Free Statistics

of Irreproducible Research!

Author's title

Investigating Distributions - Clothing production/total industrial producti...

Author

*The author of this computation has been verified*

R Software Module

rwasp_edauni.wasp

Title produced by software

Univariate Explorative Data Analysis

Date of computation

Sat, 25 Oct 2008 07:44:20 -0600

Cite this page as follows

Statistical Computations at FreeStatistics.org, Office for Research Development and Education, URL https://freestatistics.org/blog/index.php?v=date/2008/Oct/25/t12249423194x0yr1gwei10zp0.htm/, Retrieved Sun, 19 May 2024 13:36:56 +0000

Statistical Computations at FreeStatistics.org, Office for Research Development and Education, URL https://freestatistics.org/blog/index.php?pk=18730, Retrieved Sun, 19 May 2024 13:36:56 +0000

QR Codes:

Paste this QR Code to cite your computation.

Original text written by user:

IsPrivate?

No (this computation is public)

User-defined keywords

Estimated Impact

154

Family? (F = Feedback message, R = changed R code, M = changed R Module, P = changed Parameters, D = changed Data)

F       [Univariate Explorative Data Analysis] [Investigating Dis...] [2008-10-25 13:44:20] [7957bb37a64ed417bbed8444b0b0ea8a] [Current]

Feedback Forum

2008-10-31 17:49:40 [Kevin Neelen] [reply] 
Deze studente heeft de juiste methode gebruikt om deze vraag op te lossen, namelijk EDA-module. Er is tevens een juiste conclusie getrokken. Er is niet echt sprake van een constante aangezien de kledingpoductie afwijkt van de algemene economische groei. Dit zien we duidelijk in het Run-equence-Plot die een dalende trend weergeeft. De 'oude' student heeft dus een juiste conclusie getrokken.
2008-10-31 17:56:17 [Kevin Neelen] [reply] 
Aangezien bij de volgende vraag (Q4) geen aparte link staat, de kritiek ook hier bij deze vraag. 
Of er al dan niet sprake is van seizoensinvloeden in deze analyse, is vrij moeilijk te zien. we zien wel een wederkerend patroon in het verloop van het Run-Sequence-Plot wat misschien wel een gevolg kan zijn van seizoensinvloeden. Een betere methode om dit te onderzoeken, is gebruik te maken van een Mean Plot (zoals Dhr. Wessa tijdens het hoorcollege vermeld heeft). De conclusie van deze studente is dus niet echt volledig. 
2008-11-02 21:40:55 [Michaël De Kuyer] [reply] 
De student heeft de juiste methode gebruikt en de resultaten juist geïnterpreteerd. De kledingproductie heeft een gans ander verloop dan de totale productie. De kledingproductie verloopt dalend, de totale productie stijgend. We kunnen dus inderdaad besluiten dat de kledingproductie niet bijdraagt aan de economische groei.
2008-11-02 21:47:41 [Michaël De Kuyer] [reply] 
Ook ik zal hier de feedback over de vierde vraag typen. Het is, zoals Kevin heeft vermeld, zeer moeilijk om vanuit de run sequense plot vast te stellen of er al dan niet seizonaliteit is. We kunnen de mean plot gebruiken, maar eveneens de autocorrelation function. Hier vind je de link: http://www.freestatistics.org/blog/index.php?v=date/2008/Nov/02/t1225633176cr66wd5fyt4llwn.htm. Je ziet dat er elke 12de maand een uitschieter is. Dit wijst op seizonaliteit.
2008-11-03 18:24:08 [256f97d8b7c07ed49f142eff724c6520] [reply] 
Correct uitgevoerd en geconcludeerd

Post a new message

Dataseries X:

Download CSV

Histogram

Boxplots

0,989130435
0,919087137
0,925417076
0,925612053
1,066666667
0,851108765
1,030693069
0,989031079
0,913000978
0,792723264
0,978170478
0,987513007
0,909433962
0,883608147
0,82745098
0,8252149
1,023255814
0,815418024
1,026192703
0,914742451
0,807276303
0,739130435
0,98973306
0,972164948
0,853889943
0,856864654
0,775739042
0,789473684
0,931350114
0,73971079
0,885245902
0,842435094
0,818458418
0,72755418
0,923238696
0,922680412
0,883762201
0,818270165
0,771047228
0,825852783
0,924485126
0,755165289
0,874671341
0,815956482
0,799807507
0,712598425
0,832980973
0,910323253
0,869149952
0,779182879
0,750254842
0,75856014
0,920889988
0,743991641
0,816254417
0,769593957
0,784007353
0,683284457
0,850505051
0,900695134
0,868398268

Summary of computational transaction
Raw Input	view raw input (R code)
Raw Output	view raw output of R engine
Computing time	3 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 & 3 seconds \tabularnewline
R Server & 'Gwilym Jenkins' @ 72.249.127.135 \tabularnewline
\hline
\end{tabular}
%Source: https://freestatistics.org/blog/index.php?pk=18730&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]'Gwilym Jenkins' @ 72.249.127.135[/C][/ROW]
[/TABLE]
Source: https://freestatistics.org/blog/index.php?pk=18730&T=0

Globally Unique Identifier (entire table): ba.freestatistics.org/blog/index.php?pk=18730&T=0

As an alternative you can also use a QR Code:

The GUIDs for individual cells are displayed in the table below:

Summary of computational transaction
Raw Input	view raw input (R code)
Raw Output	view raw output of R engine
Computing time	3 seconds
R Server	'Gwilym Jenkins' @ 72.249.127.135

Descriptive Statistics
# observations	61
minimum	0.683284457
Q1	0.792723264
median	0.853889943
mean	0.86210009042623
Q3	0.922680412
maximum	1.066666667

\begin{tabular}{lllllllll}
\hline
Descriptive Statistics \tabularnewline
# observations & 61 \tabularnewline
minimum & 0.683284457 \tabularnewline
Q1 & 0.792723264 \tabularnewline
median & 0.853889943 \tabularnewline
mean & 0.86210009042623 \tabularnewline
Q3 & 0.922680412 \tabularnewline
maximum & 1.066666667 \tabularnewline
\hline
\end{tabular}
%Source: https://freestatistics.org/blog/index.php?pk=18730&T=1

[TABLE]
[ROW][C]Descriptive Statistics[/C][/ROW]
[ROW][C]# observations[/C][C]61[/C][/ROW]
[ROW][C]minimum[/C][C]0.683284457[/C][/ROW]
[ROW][C]Q1[/C][C]0.792723264[/C][/ROW]
[ROW][C]median[/C][C]0.853889943[/C][/ROW]
[ROW][C]mean[/C][C]0.86210009042623[/C][/ROW]
[ROW][C]Q3[/C][C]0.922680412[/C][/ROW]
[ROW][C]maximum[/C][C]1.066666667[/C][/ROW]
[/TABLE]
Source: https://freestatistics.org/blog/index.php?pk=18730&T=1

Globally Unique Identifier (entire table): ba.freestatistics.org/blog/index.php?pk=18730&T=1

As an alternative you can also use a QR Code:

The GUIDs for individual cells are displayed in the table below:

Descriptive Statistics
# observations	61
minimum	0.683284457
Q1	0.792723264
median	0.853889943
mean	0.86210009042623
Q3	0.922680412
maximum	1.066666667

Figure 1

PNG link

Postscript link

PDF link

Figure 2

PNG link

Postscript link

PDF link

Figure 3

PNG link

Postscript link

PDF link

Figure 4

PNG link

Postscript link

PDF link

Figure 5

PNG link

Postscript link

PDF link

Figure 6

PNG link

Postscript link

PDF link

Figure 7

PNG link

Postscript link

PDF link

Parameters (Session):

par1 = 0 ; par2 = 0 ;

Parameters (R input):

par1 = 0 ; par2 = 0 ;

R code (references can be found in the software module):

par1 <- as.numeric(par1)
par2 <- as.numeric(par2)
x <- as.ts(x)
library(lattice)
bitmap(file='pic1.png')
plot(x,type='l',main='Run Sequence Plot',xlab='time or index',ylab='value')
grid()
dev.off()
bitmap(file='pic2.png')
hist(x)
grid()
dev.off()
bitmap(file='pic3.png')
if (par1 > 0)
{
densityplot(~x,col='black',main=paste('Density Plot   bw = ',par1),bw=par1)
} else {
densityplot(~x,col='black',main='Density Plot')
}
dev.off()
bitmap(file='pic4.png')
qqnorm(x)
qqline(x)
grid()
dev.off()
if (par2 > 0)
{
bitmap(file='lagplot1.png')
dum <- cbind(lag(x,k=1),x)
dum
dum1 <- dum[2:length(x),]
dum1
z <- as.data.frame(dum1)
z
plot(z,main='Lag plot (k=1), lowess, and regression line')
lines(lowess(z))
abline(lm(z))
dev.off()
if (par2 > 1) {
bitmap(file='lagplotpar2.png')
dum <- cbind(lag(x,k=par2),x)
dum
dum1 <- dum[(par2+1):length(x),]
dum1
z <- as.data.frame(dum1)
z
mylagtitle <- 'Lag plot (k='
mylagtitle <- paste(mylagtitle,par2,sep='')
mylagtitle <- paste(mylagtitle,'), and lowess',sep='')
plot(z,main=mylagtitle)
lines(lowess(z))
dev.off()
}
bitmap(file='pic5.png')
acf(x,lag.max=par2,main='Autocorrelation Function')
grid()
dev.off()
}
summary(x)
load(file='createtable')
a<-table.start()
a<-table.row.start(a)
a<-table.element(a,'Descriptive Statistics',2,TRUE)
a<-table.row.end(a)
a<-table.row.start(a)
a<-table.element(a,'# observations',header=TRUE)
a<-table.element(a,length(x))
a<-table.row.end(a)
a<-table.row.start(a)
a<-table.element(a,'minimum',header=TRUE)
a<-table.element(a,min(x))
a<-table.row.end(a)
a<-table.row.start(a)
a<-table.element(a,'Q1',header=TRUE)
a<-table.element(a,quantile(x,0.25))
a<-table.row.end(a)
a<-table.row.start(a)
a<-table.element(a,'median',header=TRUE)
a<-table.element(a,median(x))
a<-table.row.end(a)
a<-table.row.start(a)
a<-table.element(a,'mean',header=TRUE)
a<-table.element(a,mean(x))
a<-table.row.end(a)
a<-table.row.start(a)
a<-table.element(a,'Q3',header=TRUE)
a<-table.element(a,quantile(x,0.75))
a<-table.row.end(a)
a<-table.row.start(a)
a<-table.element(a,'maximum',header=TRUE)
a<-table.element(a,max(x))
a<-table.row.end(a)
a<-table.end(a)
table.save(a,file='mytable.tab')

Free Statistics

Description of Statistical Computation

Investigating Distributions - Clothing production/total industrial producti...

Tree of Dependent Computations

Dataset

Tables (Output of Computation)

Figures (Output of Computation)

Input Parameters & R Code