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_notchedbox1.wasp
Title produced by softwareNotched Boxplots
Date of computationTue, 04 Nov 2008 00:50:08 -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/04/t1225785057wjyikwn1sbzuphj.htm/, Retrieved Mon, 27 May 2024 12:10:32 +0000
Statistical Computations at FreeStatistics.org, Office for Research Development and Education, URL https://freestatistics.org/blog/index.php?pk=21442, Retrieved Mon, 27 May 2024 12:10:32 +0000
QR Codes:

Original text written by user:
IsPrivate?No (this computation is public)
User-defined keywords
Estimated Impact235

Tree of Dependent Computations

Family? (F = Feedback message, R = changed R code, M = changed R Module, P = changed Parameters, D = changed Data)
F     [Notched Boxplots] [workshop 3] [2007-10-26 13:31:48] [e9ffc5de6f8a7be62f22b142b5b6b1a8]
F    D  [Notched Boxplots] [Task 1 - Q1] [2008-11-03 18:49:47] [6f54f97492451bf8edc5dd186465ee4a]
F           [Notched Boxplots] [Taak 1 - Q1] [2008-11-04 07:50:08] [5040d663c8831657aab853d3d80c5057] [Current]
Feedback Forum
2008-11-10 13:30:23 [Inge Meelberghs] [reply] 
De mediaan van de kledingproductie ligt inderdaad lager dan die van de totale productie, maar hierbij moet vermeld worden dat deze 'significant' lager ligt. Dit wil zeggen dat dit niet te wijten is aan het toeval. Als we de twee notches over elkaar projecteren kunnen we zien dat deze niet helemaal gelijk overeenkomen waardoor het verschil dus significant is.

Het basisjaar van deze 2 tijdreeksen wordt voorgesteld door 100. Uit de grafiek kan je dus ook nog afleiden dat de totale productie lichtjes gestegen is t.o.v. het basisjaar, en de kledingproductie lichtjes gedaald .
2008-11-11 11:02:01 [Evelien Blockx] [reply] 
De conclusie is correct. Maar in principe moet je niet de medianen met elkaar vergelijken om te kijken of de mediaan van kledingproductie significant lager ligt. De medianen geven hier een verandering ten opzichte van het basisjaar. Zo kan je merken dat de mediaan iets boven 100 ligt bij de totale productie. Dat is een lichte stijging ten opzichte van het basisjaar. De mediaan van kledingproductie ligt een eindje onder de 100. Dat is een redelijke daling ten opzichte van het basisjaar. De mediaan van kledingproductie ligt dus lager, maar of ze significant lager is, dat kan je niet zien.

Om nu te gaan kijken of de mediaan van kledingproductie significant lager ligt dan de mediaan van totale productie, moet je de betrouwbaarheidsintervallen met elkaar vergelijken (dat zijn de inkepingen langs de zijkanten van de figuren in de notched boxplot). Je kan dit het beste zien door van de betrouwbaarheidsintervallen horizontale lijnen te maken. Als je dan de lijnen van het betrouwbaarheidsinterval van kledingproductie vergelijkt met de lijnen van het betrouwbaarheidsinterval van totale productie, dan merk je dat betrouwbaarheidsinterval kledingproductie duidelijk lager ligt dan het betrouwbaarheidsinterval van de totale productie. De mediaan van kledingproductie is dus significant lager dan de mediaan van totale productie.
2008-11-11 16:42:53 [Yara Van Overstraeten] [reply] 
De conclusie was hier inderdaad correct. Maar de manier om tot deze conclusie te komen dient iets genuanceerd te worden.
Als je de mediaan van de industriele productie vergelijkt met de mediaan van de productie van kledij merk je op dat de industriele productie licht gestegen is (101) en de productie van kledij gedaald is (89) t.o.v. het basisjaar (100).
De inkepingen stellen het 95% betrouwbaarheidsinterval voor, als je de lijnen van het betrouwbaarheidsinterval van industriële productie verlengt, kan je vaststellen dat de productie van kledij duidelijk onder dit interval ligt.
De mediaan van kledij ligt dus significant lager dan de mediaan van industriele productie.

Post a new message

Dataset

Dataseries X:
Download CSV
Histogram
Boxplots 
110.40	109.20
96.40	88.60
101.90	94.30
106.20	98.30
81.00	86.40
94.70	80.60
101.00	104.10
109.40	108.20
102.30	93.40
90.70	71.90
96.20	94.10
96.10	94.90
106.00	96.40
103.10	91.10
102.00	84.40
104.70	86.40
86.00	88.00
92.10	75.10
106.90	109.70
112.60	103.00
101.70	82.10
92.00	68.00
97.40	96.40
97.00	94.30
105.40	90.00
102.70	88.00
98.10	76.10
104.50	82.50
87.40	81.40
89.90	66.50
109.80	97.20
111.70	94.10
98.60	80.70
96.90	70.50
95.10	87.80
97.00	89.50
112.70	99.60
102.90	84.20
97.40	75.10
111.40	92.00
87.40	80.80
96.80	73.10
114.10	99.80
110.30	90.00
103.90	83.10
101.60	72.40
94.60	78.80
95.90	87.30
104.70	91.00
102.80	80.10
98.10	73.60
113.90	86.40
80.90	74.50
95.70	71.20
113.20	92.40
105.90	81.50
108.80	85.30
102.30	69.90
99.00	84.20
100.70	90.70
115.50	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'Herman Ole Andreas Wold' @ 193.190.124.10:1001

\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 & 'Herman Ole Andreas Wold' @ 193.190.124.10:1001 \tabularnewline
\hline
\end{tabular}
%Source: https://freestatistics.org/blog/index.php?pk=21442&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]'Herman Ole Andreas Wold' @ 193.190.124.10:1001[/C][/ROW]
[/TABLE]
Source: https://freestatistics.org/blog/index.php?pk=21442&T=0

Globally Unique Identifier (entire table): ba.freestatistics.org/blog/index.php?pk=21442&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'Herman Ole Andreas Wold' @ 193.190.124.10:1001






Boxplot statistics
Variablelower whiskerlower hingemedianupper hingeupper whisker
X18696.2101.7106115.5
X266.580.687.394.1109.7

\begin{tabular}{lllllllll}
\hline
Boxplot statistics \tabularnewline
Variable & lower whisker & lower hinge & median & upper hinge & upper whisker \tabularnewline
X1 & 86 & 96.2 & 101.7 & 106 & 115.5 \tabularnewline
X2 & 66.5 & 80.6 & 87.3 & 94.1 & 109.7 \tabularnewline
\hline
\end{tabular}
%Source: https://freestatistics.org/blog/index.php?pk=21442&T=1

[TABLE]
[ROW][C]Boxplot statistics[/C][/ROW]
[ROW][C]Variable[/C][C]lower whisker[/C][C]lower hinge[/C][C]median[/C][C]upper hinge[/C][C]upper whisker[/C][/ROW]
[ROW][C]X1[/C][C]86[/C][C]96.2[/C][C]101.7[/C][C]106[/C][C]115.5[/C][/ROW]
[ROW][C]X2[/C][C]66.5[/C][C]80.6[/C][C]87.3[/C][C]94.1[/C][C]109.7[/C][/ROW]
[/TABLE]
Source: https://freestatistics.org/blog/index.php?pk=21442&T=1

Globally Unique Identifier (entire table): ba.freestatistics.org/blog/index.php?pk=21442&T=1

As an alternative you can also use a QR Code:  
QR Code


The GUIDs for individual cells are displayed in the table below:

Boxplot statistics
Variablelower whiskerlower hingemedianupper hingeupper whisker
X18696.2101.7106115.5
X266.580.687.394.1109.7






Boxplot Notches
Variablelower boundmedianupper bound
X199.717476951119101.7103.682523048881
X284.568973351031387.390.0310266489687

\begin{tabular}{lllllllll}
\hline
Boxplot Notches \tabularnewline
Variable & lower bound & median & upper bound \tabularnewline
X1 & 99.717476951119 & 101.7 & 103.682523048881 \tabularnewline
X2 & 84.5689733510313 & 87.3 & 90.0310266489687 \tabularnewline
\hline
\end{tabular}
%Source: https://freestatistics.org/blog/index.php?pk=21442&T=2

[TABLE]
[ROW][C]Boxplot Notches[/C][/ROW]
[ROW][C]Variable[/C][C]lower bound[/C][C]median[/C][C]upper bound[/C][/ROW]
[ROW][C]X1[/C][C]99.717476951119[/C][C]101.7[/C][C]103.682523048881[/C][/ROW]
[ROW][C]X2[/C][C]84.5689733510313[/C][C]87.3[/C][C]90.0310266489687[/C][/ROW]
[/TABLE]
Source: https://freestatistics.org/blog/index.php?pk=21442&T=2

Globally Unique Identifier (entire table): ba.freestatistics.org/blog/index.php?pk=21442&T=2

As an alternative you can also use a QR Code:  
QR Code


The GUIDs for individual cells are displayed in the table below:

Boxplot Notches
Variablelower boundmedianupper bound
X199.717476951119101.7103.682523048881
X284.568973351031387.390.0310266489687


Figures (Output of Computation)

Input Parameters & R Code

Parameters (Session):
par1 = grey ;
Parameters (R input):
par1 = grey ;
R code (references can be found in the software module):
z <- as.data.frame(t(y))
bitmap(file='test1.png')
(r<-boxplot(z ,xlab=xlab,ylab=ylab,main=main,notch=TRUE,col=par1))
dev.off()
load(file='createtable')
a<-table.start()
a<-table.row.start(a)
a<-table.element(a,hyperlink('overview.htm','Boxplot statistics','Boxplot overview'),6,TRUE)
a<-table.row.end(a)
a<-table.row.start(a)
a<-table.element(a,'Variable',1,TRUE)
a<-table.element(a,hyperlink('lower_whisker.htm','lower whisker','definition of lower whisker'),1,TRUE)
a<-table.element(a,hyperlink('lower_hinge.htm','lower hinge','definition of lower hinge'),1,TRUE)
a<-table.element(a,hyperlink('central_tendency.htm','median','definitions about measures of central tendency'),1,TRUE)
a<-table.element(a,hyperlink('upper_hinge.htm','upper hinge','definition of upper hinge'),1,TRUE)
a<-table.element(a,hyperlink('upper_whisker.htm','upper whisker','definition of upper whisker'),1,TRUE)
a<-table.row.end(a)
for (i in 1:length(y[,1]))
{
a<-table.row.start(a)
a<-table.element(a,dimnames(t(x))[[2]][i],1,TRUE)
for (j in 1:5)
{
a<-table.element(a,r$stats[j,i])
}
a<-table.row.end(a)
}
a<-table.end(a)
table.save(a,file='mytable.tab')
a<-table.start()
a<-table.row.start(a)
a<-table.element(a,'Boxplot Notches',4,TRUE)
a<-table.row.end(a)
a<-table.row.start(a)
a<-table.element(a,'Variable',1,TRUE)
a<-table.element(a,'lower bound',1,TRUE)
a<-table.element(a,'median',1,TRUE)
a<-table.element(a,'upper bound',1,TRUE)
a<-table.row.end(a)
for (i in 1:length(y[,1]))
{
a<-table.row.start(a)
a<-table.element(a,dimnames(t(x))[[2]][i],1,TRUE)
a<-table.element(a,r$conf[1,i])
a<-table.element(a,r$stats[3,i])
a<-table.element(a,r$conf[2,i])
a<-table.row.end(a)
}
a<-table.end(a)
table.save(a,file='mytable1.tab')