FreeStatistics.org

Free Statistics

of Irreproducible Research!

Description of Statistical Computation

Author's title

Author*Unverified author*
R Software Modulerwasp_meanplot.wasp
Title produced by softwareMean Plot
Date of computationWed, 29 Oct 2008 08:05:11 -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/29/t1225289221bht64zp4ogtnd3k.htm/, Retrieved Sat, 18 May 2024 13:58:48 +0000
Statistical Computations at FreeStatistics.org, Office for Research Development and Education, URL https://freestatistics.org/blog/index.php?pk=19858, Retrieved Sat, 18 May 2024 13:58:48 +0000
QR Codes:

Original text written by user:
IsPrivate?No (this computation is public)
User-defined keywords
Estimated Impact218

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] [2008-10-29 13:54:33] [8e4e5f204c24e6d05647858dae308d17]
F   P       [Mean Plot] [q3 median plot] [2008-10-29 14:05:11] [3cb29b4293f2e3432d2608f7187d3d03] [Current]
-   P         [Mean Plot] [] [2008-11-07 10:18:13] [f5709eefd05c649ca6dad46019ffd879]
Feedback Forum
2008-11-06 17:18:54 [Romina Machiels] [reply] 
hij heeft de juiste techniek gebruikt maar hij heeft een blickwidth genomen van 60 maanden ipv 5 jaar. Dit was niet de bedoeling, door de blockwidth op 5 jaar te laten staan zag je het antwoord op de vraag ook.
Je moet 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.
2008-11-07 10:24:06 [Siem Van Opstal] [reply] 
Hij had de blockwidth op 12 moeten laten staan, dan krijg je het gemiddelde van de maanden, over een periode van 5 jaar, te zien en is het antwoord gemakkelijker af te lezen. http://www.freestatistics.org/blog/date/2008/Nov/07/t1226053167noaxh4sdljmic8p.htm
Bij de sequential blocks zie je dat de mediaan wat schommelt maar ze vallen voor ieder jaar nog in elkaars betrouwbaarheidsinterval. de schommelingen zijn niet significant en zijn dus aan het toeval te wijten. Enkel bij jaar 1 en 5 is het een randgeval.
2008-11-10 09:44:07 [Davy De Nef] [reply] 
De student gebruikt de mean plot. Dit is juist, al heeft hij wel een fout gemaakt. Hij heeft namelijk het aantal blocks veranderd tot 60 maanden. Je had de instellingen gewoon moeten behouden berekening kan gebruiken als de grafiek die je gebruikte bij Q2.
We kijken naar de Sequential blocks. Daar zie je duidelijk dat het gemiddelde daalt door de jaren heen. Als je jaar 1 vergelijkt met jaar 5 zie je wel een heel groot verschil. Ik zou dit bijna significant durven noemen. De notches zullen ofwel net overeenkomen, ofwel net niet. Het is zo'n beetje een twijfelgeval.
2008-11-10 15:48:22 [Niels Herremans] [reply] 
Op basis van de nieuwe berekening met blockwidth 12 stel ik vast dat de notched boxes van de jaren in elkaars betrouwbaarheidsinterval liggen. Enkel als ik jaar 1 vergelijk met jaar 5 kan ik eventueel spreken van significant lager, hoewel het hier gaat om een rand geval.

JAar 6 is zeer klein omdat het hier maar om enkele observaties gaat.

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=19858&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=19858&T=0

Globally Unique Identifier (entire table): ba.freestatistics.org/blog/index.php?pk=19858&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 = 60 ;
Parameters (R input):
par1 = 60 ;
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()