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 15:00:55 -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/t12257496869y4qqvcddwi4k0j.htm/, Retrieved Tue, 28 May 2024 07:22:39 +0000
Statistical Computations at FreeStatistics.org, Office for Research Development and Education, URL https://freestatistics.org/blog/index.php?pk=21344, Retrieved Tue, 28 May 2024 07:22:39 +0000
QR Codes:

Original text written by user:
IsPrivate?No (this computation is public)
User-defined keywords
Estimated Impact143

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: Mean plot 2] [2008-10-30 13:19:12] [1ce0d16c8f4225c977b42c8fa93bc163]
F           [Mean Plot] [Q3] [2008-11-03 22:00:55] [d96f761aa3e94002e7c05c3c847d2c79] [Current]
Feedback Forum
2008-11-06 13:31:58 [Joren Nuyts] [reply] 
Q3:
Student gaat er te snel van uit dat er een dalende trend te merken is.
Bij het kijken naar de notched boxplots, merken we dat het eigenlijk een randgeval is dat er echt een dalende trend te merken is. Bekijken we het 5de jaar tov het eerste jaar, zien we dat de lower bound van het eerste jaar net wel/niet grenst aan de upper bound van het vijfde jaar.
Hieruit kunnen we eerder concluderen dat het toevallig is dat er een dalende trend is, en niet vanzelfsprekend zoals de student in zijn antwoord weergeeft.

2008-11-08 17:42:38 [Niels Herremans] [reply] 
Als we bij de grafiek van de notched boxplots gaan kijken en daar het 1ste jaar gaat vergelijken met het 2de, 3de en 4de jaar kan je niet spreken van significant lager. Deze notched boxplots liggen in elkaars betrouwbaarheidsinterval. Als we het 1ste jaar vergelijken met het 5de jaar is het wat moeilijker. Het gaat hier om een rand geval en kan je niet echt spreken van significant lager.
2008-11-10 10:53:01 [339a57d8a4d5d113e4804fc423e4a59e] [reply] 
De student gebruikt de juiste berekeningswijze, maar analyseert niet voldoende. Hij besluit dat er zich een dalende trend voordoet, maar staaft dit niet. De dalende trend is ook niet echt uitgesproken. Men ziet namelijk dat de notches van jaar 1, 2, 3 en 4 in elkaar vallen. Hier kan men dus niet spreken over significant lager dan de andere. Het feit dat dit lager is valt te wijten aan pure toevalligheid. Men kan eventueel bemerken dat het 1ste jaar tov het 5de jaar bijna significant is omdat hier de notches minimaal uit elkaar liggen.
2008-11-11 13:38:41 [Thomas Baken] [reply] 
Er is inderdaad een dalende trend terug te vinden maar deze is niet significant aangezien de betrouwbaarheidsintervallen zich in elkanders velden bevinden. In het 6de jaar zijn er ook reeds gegevens terug te vinden maar hier moet men geen rekening mee houden aangezien deze niet volledig zijn.

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=21344&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=21344&T=0

Globally Unique Identifier (entire table): ba.freestatistics.org/blog/index.php?pk=21344&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 ; 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()