te bepalen of er seizoenaliteit is. De student merkt op dat men duidelijk kan zien dat er seizoenalteit is. Dit is correct.
2008-11-10 17:20:15 [Olivier Uyttendaele] [reply] 
Ik schreef in het document dat er seizoenaliteit waar te nemen is. Dit is correct. Een meer algemenere uitleg is al volgt:

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?
2008-11-12 10:22:56 [df2ed12c9b09685cd516719b004050c5] [reply] 
De student heeft gelijk, er is inderdaad sprake van seizoenaliteit.
De seizoenaliteit kan u nagaan aan de hand van de meanplot, deze zet op de x-as de periode en de y-as krijgt de gemiddelden. Op een jaarbasis, heeft het eerste getal (1) op de x-as de betekenis 'het gemiddelde van januari' en dan lees je bij de y-as simpelweg het gemiddelde af. Zo zie je dan of er sprake is van seizoenaliteit.

Of deze seizoenaliteit een significant verschil heeft, zien we via de notched boxplots ( hetzelfde principe van de meanplot => gemiddelde per maand, maar dan in boxplots). We zien een significant verschil, duidelijk seizoenaliteit.

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'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=21326&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=21326&T=0

Globally Unique Identifier (entire table): ba.freestatistics.org/blog/index.php?pk=21326&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))
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()