FreeStatistics.org

Free Statistics

of Irreproducible Research!

Description of Statistical Computation

Author's title

Author*Unverified author*
R Software Modulerwasp_bootstrapplot1.wasp
Title produced by softwareBootstrap Plot - Central Tendency
Date of computationWed, 05 Nov 2008 09:38:10 -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/05/t12259033091k3f5afostlj3mi.htm/, Retrieved Sun, 19 May 2024 10:10:30 +0000
Statistical Computations at FreeStatistics.org, Office for Research Development and Education, URL https://freestatistics.org/blog/index.php?pk=21832, Retrieved Sun, 19 May 2024 10:10:30 +0000
QR Codes:

Original text written by user:
IsPrivate?No (this computation is public)
User-defined keywords
Estimated Impact150

Tree of Dependent Computations

Family? (F = Feedback message, R = changed R code, M = changed R Module, P = changed Parameters, D = changed Data)
F       [Bootstrap Plot - Central Tendency] [Q4 !] [2008-11-05 16:38:10] [e8ace8b3d80d7fc51f1760fb13a6fe6b] [Current]
Feedback Forum
2008-11-09 12:23:34 [Nathalie Daneels] [reply] 
Evaluatie opdracht 1: Task 1:
Q4: Ook bij deze vraag ben ik het niet volledig eens met wat de student concludeert. We kunnen vaststellen uit deze grafiek dat de midrange de kleinste spreiding/variantie heeft (hoe kleiner de variantie, hoe correcter het gemiddelde van die berekeningen): ze heeft dus de grootste zekerheid in de normale gevallen. Maar deze laatste variabele heeft ook enkele outliers: we moeten nu nagaan of we deze outliers kunnen negeren of niet. Als we ze kunnen negeren, dan kunnen we de midrange als de beste schatter omschrijven, gezien de mediaan ook het hoogste ligt. Als we deze niet kunnen negeren (bv. omdat als ze zich zouden voordoen, ze een fataal gevolg zouden hebben), dan moeten we op zoek gaan naar een maatstaf met minder ernstige gevolgen: het gemiddelde. Deze maatstaf heeft wel een grotere spreiding, maar veel minder outliers. Bovendien is het verloop van het gemiddelde ook heel mooi: de oppervlakte boven en onder de mediaan is ongeveer even groot, dit in tegenstelling tot de midrange waarbij de oppervlakte boven de mediaan groter is dan de oppervlakte eronder. We kunnen algemeen stellen dat het gemiddelde in de meeste gevallen een goede schatter is. De mediaan komt hier ook niet voor in aanmerking, gezien de outliers en het minder mooie verloop (minder gelijkend op een normaalverdeling, terwijl het gemiddelde hier sterk op gelijkt).
2008-11-12 11:03:21 [Nicolaj Wuyts] [reply] 
Bij de resultaten van deze simulatie kunnen we geen ideale ratio geven. Alles hangt af van de situatie waarin men zich bevindt. In een situatie waarin men een risico kan nemen kan men het riskeren de mediaan te kiezen. De foutenmarge is hier kleiner maar als het foutloopt loopt het extreem mis. In situaties waar je geen risico's kunt nemen, bv. in medische situaties, kan dit een gevaarlijke keuze zijn en is het daarom aan te raden om het gemiddelde te kiezen.

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 time3 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 & 3 seconds \tabularnewline
R Server & 'George Udny Yule' @ 72.249.76.132 \tabularnewline
\hline
\end{tabular}
%Source: https://freestatistics.org/blog/index.php?pk=21832&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]3 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=21832&T=0

Globally Unique Identifier (entire table): ba.freestatistics.org/blog/index.php?pk=21832&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 time3 seconds
R Server'George Udny Yule' @ 72.249.76.132






Estimation Results of Bootstrap
statisticQ1EstimateQ3S.D.IQR
mean86.004918032786986.893442622950887.8614754098361.37779567470671.85655737704917
median86.487.3881.806394786376581.59999999999999
midrange88.188.188.850.9338116074650590.75

\begin{tabular}{lllllllll}
\hline
Estimation Results of Bootstrap \tabularnewline
statistic & Q1 & Estimate & Q3 & S.D. & IQR \tabularnewline
mean & 86.0049180327869 & 86.8934426229508 & 87.861475409836 & 1.3777956747067 & 1.85655737704917 \tabularnewline
median & 86.4 & 87.3 & 88 & 1.80639478637658 & 1.59999999999999 \tabularnewline
midrange & 88.1 & 88.1 & 88.85 & 0.933811607465059 & 0.75 \tabularnewline
\hline
\end{tabular}
%Source: https://freestatistics.org/blog/index.php?pk=21832&T=1

[TABLE]
[ROW][C]Estimation Results of Bootstrap[/C][/ROW]
[ROW][C]statistic[/C][C]Q1[/C][C]Estimate[/C][C]Q3[/C][C]S.D.[/C][C]IQR[/C][/ROW]
[ROW][C]mean[/C][C]86.0049180327869[/C][C]86.8934426229508[/C][C]87.861475409836[/C][C]1.3777956747067[/C][C]1.85655737704917[/C][/ROW]
[ROW][C]median[/C][C]86.4[/C][C]87.3[/C][C]88[/C][C]1.80639478637658[/C][C]1.59999999999999[/C][/ROW]
[ROW][C]midrange[/C][C]88.1[/C][C]88.1[/C][C]88.85[/C][C]0.933811607465059[/C][C]0.75[/C][/ROW]
[/TABLE]
Source: https://freestatistics.org/blog/index.php?pk=21832&T=1

Globally Unique Identifier (entire table): ba.freestatistics.org/blog/index.php?pk=21832&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:

Estimation Results of Bootstrap
statisticQ1EstimateQ3S.D.IQR
mean86.004918032786986.893442622950887.8614754098361.37779567470671.85655737704917
median86.487.3881.806394786376581.59999999999999
midrange88.188.188.850.9338116074650590.75


Figures (Output of Computation)

Input Parameters & R Code

Parameters (Session):
par1 = 500 ;
Parameters (R input):
par1 = 500 ;
R code (references can be found in the software module):
par1 <- as.numeric(par1)
if (par1 < 10) par1 = 10
if (par1 > 5000) par1 = 5000
library(lattice)
library(boot)
boot.stat <- function(s,i)
{
s.mean <- mean(s[i])
s.median <- median(s[i])
s.midrange <- (max(s[i]) + min(s[i])) / 2
c(s.mean, s.median, s.midrange)
}
(r <- boot(x,boot.stat, R=par1, stype='i'))
bitmap(file='plot1.png')
plot(r$t[,1],type='p',ylab='simulated values',main='Simulation of Mean')
grid()
dev.off()
bitmap(file='plot2.png')
plot(r$t[,2],type='p',ylab='simulated values',main='Simulation of Median')
grid()
dev.off()
bitmap(file='plot3.png')
plot(r$t[,3],type='p',ylab='simulated values',main='Simulation of Midrange')
grid()
dev.off()
bitmap(file='plot4.png')
densityplot(~r$t[,1],col='black',main='Density Plot',xlab='mean')
dev.off()
bitmap(file='plot5.png')
densityplot(~r$t[,2],col='black',main='Density Plot',xlab='median')
dev.off()
bitmap(file='plot6.png')
densityplot(~r$t[,3],col='black',main='Density Plot',xlab='midrange')
dev.off()
z <- data.frame(cbind(r$t[,1],r$t[,2],r$t[,3]))
colnames(z) <- list('mean','median','midrange')
bitmap(file='plot7.png')
boxplot(z,notch=TRUE,ylab='simulated values',main='Bootstrap Simulation - Central Tendency')
grid()
dev.off()
load(file='createtable')
a<-table.start()
a<-table.row.start(a)
a<-table.element(a,'Estimation Results of Bootstrap',6,TRUE)
a<-table.row.end(a)
a<-table.row.start(a)
a<-table.element(a,'statistic',header=TRUE)
a<-table.element(a,'Q1',header=TRUE)
a<-table.element(a,'Estimate',header=TRUE)
a<-table.element(a,'Q3',header=TRUE)
a<-table.element(a,'S.D.',header=TRUE)
a<-table.element(a,'IQR',header=TRUE)
a<-table.row.end(a)
a<-table.row.start(a)
a<-table.element(a,'mean',header=TRUE)
q1 <- quantile(r$t[,1],0.25)[[1]]
q3 <- quantile(r$t[,1],0.75)[[1]]
a<-table.element(a,q1)
a<-table.element(a,r$t0[1])
a<-table.element(a,q3)
a<-table.element(a,sqrt(var(r$t[,1])))
a<-table.element(a,q3-q1)
a<-table.row.end(a)
a<-table.row.start(a)
a<-table.element(a,'median',header=TRUE)
q1 <- quantile(r$t[,2],0.25)[[1]]
q3 <- quantile(r$t[,2],0.75)[[1]]
a<-table.element(a,q1)
a<-table.element(a,r$t0[2])
a<-table.element(a,q3)
a<-table.element(a,sqrt(var(r$t[,2])))
a<-table.element(a,q3-q1)
a<-table.row.end(a)
a<-table.row.start(a)
a<-table.element(a,'midrange',header=TRUE)
q1 <- quantile(r$t[,3],0.25)[[1]]
q3 <- quantile(r$t[,3],0.75)[[1]]
a<-table.element(a,q1)
a<-table.element(a,r$t0[3])
a<-table.element(a,q3)
a<-table.element(a,sqrt(var(r$t[,3])))
a<-table.element(a,q3-q1)
a<-table.row.end(a)
a<-table.end(a)
table.save(a,file='mytable.tab')