FreeStatistics.org

Free Statistics

of Irreproducible Research!

Description of Statistical Computation

Author's title

Author*Unverified author*
R Software Modulerwasp_starplot.wasp
Title produced by softwareStar Plot
Date of computationThu, 06 Nov 2008 06:01:41 -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/06/t12259771079htk7ee8ktwjby8.htm/, Retrieved Sun, 19 May 2024 07:09:32 +0000
Statistical Computations at FreeStatistics.org, Office for Research Development and Education, URL https://freestatistics.org/blog/index.php?pk=22111, Retrieved Sun, 19 May 2024 07:09:32 +0000
QR Codes:

Original text written by user:
IsPrivate?No (this computation is public)
User-defined keywords
Estimated Impact139

Tree of Dependent Computations

Family? (F = Feedback message, R = changed R code, M = changed R Module, P = changed Parameters, D = changed Data)
F       [Star Plot] [Q2 opdracht 2] [2008-11-06 13:01:41] [b09437381d488816ab9f5cf07e347c02] [Current]
Feedback Forum
2008-11-10 15:09:20 [Jasmine Hendrikx] [reply] 
Evaluatie Q2:

De student heeft gebruik gemaakt van de juiste module, namelijk de star plot. Voor deze vraag is dit een goede methode, maar wanneer men met teveel variabelen moet werken, zou deze methode minder interessant worden. Bij een starplot stelt elke ster een enkele observatie voor. De grootte van elk lijntje van de star geeft de relatieve waarde van de betrokken variabele voor. Star plots worden gebruikt om gelijkenissen en verschillen tussen verschillende observaties te ontdekken.
Met de conclusie van de student ben ik het minder eens. De student beweert namelijk dat men in stijgende volgorde van de nummers kan zien dat de variabele ‘hp’ stijgt. Dit klopt niet echt. Bij auto 7 zien we bijvoorbeeld een redelijk hoge hp, terwijl deze voor auto 19 ver onder het gemiddelde ligt en voor auto 31 dan weer ver boven het gemiddelde. Ik vind wel dat er inderdaad gelijkenissen zijn tussen auto’s, maar ik zou eerder andere categorieën definiëren. Zo zou je volgens mij de auto’s 15, 16 en 17 kunnen samennemen en in 1 categorie kunnen plaatsen. Zij scoren ongeveer hetzelfde over de verschillende variabelen. Zij scoren hoog op vlak van ‘disp’, ‘cyl’, laag op ‘mpg’ (ver onder het gemiddelde), iets boven het gemiddelde wanneer men kijkt naar ‘qsec’ en ver boven het gemiddelde als men kijkt naar ‘wt’. Op ‘drat’ scoren ze dan weer zeer laag. Je zou ook de auto’s 18 , 19, 20, en 26 in 1 categorie kunnen zetten en zo kun je nog enkele categorieën vormen. Ik zou dus concluderen dat er degelijk gelijkenissen zijn tussen de verschillende auto’s en dat je op basis daarvan verschillende categorieën zou kunnen vormen.

Post a new message

Dataset

Dataseries X:
Download CSV
Histogram
Boxplots 
21	6	160	110	3,9	2,62	16,46
21	6	160	110	3,9	2,875	17,02
22,8	4	108	93	3,85	2,32	18,61
21,4	6	258	110	3,08	3,215	19,44
18,7	8	360	175	3,15	3,44	17,02
18,1	6	225	105	2,76	3,46	20,22
14,3	8	360	245	3,21	3,57	15,84
24,4	4	146,7	62	3,69	3,19	20
22,8	4	140,8	95	3,92	3,15	22,9
19,2	6	167,6	123	3,92	3,44	18,3
17,8	6	167,6	123	3,92	3,44	18,9
16,4	8	275,8	180	3,07	4,07	17,4
17,3	8	275,8	180	3,07	3,73	17,6
15,2	8	275,8	180	3,07	3,78	18
10,4	8	472	205	2,93	5,25	17,98
10,4	8	460	215	3	5,424	17,82
14,7	8	440	230	3,23	5,345	17,42
32,4	4	78,7	66	4,08	2,2	19,47
30,4	4	75,7	52	4,93	1,615	18,52
33,9	4	71,1	65	4,22	1,835	19,9
21,5	4	120,1	97	3,7	2,465	20,01
15,5	8	318	150	2,76	3,52	16,87
15,2	8	304	150	3,15	3,435	17,3
13,3	8	350	245	3,73	3,84	15,41
19,2	8	400	175	3,08	3,845	17,05
27,3	4	79	66	4,08	1,935	18,9
26	4	120,3	91	4,43	2,14	16,7
30,4	4	95,1	113	3,77	1,513	16,9
15,8	8	351	264	4,22	3,17	14,5
19,7	6	145	175	3,62	2,77	15,5
15	8	301	335	3,54	3,57	14,6
21,4	4	121	109	4,11	2,78	18,6

Tables (Output of Computation)





Summary of computational transaction
Raw Inputview raw input (R code)
Raw Outputview raw output of R engine
Computing time1 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 & 1 seconds \tabularnewline
R Server & 'Gwilym Jenkins' @ 72.249.127.135 \tabularnewline
\hline
\end{tabular}
%Source: https://freestatistics.org/blog/index.php?pk=22111&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]1 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=22111&T=0

Globally Unique Identifier (entire table): ba.freestatistics.org/blog/index.php?pk=22111&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 time1 seconds
R Server'Gwilym Jenkins' @ 72.249.127.135


Figures (Output of Computation)

Input Parameters & R Code

Parameters (Session):
par1 = TRUE ;
Parameters (R input):
par1 = TRUE ;
R code (references can be found in the software module):
if (par1 == 'TRUE') par1 <- TRUE
if (par1 == 'FALSE') par1 <- FALSE
bitmap(file='test1.png')
stars(t(y), main = main, full=par1, key.loc = c(14, 2))
dev.off()