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 computationTue, 28 Oct 2008 08:30:39 -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/28/t1225204277ees9h42lqsk0q9f.htm/, Retrieved Sun, 19 May 2024 17:42:36 +0000
Statistical Computations at FreeStatistics.org, Office for Research Development and Education, URL https://freestatistics.org/blog/index.php?pk=19769, Retrieved Sun, 19 May 2024 17:42:36 +0000
QR Codes:

Original text written by user:
IsPrivate?No (this computation is public)
User-defined keywords
Estimated Impact200

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] [q2] [2008-10-28 14:30:39] [b4fc5040f26b33db57f84cfb8d1d2b82] [Current]
F   PD    [Mean Plot] [Q2 op 36 maanden] [2008-10-29 12:00:41] [c5a66f1c8528a963efc2b82a8519f117]
-    D    [Mean Plot] [verbetering q3] [2008-11-11 13:55:59] [c5a66f1c8528a963efc2b82a8519f117]
Feedback Forum
2008-11-07 11:47:08 [Christy Masson] [reply] 
om een volledig nauwkeuriger beeld te krijgen zou het aantal blocks moeten worden ingesteld op 12. Als dit gebeurt is dan zien we een significant verschil en kunnen we duidelijk spreken van saisonaliteit.
2008-11-10 09:57:41 [Kevin Neelen] [reply] 
Hierbij kan er gekeken worden naar de notched boxplots waarbij met betrouwbaarheidsintervallen wordt gewerkt. Hieruit kunnen we concluderen dat na maanden 6 en 10 deze gegevens enorm van elkaar verschillen. ze verschillen zelfs significant van want de betrouwbaarheidsintervallen vallen niet samen. Belangrijk hierbij is wel dat het aantal lags wordt ingesteld op 12. Als deze bevoorbeeld wordt ingesteld op 36 kunnen geen seizoensinvloeden bestudeerd worden! De conclusie van de student in het bijgevoegde document klopt dus zeker niet. Als het aantal lags ingesteld is op 12, kunnen wel degelijk seizoensinvloeden opgemerkt worden. In het meanplot worden namelijk de gemiddeldes van de maanden gedurende verschillende jaren weergegeven. Hieruit kunnen we dan besluiten dat er verschillen zijn tussen maanden 6 en 7 en tussen maanden 10 en 11 die te wijten zijn aan seizoenaliteiten.
2008-11-10 10:08:51 [Kevin Neelen] [reply] 
Op Q3 te kunnen oplossen, moet er gekeken worden naar de Notched Boxplots Sequential Blocks. Als we deze grafiek bestuderen, zien we een dalende trend van de mediaan in deze grafiek. Er kan gesteld gesteld worden dat deze verschillen niet signifiacnt zijn, aangezien de betrouwbaarhiedsintervallen ongeveer samenvallen. Enkel de boxplot van de het 5de jaar in vergelijking met deze van het eerste jaar, kan een twijfelgeval zijn aangezien hier de betrouwbaarheidsintervallen (de notches van de boxplot) niet met elkaar samenvallen. De studente heeft dus een verkeerde conclusie getrokken.
2008-11-10 11:03:54 [a7e076854c32462fd499d2de3f6d4e86] [reply] 
Het antwoord van de student is niet correct. Men moet het aantal blocks instellen op 12, dan kunnen we een significant verschil waarnemen. Het gaat hier om seizoensinvloeden (seizoenaliteit). Als deze worden ignesteld op vb. 36 kunnen er inderdaad geen seizoensinvloeden worden bestudeerd.

2008-11-11 10:10:58 [Sanne Kerckhofs] [reply] 
De berekening en het resultaat van deze Q2 kloppen wel. Alleen heeft de student er een verkeerde conclusie bij gemaakt. Op deze grafieken kan er wel seizoenaliteit worden gemeten. Het is namelijk heel belangrijk dat de blockwidth op 12 blijft staan omdat dit het aantal maanden voorstelt. Dit aanpassen naar 36 is dus verkeerd want dan kunnen we geen seizoenaliteit aflezen.
We krijgen hier een weergave te zien van de spreiding van de verschillende maanden. We kunnen een significant verschil zien tussen verschillende waarden waaruit we kunnen besluiten dat deze verschillen te wijten zijn aan seizoenaliteit.
2008-11-11 11:36:32 [Sanne Kerckhofs] [reply] 
De studente zegt dat die niet de correcte berekening is want dat de blockwidth 36 moet zijn i.p.v. 12 (wat hier het geval is). Dat is niet correct. Dit is WEL de juiste berekening voor Q3.
We kunnen hier bij de sequential blocks aflezen dat jaar na jaar er een lichte daling is. De notches komen deels nog overeen waaruit we dan kunnen besluiten dat de daling toevallig is. Bij vergelijking van het 1ste en 5de jaar kunnen we zien dat het een twijfelgeval is. Hier zouden we wel over een significante daling kunnen spreken omdat de betrouwbaarheidsintervallen niet meer overeenkomen.

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 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=19769&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=19769&T=0

Globally Unique Identifier (entire table): ba.freestatistics.org/blog/index.php?pk=19769&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 = 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()