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, 30 Oct 2008 03:18:17 -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/30/t1225358342znsr1trde8xt3m0.htm/, Retrieved Sun, 19 May 2024 16:30:35 +0000
Statistical Computations at FreeStatistics.org, Office for Research Development and Education, URL https://freestatistics.org/blog/index.php?pk=19970, Retrieved Sun, 19 May 2024 16:30:35 +0000
QR Codes:

Original text written by user:
IsPrivate?No (this computation is public)
User-defined keywordstt4
Estimated Impact188

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] [workshop 3] [2007-10-26 12:14:28] [e9ffc5de6f8a7be62f22b142b5b6b1a8]
F R PD  [Mean Plot] [Mean plot eigen d...] [2008-10-29 15:23:13] [b635de6fc42b001d22cbe6e730fec936]
F   P       [Mean Plot] [tt4] [2008-10-30 09:18:17] [458fee276d63daa9deadf4e7db401a64] [Current]
-   P         [Mean Plot] [asses] [2008-11-11 11:39:46] [74be16979710d4c4e7c6647856088456]
Feedback Forum
2008-11-11 11:42:14 [Stijn Loomans] [reply] 
Je laat hier niet weten welke dataseries je gebruikt hebt.

Je hebt het aantal blocks gelijkgesteld aan 60. Waardoor je meanplot eingelijk zinloos wordt. Om het goed te kunnen analyseren had je het aantal block op 12( aantal maanden) moeten zetten. Zodat elke blok het gemmiddelde van een maand is.

Als je dit wel waart gaan doen had je gemerkt dat tussen 8 en 10 er een duidelijk verschil is. Dit kan wijzen op seizonaal gedrag.

http://www.freestatistics.org/blog/date/2008/Nov/11/t1226403622k5khom074o46p6a.htm

Als je dan gaat zien naar de notched boxplots kun je zien dat er tussen 8 en 10 een vershil is. Wat kan wijzen op seizonaliteit.

Als je dan gaat zien bij de sequential blocks zie dat de daling vooral in jaar 4 en 5 voorkomt dus wss economische verschijnsele de oorzaak zijn
2008-11-11 14:10:43 [Bernard Femont] [reply] 
Je laat hier niet weten welke dataseries je gebruikt hebt.

Je hebt het aantal blocks gelijkgesteld aan 60. Waardoor je meanplot eingelijk zinloos wordt. Om het goed te kunnen analyseren had je het aantal block op 12( aantal maanden) moeten zetten. Zodat elke blok het gemmiddelde van een maand is.

Als je dit wel waart gaan doen had je gemerkt dat tussen 8 en 10 er een duidelijk verschil is. Dit kan wijzen op seizonaal gedrag.

http://www.freestatistics.org/blog/date/2008/Nov/11/t1226403622k5khom074o46p6a.htm

Als je dan gaat zien naar de notched boxplots kun je zien dat er tussen 8 en 10 een vershil is. Wat kan wijzen op seizonaliteit.

Als je dan gaat zien bij de sequential blocks zie dat de daling vooral in jaar 4 en 5 voorkomt dus wss economische verschijnsele de oorzaak zijn
helemaal met eens

Post a new message

Dataset

Dataseries X:
Download CSV
Histogram
Boxplots 
8.4
8.4
8.4
8.6
8.9
8.8
8.3
7.5
7.2
7.5
8.8
9.3
9.3
8.7
8.2
8.3
8.5
8.6
8.6
8.2
8.1
8
8.6
8.7
8.8
8.5
8.4
8.5
8.7
8.7
8.6
8.5
8.3
8.1
8.2
8.1
8.1
7.9
7.9
7.9
8
8
7.9
8
7.7
7.2
7.5
7.3
7
7
7
7.2
7.3
7.1
6.8
6.6
6.2
6.2
6.8
6.9

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'George Udny Yule' @ 72.249.76.132

\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 & 'George Udny Yule' @ 72.249.76.132 \tabularnewline
\hline
\end{tabular}
%Source: https://freestatistics.org/blog/index.php?pk=19970&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]'George Udny Yule' @ 72.249.76.132[/C][/ROW]
[/TABLE]
Source: https://freestatistics.org/blog/index.php?pk=19970&T=0

Globally Unique Identifier (entire table): ba.freestatistics.org/blog/index.php?pk=19970&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'George Udny Yule' @ 72.249.76.132


Figures (Output of Computation)

Input Parameters & R Code

Parameters (Session):
par1 = 60 ;
Parameters (R input):
par1 = 60 ; par2 = ; par3 = ; par4 = ; par5 = ; par6 = ; par7 = ; par8 = ; par9 = ; par10 = ; par11 = ; par12 = ; par13 = ; par14 = ; par15 = ; par16 = ; par17 = ; par18 = ; par19 = ; par20 = ;
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()