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 computationSun, 02 Nov 2008 06:54:19 -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/02/t1225634108f5vxvomis6672az.htm/, Retrieved Mon, 20 May 2024 07:01:24 +0000
Statistical Computations at FreeStatistics.org, Office for Research Development and Education, URL https://freestatistics.org/blog/index.php?pk=20566, Retrieved Mon, 20 May 2024 07:01:24 +0000
QR Codes:

Original text written by user:
IsPrivate?No (this computation is public)
User-defined keywords
Estimated Impact187

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] [38f43994ada0e6172896e12525dcc585]
F R       [Mean Plot] [Hypothesis Testin...] [2008-10-30 14:37:57] [82970caad4b026be9dd352fdec547fe4]
F             [Mean Plot] [Hypothesis Testin...] [2008-11-02 13:54:19] [382e90e66f02be5ed86892bdc1574692] [Current]
Feedback Forum
2008-11-07 13:53:34 [Christy Masson] [reply] 
R code werd juist gewijzigd. Aan beide kanten van de 'staarten' werd 5% weggenomen om zo de outliers te elimineren en de spreiding te verkleinen
2008-11-10 09:57:08 [Steffi Van Isveldt] [reply] 
Door de extreme waarden weg te nemen, wat hier correct gebeurd is, krijgen we een nauwkeuriger resultaat. Sommige maanden veranderen hierdoor heel fel wat wil zeggen dat hier zeer veel extreme waarden aanwezig waren, die nu weggenomen zijn.
2008-11-10 15:35:28 [Michael Van Spaandonck] [reply] 
De wijziging in de R-code werd goed uitgevoerd.

De studente stelt dat de grafiek een ander verloop kent maar dat de seizoenaliteit behouden blijft. Het verloop verschilt inderdaad danig, maar ik vind niet dat we bij deze grafiek nog echt kunnen spreken van seizoenaliteit. We spreken nu eerder van een grafiek waaruit een groot deel van de seizoenaliteit is weggewerkt, wat op zich ook tot schommelingen leidt, maar als gevolg van het wegwerken van seizoensinvloeden. De verticale spreiding is dus ook kleiner geworden.
(Merk op dat daar waar we bijvoorbeeld in juni origineel een stijging hadden, er nu sprake is van een daling.)

Helaas mis ik een bespreking van de overige grafieken in vergelijking met Q2 en Q3.
Wanneer we kijken naar periodic subseries zien we in de eerste plaats dat de boxen meer uitgerekt zijn dan voorheen. Logischerwijze liggen de verschillende boxen meer naar het verticale centrum van de grafiek, aangezien de uiterste waarden weggelaten worden.
Een verklaring voor de grotere spreiding is me echter onbekend.

Tot slot de bespreking van sequential blocks. Allereerst de opmerking dat het jaar 5 niet genummerd wordt, ondanks een volledige datareeks.

We zien dat de boxen wederom uitgerekt zijn. Met het weglaten van extreme waarden zien we over het algemeen een dalende trend, maar we kunnen ook schommelingen vaststellen. Dit betekent concreet dat de seizoensinvloed zich gedurende de jaren 2 en 5 sterker gemanifesteerd heeft dan in andere jaren.
2008-11-11 10:08:51 [Tim Damen] [reply] 
Ik sluit me aan bij Michael van Spaendonck, enkel vind ik dat we aan de hand van de mean plot nog altijd seizonaliteit kunnen vaststellen. De hoogtes en laagstes zijn nu enkel een beetje minder uitgesproken.

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=20566&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=20566&T=0

Globally Unique Identifier (entire table): ba.freestatistics.org/blog/index.php?pk=20566&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):
x <- x[x>quantile(x,0.05) & xpar1 <- 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()