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 11:13:18 -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/30/t12253869012obsluxqr13cumn.htm/, Retrieved Sun, 19 May 2024 13:31:58 +0000
Statistical Computations at FreeStatistics.org, Office for Research Development and Education, URL https://freestatistics.org/blog/index.php?pk=20127, Retrieved Sun, 19 May 2024 13:31:58 +0000
QR Codes:

Original text written by user:
IsPrivate?No (this computation is public)
User-defined keywords
Estimated Impact143

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] [Hypothesis Testin...] [2008-10-30 17:13:18] [4f54996111e63ee83b19b6a8540c6bad] [Current]
Feedback Forum
2008-11-06 18:15:44 [Romina Machiels] [reply] 
De student heeft de juiste techniek gebruikt, maar de vraag gedeeltelijk juist beantwoord. Er is inderdaad sprake van seizonaliteit, maar enkel tussen de 6de en 7de maand en niet bij de 1ste maand.
Dit kan je zien in de 1ste grafiek waar er een enorm verschil is tussen maand 6 en 7. De 1ste grafiek telkens gemiddelden geeft vb: het 1ste punt op de grafiek is het gemiddelde van de maanden 1 over de verschillende jaren enzo verder. 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.
2008-11-06 18:18:17 [Romina Machiels] [reply] 
Q3: Ze heeft de juiste techniek gebruikt en de vraag juist beantwoord.
Om een significant verschil aan te tonen, moet je de notches van jaar 1 met jaar 5 vergelijken. Deze van jaar 5 liggen onder deze van jaar 1, er is dus een significant verschil. De kledingproductie is gedaald. Als je de nothces van jaar 1 met deze van jaar 2 vergelijkt, liggen ze over elkaar maar dit is louter aan toevalligheid te wijten.
2008-11-11 15:22:07 [Evelyn Ongena] [reply] 
Er is duidelijk sprake van seizonaliteit, kijken we naar de grafiek van de Notched box plots, stellen we vast dat er van de 6de op de 7de maand een enorme sprong is
2008-11-11 17:23:10 [Hidde Van Kerckhoven] [reply] 
De studente heeft de juiste techniek gebruikt, maar is niet volledig tot de juiste conclusie gekomen. Zo is er wel sprale van een seizonaliteit, maar enkel bij de maanden juni, juli en augustus... Zo zien we dat de gemiddelden juni, juli en augustus helemaal anders zijn dan het gemiddelde van september.
2008-11-11 17:32:36 [Hidde Van Kerckhoven] [reply] 
Ik ben het hier niet eens met de student.. Als we de notches bekijken van het eerste en het vijfde jaar, zien we dat deze toch nog een klein beetje overlappen. Ik zou hier dus persoonlijk niet van een significant verschil durven spreken!
2008-11-11 17:32:50 [Hidde Van Kerckhoven] [reply] 
Dit laatste had betrekking tot Q3

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 time4 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 & 4 seconds \tabularnewline
R Server & 'Sir Ronald Aylmer Fisher' @ 193.190.124.24 \tabularnewline
\hline
\end{tabular}
%Source: https://freestatistics.org/blog/index.php?pk=20127&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]4 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=20127&T=0

Globally Unique Identifier (entire table): ba.freestatistics.org/blog/index.php?pk=20127&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 time4 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))
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()