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_backtobackhist.wasp
Title produced by softwareBack to Back Histogram
Date of computationSun, 19 Oct 2008 10:08:18 -0600
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/Oct/19/t12244325970lzu331bqxnycbl.htm/, Retrieved Sun, 19 May 2024 15:54:21 +0000
Statistical Computations at FreeStatistics.org, Office for Research Development and Education, URL https://freestatistics.org/blog/index.php?pk=16939, Retrieved Sun, 19 May 2024 15:54:21 +0000
QR Codes:

Original text written by user:
IsPrivate?No (this computation is public)
User-defined keywords
Estimated Impact122

Tree of Dependent Computations

Family? (F = Feedback message, R = changed R code, M = changed R Module, P = changed Parameters, D = changed Data)
F       [Back to Back Histogram] [Investigating ass...] [2008-10-19 16:08:18] [708e5cce6cfef15b7edd0dea71956401] [Current]
Feedback Forum
2008-10-24 08:41:31 [Ellen Smolders] [reply] 
Het antwoord van de student is gedeeltelijk correct. Het is correct dat de grafieken niet gelijkaardig zijn, maar de verantwoording is niet juist.
De student had er bij moeten vermelden dat de grafieken niet gelijkaardig zijn.
Het gemiddelde van de kledingproductie zal meer naar onder liggen doordat deze minder outliers bevat. Dit betekent dat het gemiddelde van de totale productie (100) hoger ligt dan de kledingproductie (80)(omdat de kledingproductie is afgezwakt in de tijd). We zien een duidelijk verschil tussen de twee histogrammen maar er zijn verdere bijkomende tests nodig om een wetenschappelijk verschil aan te tonen. De spreiding is ongeveer even groot. We kunnen uit de back-to-back histogram niet afleiden of de curves een dalend of een stijgend verloop hebben doordat ze niet chronologisch geordend zijn.
2008-10-24 08:42:35 [Ellen Smolders] [reply] 
Bovendien is de student vergeten de assen te benoemen.
2008-10-25 18:19:16 [Ruben Jacobs] [reply] 
De waarden van de totale productie liggen hoger dan deze van de productie van kleding. Met als gevolg dat de central tendency van de totale productie dus ook hoger zullen liggen. Dit komt echter niet door meer of minder outliers. Dit verschil in gemiddelden is ook grafisch zichtbaar: in de klasse met de meeste observaties zullen meestal ook de central tendency zitten.

2008-10-26 13:19:21 [Kevin Neelen] [reply] 
De beide grafieken lopen niet gelijkaardig maar de spreiding die zich in beide grafieken voordoet, is wel ongeveer dezelfde. Het gemiddelde aan de linkerzijde (Totale Productie) ligt hoger dan het gemiddelde aan de rechterzijde (kledingproductie). Een correct benoeming van de assen had hier dus ook handig geweest. Zoals in opgave Q1 bij kledingprosductie is gezegd, bevat deze reeks minders outliers waardoor het gemiddelde sowieso ook al lager zal liggen. Als er vel outliers (of hoge) outliers zouden zijn (zoals dus bij Totale Prodcutie) zal het gemiddelde de hoogte inschieten.

Post a new message

Dataset

Dataseries X:
Download CSV
Histogram
Boxplots 
110.40
96.40
101.90
106.20
81.00
94.70
101.00
109.40
102.30
90.70
96.20
96.10
106.00
103.10
102.00
104.70
86.00
92.10
106.90
112.60
101.70
92.00
97.40
97.00
105.40
102.70
98.10
104.50
87.40
89.90
109.80
111.70
98.60
96.90
95.10
97.00
112.70
102.90
97.40
111.40
87.40
96.80
114.10
110.30
103.90
101.60
94.60
95.90
104.70
102.80
98.10
113.90
80.90
95.70
113.20
105.90
108.80
102.30
99.00
100.70
115.50
Dataseries Y:
Download CSV
Histogram 
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=16939&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=16939&T=0

Globally Unique Identifier (entire table): ba.freestatistics.org/blog/index.php?pk=16939&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 = grey ; par2 = grey ; par3 = TRUE ;
Parameters (R input):
par1 = grey ; par2 = grey ; par3 = TRUE ; par4 = ; par5 = ;
R code (references can be found in the software module):
if (par3 == 'TRUE') par3 <- TRUE
if (par3 == 'FALSE') par3 <- FALSE
library(Hmisc)
z <- data.frame(cbind(x,y))
names(z) <- list(par4,par5)
bitmap(file='plot.png')
out <- histbackback(z, probability=par3, main = main, ylab = ylab)
barplot(-out$left, col=par1, horiz=TRUE, space=0, add=TRUE, axes=FALSE)
barplot(out$right, col=par2, horiz=TRUE, space=0, add=TRUE, axes=FALSE)
dev.off()