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 computationTue, 04 Nov 2008 05:57:39 -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/t12258036837h5nauaiv3fhixt.htm/, Retrieved Sun, 19 May 2024 05:55:36 +0000
Statistical Computations at FreeStatistics.org, Office for Research Development and Education, URL https://freestatistics.org/blog/index.php?pk=21525, Retrieved Sun, 19 May 2024 05:55:36 +0000
QR Codes:

Original text written by user:
IsPrivate?No (this computation is public)
User-defined keywords
Estimated Impact162

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] [Q2: Hypothesis Te...] [2008-11-04 12:57:39] [56fd94b954e08a6655cb7790b21ee404] [Current]
-         [Mean Plot] [Q2+3: Hypothesis ...] [2008-11-04 13:34:48] [e30090b3a3761c780b7f5681d9c26699]
-         [Mean Plot] [Q2+3: Hypothesis ...] [2008-11-04 13:34:48] [de72ca3f4fcfd0997c84e1ac92aea119]
F         [Mean Plot] [Q2+3: Hypothesis ...] [2008-11-04 13:34:48] [de72ca3f4fcfd0997c84e1ac92aea119]
F RMPD    [Notched Boxplots] [Task 2 Hypothesis...] [2008-11-04 13:54:18] [de72ca3f4fcfd0997c84e1ac92aea119]
Feedback Forum
2008-11-09 12:19:08 [Nathalie Daneels] [reply] 
Evaluatie opdracht 1: Task 1:
Q2: Ik ben het niet volledig eens met de student haar conclusie. De Mean Plot geeft de verschillende maanden weer. We moeten er wel op letten dat bij deze oefening het jaar begint bij de maand maart, en niet bij de maand januari. In de titel van de grafiek staat ook # blocks = 5: dit betekent dat men 5 jaren heeft bekeken, dus bv. het eerste bolletje uiterst links is het gemiddelde van de maand maart over de 5 jaren heen. Dit geldt voor elk bolletje, dat een bepaalde maand voorstelt. Deze grafiek geeft een aantal opvallende kenmerken weer: een sterke daling in de maanden 6 en 10 en een heel hoge piek in de maand 7. Of deze fluctuaties aan seizoenaliteit zijn toe te schrijven, kunnen we hier niet met zekerheid zeggen: daarvoor moeten we een Notched Boxplot produceren. Als we deze laatste grafiek bekijken, kunnen we vaststellen dat het betrouwbaarheidsinterval van de maand 6 de inkepingen van de maanden 5 en 7 niet overlappen. We kunnen dus concluderen dat de daling in de maand augustus aan seizoenaliteit kan toegeschreven worden, en dus niet door het toeval bepaald is. Ditzelfde geldt voor de stijging tussen maand 6 en maand 7. De Notched Boxplot toont ons ook dat de inkepingen van de maand december, de betrouwbaarheidsintervallen van de maanden november en januari niet overlappen: ook voor deze daling is het verschil significant en is er dus geen sprake van toeval, maar wel van seizoenaliteit. Bij de Notched Boxplot van Q2 wordt er geen sequentiële analyse gemaakt (dan zouden de jaren met elkaar vergeleken worden), maar wel een periodieke analyse (de maanden worden met elkaar vergeleken). Algemeen kunnen we zeggen dat de seizoenaliteit inderdaad een significant effect heeft op de kledingproductie in een aantal maanden.
2008-11-12 11:02:03 [Nicolaj Wuyts] [reply] 
Let op dat je niet te snel conclusies trekt. Voordat u de notched boxed plots hebt bekeken spreekt u reeds van seizoenaliteit. Echter in dit stadium kan u nog niet weten of dit hier het geval is. Het zou evengoed te wijten kunnen zijn aan toeval. Pas na het bekijken van de notched box plots kan u besluiten dat het hier gaat om eeb significant verschil en dus 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'Gwilym Jenkins' @ 72.249.127.135

\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 & 'Gwilym Jenkins' @ 72.249.127.135 \tabularnewline
\hline
\end{tabular}
%Source: https://freestatistics.org/blog/index.php?pk=21525&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]'Gwilym Jenkins' @ 72.249.127.135[/C][/ROW]
[/TABLE]
Source: https://freestatistics.org/blog/index.php?pk=21525&T=0

Globally Unique Identifier (entire table): ba.freestatistics.org/blog/index.php?pk=21525&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'Gwilym Jenkins' @ 72.249.127.135


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()