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 11:45:21 -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/t12253887551y6qjntfigcjmoi.htm/, Retrieved Wed, 29 May 2024 02:31:54 +0000
Statistical Computations at FreeStatistics.org, Office for Research Development and Education, URL https://freestatistics.org/blog/index.php?pk=20141, Retrieved Wed, 29 May 2024 02:31:54 +0000
QR Codes:

Original text written by user:
IsPrivate?No (this computation is public)
User-defined keywords
Estimated Impact174

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] [Q2:Mean plot] [2008-10-30 13:08:02] [1ce0d16c8f4225c977b42c8fa93bc163]
F    D      [Mean Plot] [Task 5(3)] [2008-10-30 17:45:21] [8758b22b4a10c08c31202f233362e983] [Current]
Feedback Forum
2008-11-10 17:20:55 [Matthieu Blondeau] [reply] 
In de Mean Plot zien we een groot verschil tussen de 1ste maand en de 4de maand. Maar als men gaat zien in de Notched Box Plots Periodic Subseries merken we dat dit verschil niet significant is en dat dit verschil te wijten is aan het toeval.

Als we naar de grenzen van de verschillende boxplots kijken, merken we op dat de betrouwbaarheidsintervallen elkaar altijd overlappen.

In de sequential blocks kan men na het 4de jaar een significante stijging terug vinden ten opzichte van de eerste jaren.
2008-11-11 14:52:17 [Liese Tormans] [reply] 
In de eerste drie grafieken zien we dat de schommelingen in de grafieken ongeveer gelijkaardig verlopen. Op tijdstip twee en drie is er een grote daling merkbaar. Als we dan gaan kijken naar de notches kunnen we toch wel zien dat de notches elkaar overlappen, de notches valleen dus binnen mekaars betrouwbaarheidsinterval. Dus de daling is niet significant maar toevallig.

Bij de sequential notches zien we dat in verschillende jaren outliers zichtbaar zijn. Bijvoorbeeld jaar 1, jaar 3, jaar 4 en jaar 6.Ook kan op de sequential blocks afgelezen worden dat in jaar 5 de notch boven het betrouwbaarheidsinterval van de vorige notches valt, We kunnen dus spreken van een significante stijging. Ook in jaar 8 is er een significante stijging zichtbaar t.o.v. de vorige jaren
2008-11-11 21:04:46 [Joachim Van Hemelen] [reply] 
De mean plot, median plot en midrange plot lopen bijna gelijkaardig. Een sterke daling in maand 2, absoluut dieptepunt in maand 3, sterke stijging in maand 4, schommelingen tot maand 9, piek in maand 10, en vevolgens terug te zakken tot het niveau van maand 4-9.

Aan dan hand van de mean plot zou ik seizoenaliteit durven toeschrijven aan de daling van maand 3-4 en stijging van maand 10. De notched box plot - periodic subseries geven echter enkel toevallige schommelingen aan, er zijn geen significante verschillen op te merken.

Post a new message

Dataset

Dataseries X:
Download CSV
Histogram
Boxplots 
10230,4
9221
9428,6
10934,5
10986
11724,6
11180,9
11163,2
11240,9
12107,1
10762,3
11340,4
11266,8
9542,7
9227,7
10571,9
10774,4
10392,8
9920,2
9884,9
10174,5
11395,4
10760,2
10570,1
10536
9902,6
8889
10837,3
11624,1
10509
10984,9
10649,1
10855,7
11677,4
10760,2
10046,2
10772,8
9987,7
8638,7
11063,7
11855,7
10684,5
11337,4
10478
11123,9
12909,3
11339,9
10462,2
12733,5
10519,2
10414,9
12476,8
12384,6
12266,7
12919,9
11497,3
12142
13919,4
12656,8
12034,1
13199,7
10881,3
11301,2
13643,9
12517
13981,1
14275,7
13435
13565,7
16216,3
12970
14079,9
14235
12213,4
12581
14130,4
14210,8
14378,5
13142,8
13714,7
13621,9
15379,8
13306,3
14391,2
14909,9
14025,4
12951,2
14344,3
16213,3
15544,5
14750,6
17292,7
17568,5
17930,8
18644,7
16694,8
17242,8

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=20141&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=20141&T=0

Globally Unique Identifier (entire table): ba.freestatistics.org/blog/index.php?pk=20141&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()