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 06:52:34 -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/t12253713529ih30nbe12nsfio.htm/, Retrieved Sun, 19 May 2024 13:33:40 +0000
Statistical Computations at FreeStatistics.org, Office for Research Development and Education, URL https://freestatistics.org/blog/index.php?pk=19998, Retrieved Sun, 19 May 2024 13:33:40 +0000
QR Codes:

Original text written by user:
IsPrivate?No (this computation is public)
User-defined keywords
Estimated Impact229

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    D    [Mean Plot] [Hypothesis Testin...] [2008-10-30 12:52:34] [284c7cdb9fcda2adcbb08e211682c8d6] [Current]
F   P       [Mean Plot] [Hypothesis Testin...] [2008-10-30 13:25:08] [38f43994ada0e6172896e12525dcc585]
F   PD        [Mean Plot] [Hypothesis Testin...] [2008-11-01 14:20:49] [38f43994ada0e6172896e12525dcc585]
F RMPD        [Pearson Correlation] [RNR - RNVM] [2008-11-01 15:02:44] [38f43994ada0e6172896e12525dcc585]
F    D          [Pearson Correlation] [RNR – RCF] [2008-11-01 15:07:17] [38f43994ada0e6172896e12525dcc585]
-    D            [Pearson Correlation] [RNR – RLEZ] [2008-11-01 15:11:08] [38f43994ada0e6172896e12525dcc585]
-    D              [Pearson Correlation] [RNR – REV] [2008-11-01 15:15:26] [38f43994ada0e6172896e12525dcc585]
-   PD                [Pearson Correlation] [RNR – REV] [2008-11-02 15:32:16] [d32f94eec6fe2d8c421bd223368a5ced]
-   PD              [Pearson Correlation] [RNR – RLEZ] [2008-11-02 15:30:09] [d32f94eec6fe2d8c421bd223368a5ced]
F   PD            [Pearson Correlation] [RNR – RCF] [2008-11-02 15:27:31] [d32f94eec6fe2d8c421bd223368a5ced]
F   PD          [Pearson Correlation] [RNR - RNVM] [2008-11-02 15:24:58] [d32f94eec6fe2d8c421bd223368a5ced]
F    D        [Mean Plot] [Hypothesis Testin...] [2008-11-02 13:40:23] [d32f94eec6fe2d8c421bd223368a5ced]
F R         [Mean Plot] [Hypothesis Testin...] [2008-10-30 14:37:57] [82970caad4b026be9dd352fdec547fe4]
F             [Mean Plot] [Hypothesis Testin...] [2008-11-02 13:54:19] [d32f94eec6fe2d8c421bd223368a5ced]
F RMPD        [Star Plot] [Hypothesis Testin...] [2008-11-02 14:32:18] [d32f94eec6fe2d8c421bd223368a5ced]
-    D          [Star Plot] [Verbetering] [2008-11-10 11:09:53] [79c17183721a40a589db5f9f561947d8]
-             [Mean Plot] [oplossing task 4] [2008-11-07 14:46:11] [3754dd41128068acfc463ebbabce5a9c]
F           [Mean Plot] [Hypothesis Testin...] [2008-11-02 13:37:17] [d32f94eec6fe2d8c421bd223368a5ced]
F    D        [Mean Plot] [Mean plot Belgisc...] [2008-11-02 22:57:16] [d32f94eec6fe2d8c421bd223368a5ced]
Feedback Forum
2008-11-06 13:45:36 [Nathalie Koulouris] [reply] 
De student heeft deze vraag goed opgelost. Bij de box plot is het duidelijk visueel zichtbaar dat er seizoenaliteit aanwezig is. Wanneer we bijvoorbeeld maart tegenover september nemen, zien we een significant verschil en dit wijst op seizoenaliteit.
2008-11-06 17:42:42 [Romina Machiels] [reply] 
De student heeft de vraag goed beantwoord, maar ze mocht er wel bij zetten in welke maanden er seizonaliteit is.
De seizonalitiet kan je zien in de 1ste grafiek waar er een enorm verschil is tussen maand 6 en 7. Er is dus een enorm verschil tussen de gemiddelden van de maanden 6 en 7, dus er is sprake van seizonaliteit.
Bij de grafiek van de notched blox plot zie je hetzelfde verschijnsel.
2008-11-07 13:25:03 [Jeroen Aerts] [reply] 
Om seizoenaliteit af te lezen kan je beter gebruik maken van de grafiek notched box plots- periodic subseries.

Omdat je hier kan zien of de maanden niet binnen elkaars betrouwbaarheidsinterval liggen. Want als dit zo is, kan je niet meteen zeggen of het significant hoger/lager ligt t.o.v. van een andere maand.

Zo kan je dus waarnemen dat mei significant lager ligt dan juni,juli, augustus omdat ze, ondanks het betrouwbaarheidsinterval, nog steeds ver van elkaar verwijdert zijn. Dit kan je voor elke maand doen en krijg je dus uiteindelijk dezelfde conclusie dan iedereen dat er hier wel degelijk sprake is van seizoenaliteit.
2008-11-07 14:54:39 [Mehmet Yilmaz] [reply] 
De student geeft een correct antwoord. Hier is duidelijk sprake van seizoenaliteit.
2008-11-08 14:39:23 [Kim Huysmans] [reply] 
Het klopt dat we hier kunnen spreken van seizonaliteit. Als we naar de Mean Plot kijken kunnen we besluiten dat de seizoenaliteit effect heeft op de kledingproductie. Op de x-as van de Mean Plot lezen we de maanden af. We zien duidelijk dat het gemiddelde van augustus veel hoger ligt dan is het gemiddelde van september. Op de noched box plots (augustus -september)kunnen we vaststellen dat de betrouwbaarheidsintervallen elkaar niet overlappen. We kunnen dus besluiten dat er een significant verschil is en dat seizoenaliteit geen toeval is.
2008-11-11 10:19:16 [Sanne Kerckhofs] [reply] 
De student zegt :'Het is grafisch duidelijk zichtbaar dat de productie van kledij seizoensgebonden is. Want het fluctueert.' Het is niet omdat er fluctuaties zijn in de grafiek dat er daarom gesproken kan worden over seizoensgebondenheid. Het is omdat er duidelijke significante verschillen zijn tussen sommige maanden dat er daar over seizoenaliteit gesproken kan worden.
2008-11-11 11:53:31 [Jeroen Michel] [reply] 
De student geeft een correcte werkwijze weer. Net zoals de vorige student is het belangrijk te stellen dat wanneer er fluctuaties zijn er niet noodzakelijk sprake is van seizoenaliteit.

Net zoals in in mijn conclusie zeg (word document) gaat het hier inderdaad niet over 'waarden' van een dataset, maar over de gemiddelden periodiek gezien. Bij 7, wat overeenkomt met maand 7, september, is er een outlier waar te nemen wat wijst op seizoenaliteit. Net zoals beschreven in het document kan dit er op duiden dat mensen meer kledij zullen aankopen. Vanaf oktober is er een vergelijkbare trend, dit is dan wel van toepassing voor de winterkledij.

De grafieken geven een correct beeld weer.
2008-11-11 13:50:02 [Sanne Kerckhofs] [reply] 
Zoals ik eerder in de feedback vermeldde, geeft de student een correct antwoord. Weer merk ik hier het plagiaat op. Ik heb deze link gevonden in iemand anders zijn werk.

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 time3 seconds
R Server'Sir Ronald Aylmer Fisher' @ 193.190.124.24

\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 & 'Sir Ronald Aylmer Fisher' @ 193.190.124.24 \tabularnewline
\hline
\end{tabular}
%Source: https://freestatistics.org/blog/index.php?pk=19998&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]'Sir Ronald Aylmer Fisher' @ 193.190.124.24[/C][/ROW]
[/TABLE]
Source: https://freestatistics.org/blog/index.php?pk=19998&T=0

Globally Unique Identifier (entire table): ba.freestatistics.org/blog/index.php?pk=19998&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 time3 seconds
R Server'Sir Ronald Aylmer Fisher' @ 193.190.124.24


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))
ari <- array(0,dim=par1)
j <- 0
for (i in 1:n)
{
j = j + 1
ari[j] = ari[j] + 1
arr[j,ari[j]] <- x[i]
if (j == par1) j = 0
}
ari
arr
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='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()