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 computationMon, 03 Nov 2008 09:22:15 -0700
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/Nov/03/t1225729399lgkdygs2g6xnmmd.htm/, Retrieved Sun, 19 May 2024 04:33:38 +0000
Statistical Computations at FreeStatistics.org, Office for Research Development and Education, URL https://freestatistics.org/blog/index.php?pk=20876, Retrieved Sun, 19 May 2024 04:33:38 +0000
QR Codes:

Original text written by user:
IsPrivate?No (this computation is public)
User-defined keywords
Estimated Impact171

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] [Q2] [2008-11-03 16:22:15] [ee28d11f695cd3bc1f8bbd77ba77987a] [Current]
-   P       [Mean Plot] [Feedback Q2 Block...] [2008-11-11 13:20:52] [d32f94eec6fe2d8c421bd223368a5ced]
Feedback Forum
2008-11-11 13:30:08 [Evelien Blockx] [reply] 
Het is niet nodig om de blockwith op 36 te zetten. De blockwith kan best op 12 staan.

http://www.freestatistics.org/blog/date/2008/Nov/11/t1226409704nu4lu8n55g4lhi8.htm

Op deze manier worden de gegevens per maand geordend op de mean plot. De datareeks begint in de maand maart. Het eerste puntje op de mean plot is dan bijvoorbeeld het gemiddelde van alle maanden maart van de dataset, het tweede puntje is het gemiddelde van alle maanden april van de dataset, enzovoort. Als je dan de mean plot in zijn geheel bekijkt, merk je bijvoorbeeld dat er een erg groot verschil is tussen het gemiddelde van augustus (6de puntje) en het gemiddelde van september (7de puntje). (Dit is trouwens ook zo op de mediaan- en mid-range plot.).

Ook hier kan je op de notched boxplot ook weer gaan kijken of er een echt significant verschil is tussen september en augustus. Je kan hier op dezelfde manier te werk gaan als in Q1. Het betrouwbaarheidsinterval van het figuurtje van augustus overlapt helemaal niet het betrouwbaarheidsinterval van het figuurtje van september. Het verschil is dus significant. Bovendien zijn er meerdere significante verschillen, zoals november-december, december-januari…

Er is dus seizoenaliteit, maar om dit te kunnen zien, moet je de blockwith niet op 36 zetten.
2008-11-11 13:45:03 [Evelien Blockx] [reply] 
I.v.m. Q3 van task 1

Hier kan je gewoon de berekening gebruiken met blockwith 12.

http://www.freestatistics.org/blog/date/2008/Nov/11/t1226409704nu4lu8n55g4lhi8.htm

(Hiervoor gebruik je volgende grafiek: notched box plots-sequential blocks)

Je kan op deze manier 5 jaren vergelijken. Het 6de jaar heeft immers te weinig observaties om te kunnen vergelijken. Op het eerste zicht is er een daling.

Ook hier moet je weer kijken of de daling significant is. (Zelfde werkwijze als Q1). Voor de eerste 4 jaar is de daling over de jaren heen niet significant, want de betrouwbaarheidsintervallen overlappen elkaar. Je kan dus spreken van toeval.

Als je jaar 1 zou vergelijken met jaar 5 kan je nog net spreken van een significante daling. Hun betrouwbaarheidsintervallen overlappen net niet meer.

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 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=20876&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=20876&T=0

Globally Unique Identifier (entire table): ba.freestatistics.org/blog/index.php?pk=20876&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 = 36 ;
Parameters (R input):
par1 = 36 ;
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()