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 12:02:18 -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/t12257389629935o2tllwglysd.htm/, Retrieved Mon, 20 May 2024 11:41:55 +0000
Statistical Computations at FreeStatistics.org, Office for Research Development and Education, URL https://freestatistics.org/blog/index.php?pk=20990, Retrieved Mon, 20 May 2024 11:41:55 +0000
QR Codes:

Original text written by user:
IsPrivate?No (this computation is public)
User-defined keywords
Estimated Impact175

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] [Task 1 - Q2] [2008-11-03 19:02:18] [3a23ee8a65a3056dd39b310a09ef5fc1] [Current]
-   P       [Mean Plot] [Task 2 - Q2 (36)] [2008-11-03 19:06:37] [6f54f97492451bf8edc5dd186465ee4a]
F             [Mean Plot] [] [2008-11-03 22:38:51] [9e30cf4bac13185bc0d135c1951d949f]
F             [Mean Plot] [Taak 1 - Q2b] [2008-11-04 07:52:58] [f22202ce8ad01aca0870c459b09fd029]
F           [Mean Plot] [] [2008-11-03 22:37:25] [9e30cf4bac13185bc0d135c1951d949f]
F           [Mean Plot] [Taak 1 - Q2] [2008-11-04 07:51:44] [f22202ce8ad01aca0870c459b09fd029]
Feedback Forum
2008-11-09 19:37:42 [Tamara Witters] [reply] 
Het was niet nodig om het aantal blocks te zetten op 36, we kunnen seizoenaliteit afleiden bij blocks 12.
Je had echter wel gelijk om te twijfelen of je seizoenaliteit kan afleiden o.b.v de mean plot, want dit zou inderdaad niet nauwkeurig zijn.

Verbetering:

A.d.h.v de meanplot kunnen we zien of een tijdreeks seizoenaliteit of niet heeft. Elk bolletje geeft het gemiddelde weer van eenzelfde maand van verschillende jaren (vb: maart 2000, maart 2001, maart 2002,..) We kunnen hier afleiden dat er een verschil is tussen het gemiddelde van juni en juli.
Als we dan gaan kijken naar de notched boxplots dan kan we ook zien dat er een significant veschil is tussen deze 2 maanden. Juni valt nl niet meer binnen het betrouwbaarheidsinterval van juli. Bijgevolg is een een significant verschil. Dit wil zeggen dat er seizoenaliteits is.

2008-11-11 16:22:33 [Karen Van den Broeck] [reply] 
Je hebt gelijk dqt het niet zo nauwkeurig is om de seizonaliteit
2008-11-11 16:22:34 [Karen Van den Broeck] [reply] 
Je hebt gelijk dqt het niet zo nauwkeurig is om de seizonaliteit
2008-11-11 16:29:33 [Karen Van den Broeck] [reply] 
Je hebt gelijk dat het niet zo nauwkeurig is om de seizonaliteit af te leiden van de mean plot.
We kunnen echter wel afleiden op de mean plot of we seizonaliteit hebben. Elk bolletje geeft een periodiek gemiddelde weer van een maand over verschillende jaren (vb: april 2000/april2001/....) We kunnen zien dat het gemiddelde van september helemaal anders is dan het gemiddelde van maart/april. De box plot zeggen hetzelfde maar we zien ook spreiding, soms grote matches. April is een twijfelgeval want het ligt op de rand. We hebben significant verschil tussen augustus en september.

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 time1 seconds
R Server'Gwilym Jenkins' @ 72.249.127.135

\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 & 1 seconds \tabularnewline
R Server & 'Gwilym Jenkins' @ 72.249.127.135 \tabularnewline
\hline
\end{tabular}
%Source: https://freestatistics.org/blog/index.php?pk=20990&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]1 seconds[/C][/ROW]
[ROW][C]R Server[/C][C]'Gwilym Jenkins' @ 72.249.127.135[/C][/ROW]
[/TABLE]
Source: https://freestatistics.org/blog/index.php?pk=20990&T=0

Globally Unique Identifier (entire table): ba.freestatistics.org/blog/index.php?pk=20990&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 time1 seconds
R Server'Gwilym Jenkins' @ 72.249.127.135


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()