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 computationThu, 06 Nov 2008 10:29:26 -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/t122599267476713gq3ewg266s.htm/, Retrieved Sun, 19 May 2024 07:09:48 +0000
Statistical Computations at FreeStatistics.org, Office for Research Development and Education, URL https://freestatistics.org/blog/index.php?pk=22346, Retrieved Sun, 19 May 2024 07:09:48 +0000
QR Codes:

Original text written by user:
IsPrivate?No (this computation is public)
User-defined keywords
Estimated Impact170

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] [seizoenseffect op...] [2008-11-06 17:29:26] [c5d6d05aee6be5527ac4a30a8c3b8fe5] [Current]
Feedback Forum
2008-11-10 10:51:38 [Jasmine Hendrikx] [reply] 
Evaluatie task 1 Q2:

Het is inderdaad zo dat de student uit workshop 3a gelijk heeft wat betreft dat er sprake is van seizoenaliteit. Uit de meanplot zie je inderdaad duidelijke fluctuaties, maar om echt zeker te zijn dat er sprake is van seizoenaliteit, moet je kijken naar de notched boxplots. We zien dat bijvoorbeeld de inkepingen van maand 6 en maand 7 niet overlappen. Dit betekent dat het verschil tussen deze maanden niet aan het toeval te wijten is en dat men dus kan spreken van significante verschillen en dus van seizoenaliteit. Wat ik ook nog wil opmerken, is dat de eerste maand in de grafiek, slaat op de maand maart. Het is dus niet zo dat maand 7 overeenkomt met juli (zoals de student verkeerd veronderstelde), deze komt wel overeen met september.
2008-11-10 10:58:59 [Jasmine Hendrikx] [reply] 
Evaluatie task 1 Q3:

Ik ben het gedeeltelijk eens met de conclusie van de student. Ze zegt duidelijk dat er een daling is, maar dat de inkepingen elkaar overlappen. Ze maakt echter een verkeerde redenering door te zeggen dat je hierdoor niet meer van toeval kunt spreken. Het is juist omgekeerd: doordat de inkepingen elkaar overlappen, kun je juist WEL van toeval spreken. Aanvullend zou ik er dus ook nog bijschrijven dat het geen significante dalingen zijn, dus dat de dalingen eerder door toeval verklaard zouden kunnen worden. Ook zou ik vermelden dat als je de notched boxplot van jaar 1 met deze van jaar 5 vergelijkt, we niet met zekerheid kunnen zeggen dat de inkepingen elkaar overlappen. Hier is dus bijgevolg verder onderzoek, een bijkomende analyse nodig om te onderzoeken of het hier om een significante daling gaat of niet. Bijkomend zou ik nog vermelden dat we de 6de boxplot buiten beschouwing laten, aangezien deze niet alle gegevens van een volledig jaar bevat.
2008-11-10 13:12:15 [Käthe Vanderheggen] [reply] 
Evaluatie Q2: De leerling heeft de seizoenaliteit mooi geïllustreerd. Ze had hier wel de werking van de mean plot kunnen uitleggen: dat de gemiddelden van de maanden werden gebruikt om te vergelijken en dat wordt gebruik gemaakt van notched boxplots om toeval uit te sluiten.

Evaluatie Q3: De student maakt wel een rare sprong van ‘de mediaans zeggen hetzelfde’ naar ‘we kunnen niet spreken van toeval’. Wanneer de medianen overlappen zouden we juist wel van toeval kunnen spreken.
2008-11-10 15:34:09 [Lana Van Wesemael] [reply] 
In deze vraag maakte je dezelfde vergissing als in Q1. Als de inkepingen elkaar overlappen is er wel sprake van toeval. Enkel als de inkepingen elkaar niet overlappen kan men stellen dat het verschil significant is.
2008-11-10 19:20:42 [Lana Van Wesemael] [reply] 
Q2
Sorry mijn fout, ik had niet meteen door dat de link van Q2 en Q3 dezelfde waren, let dus aub niet op de opmerking die ik daarover geschreven op moodle. Ik heb dit te laat ontdekt en nu kan ik het niet meer aanpassen op moodle, de toegekende score moet dus in feite hoger liggen. Excuseer daarvoor.
Bij deze vraag heb je een mooi voorbeeld aangehaald uit de realiteit(de solden). Ter aanvulling zou ik nog vermelden dat de mean plot de schommelingen van de gemiddelde productie weergeeft en dat de notched box plots dan bevestigen of deze schommelingen al dan niet significant zijn.
2008-11-11 07:42:16 [Kevin Vermeiren] [reply] 
Q2:
Het is duidelijk dat er hier sprake is van seizoenaliteit daar er grote schommelingen zijn tussen de maanden. Zo zijn er in maanden 6,7 en 10 duidelijke hoogte- en dieptepunten. Verder had het beter geweest om hier te spreken over de significantie van de schommelingen van de waarden voor de verschillende maanden via de notched box plots. Hieruit valt af te leiden dat de inkepingen van de opeenvolgende maanden van de notched box plots elkaar niet overlappen en bijgevolg de verschillen niet toewijsbaar zijn aan toeval.
Q3:
Het klopt inderdaad dat de juiste methode (sequential blocks) gebruikt is. Verder is het juist dat de inkepingen van de medianen elkaar overlappen. Hieruit werd echter een foute conclusie getrokken. Het is niet juist dat we hierdoor niet meer over toeval kunnen spreken. Het betrouwbaarheidsinterval wijst er op dat de mediaan kan schommelen tussen de boven en de ondergrens van dit interval. Indien deze inkepingen elkaar niet overlappen duidt dit er op dat we met minstens 95% zekerheid kunnen stellen dat de verschillen significant zijn. Verder diende vermeld te worden dat indien de mediaan van jaar 1 met deze van jaar 5 vergeleken wordt, er vastgesteld kan worden dat de inkepingen elkaar niet (dit blijkt uit verder onderzoek) overlappen. Dit wijst dus op een significant verschil waardoor er sprake is van een algemeen dalende trend over de 5jaren heen.

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 time4 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 & 4 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=22346&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]4 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=22346&T=0

Globally Unique Identifier (entire table): ba.freestatistics.org/blog/index.php?pk=22346&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 time4 seconds
R Server'Herman Ole Andreas Wold' @ 193.190.124.10:1001


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()