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 computationMon, 03 Nov 2008 10:20:06 -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/t12257328539l8fkhdpiflfgte.htm/, Retrieved Mon, 20 May 2024 10:10:09 +0000
Statistical Computations at FreeStatistics.org, Office for Research Development and Education, URL https://freestatistics.org/blog/index.php?pk=20893, Retrieved Mon, 20 May 2024 10:10:09 +0000
QR Codes:

Original text written by user:
IsPrivate?No (this computation is public)
User-defined keywords
Estimated Impact207

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] [2008-11-03 17:20:06] [577b699a0819d2125728ba9ae2c57238] [Current]
F    D      [Mean Plot] [task 5] [2008-11-03 18:16:06] [4ad596f10399a71ad29b7d76e6ab90ac]
Feedback Forum
2008-11-09 13:52:30 [Bob Leysen] [reply] 
Het gaat hier ook om periodieke gemiddelden en geen waarden van een dataset. Er is een significant verschil voor de periode 7 (juli).
Een mogelijke verklaring is dat data 6 ongeveer overeen komt met het begin van de zomer, de periode waarin mensen volop zomerkledij aankopen. We zien dat de productie hier op gang komt. Deze trend zet zich dan voort tot augustus om vervolgens weer af te bouwen (logisch, zomer loopt op zijn einde, mensen zullen minder geneigd zijn zomerkledij te kopen, productie volgt deze tendens en daalt). Ongeveer hetzelfde fenomeen doet zich voor in oktober, maar dan ditmaal omwille van de winter en de bijhorende winterkledij.
2008-11-11 15:32:26 [Annelies Michiels] [reply] 
Q2:
Als we willen weten of het om seizoensgebondenheid gaat, moeten we kijken of de notched box al dan niet significante verschillen vertoont. We kunnen opmerken dat er tussen juni en juli een significant verschil is en tussen september, oktober en november ook. Omdat tussen die maanden er een significant verschil bestaat kunnen we dus zeggen dat er tussen die maanden een bepaalde seizoenaliteit bestaat.
2008-11-11 15:34:59 [Annelies Michiels] [reply] 
Q2:
Om te kunnen weten op het hier gaat om seizoenaliteit moet men nagaan of er significante verschillen bestaan in de notched box plot.
Als we de notched box plot zien we significante verschuivingen rond de maanden juni en juli en september,oktober en november.
Omdat daar het verschil zo significant is kunnen we zeggen dat er tussen die maanden een bepaalde seizoenaliteit bestaat.
2008-11-11 18:58:41 [Ellen Van Ham] [reply] 
Om de seizoenaliteit na te gaan, moesten het aantal blocks inderdaad op 12 staan. We zien dat het gemiddelde van augustus helemaal anders is dan het gemiddelde van september. Bij de notched box plots stellen we hetzelfde vast. Bij het gemiddelde van augustus en september kan je zeggen dat er een significant verschil is (notched box plot). Er is ook een enorme spreiding bij maart.

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 time8 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 & 8 seconds \tabularnewline
R Server & 'George Udny Yule' @ 72.249.76.132 \tabularnewline
\hline
\end{tabular}
%Source: https://freestatistics.org/blog/index.php?pk=20893&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]8 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=20893&T=0

Globally Unique Identifier (entire table): ba.freestatistics.org/blog/index.php?pk=20893&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 time8 seconds
R Server'George Udny Yule' @ 72.249.76.132


Figures (Output of Computation)

Input Parameters & R Code

Parameters (Session):
par1 = 12 ;
Parameters (R input):
par1 = 12 ; par2 = ; par3 = ; par4 = ; par5 = ; par6 = ; par7 = ; par8 = ; par9 = ; par10 = ; par11 = ; par12 = ; par13 = ; par14 = ; par15 = ; par16 = ; par17 = ; par18 = ; par19 = ; par20 = ;
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()