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 computationTue, 16 Nov 2010 13:52:27 +0000
Cite this page as followsStatistical Computations at FreeStatistics.org, Office for Research Development and Education, URL https://freestatistics.org/blog/index.php?v=date/2010/Nov/16/t1289915477eqfexg047bw6w0n.htm/, Retrieved Sun, 28 Apr 2024 04:02:06 +0000
Statistical Computations at FreeStatistics.org, Office for Research Development and Education, URL https://freestatistics.org/blog/index.php?pk=95773, Retrieved Sun, 28 Apr 2024 04:02:06 +0000
QR Codes:

Original text written by user:
IsPrivate?No (this computation is public)
User-defined keywords
Estimated Impact128

Tree of Dependent Computations

Family? (F = Feedback message, R = changed R code, M = changed R Module, P = changed Parameters, D = changed Data)
-     [Bivariate Data Series] [Bivariate dataset] [2008-01-05 23:51:08] [74be16979710d4c4e7c6647856088456]
F RMPD  [Mean Plot] [Colombia Coffee] [2008-01-07 13:38:24] [74be16979710d4c4e7c6647856088456]
F  MPD      [Mean Plot] [WS6 Q2] [2010-11-16 13:52:27] [c6b3e187a4a1689d42fffda4bc860ab5] [Current]
- R PD        [Mean Plot] [WS 6 Vraag 2] [2010-11-25 16:37:43] [5b90046bcdf0f277a2c54de2210570b9]
- R PD        [Mean Plot] [WS6 Vraag 2] [2010-11-25 16:39:15] [5b90046bcdf0f277a2c54de2210570b9]
Feedback Forum
2010-11-19 16:16:12 [7d66e2e510b144c68ca0882fd178e17c] [reply] 
Je hebt niet de correcte calculator gebruikt. Je had de univariate EDA moeten gebruiken om te checken of er een normaal verdeling is en of de autocorrelatie afwezig is. Het is geen goed model want er is een sterke vorm van autocorrelatie en de verdeling is scheef.

http://www.freestatistics.org/blog/index.php?v=date/2010/Nov/19/t1290177530x0eb8ggc5bl9ynv.htm/
2010-11-23 16:28:55 [23c3e34d843bca32d327eaf7dc6bdb2b] [reply] 
De student maakte hier een correcte berekening en vormde hierbij ook een juiste conclusie. De student kijkt echter gewoon naar de grafiek van de notched boxplots. De student had ook kunnen kijken naar de mediaan en het gemiddelde om dan op te merken dat deze verschillend zijn, waardoor we inderdaad kunnen vaststellen dat er geen sprake is van seizoensgebondenheid.
2010-11-23 16:30:39 [23c3e34d843bca32d327eaf7dc6bdb2b] [reply] 
De student had hiervoor moeten gebruik maken van de “Univariate Explorative Data Analysis”. Hierop kon de student zien of dit een goede voorspelling was door te kijken naar de Run Sequence Plot. Hier zien we dat de mediaan 296 is. Dan zien we op dat niveau naar de toekomstige prijzen. Op het histogram zien we een scheve verdeling. Om dit model te mogen gebruiken moet dit een normaalverdeling zijn. Dit is hier niet het geval waardoor we kunnen zeggen dat we dit model niet mogen gebruiken. Dit wordt dan ook bevestigd in de Q-Q Plot. Dan kijken we naar de Lag-Plot. Hier zien we dat we duidelijk nog veel kunnen vertellen over de toekomst aan de hand van het verleden. Dit wijst op de autocorrelatie. Als laatste kijken we naar de autocorrelatie. Hier zien we dat de afhankelijkheid van de verschillende verschuivingen vrij hoog blijft. Via het betrouwbaarheidsinterval zien we dat alles erbuiten ligt, wat wijst op een significant verschil. Hier is dus ook de assumptie niet voldaan. Het huidige model dat we beschouwen is dus geen goed model. Dit komt doordat de verdeling niet normaal is en er een sterke vorm van autocorrelatie aanwezig is. Dus deze is een slechte voorspeller.

Post a new message

Dataset

Dataseries X:
Download CSV
Histogram
Boxplots 
255
280.2
299.9
339.2
374.2
393.5
389.2
381.7
375.2
369
357.4
352.1
346.5
342.9
340.3
328.3
322.9
314.3
308.9
294
285.6
281.2
280.3
278.8
274.5
270.4
263.4
259.9
258
262.7
284.7
311.3
322.1
327
331.3
333.3
321.4
327
320
314.7
316.7
314.4
321.3
318.2
307.2
301.3
287.5
277.7
274.4
258.8
253.3
251
248.4
249.5
246.1
244.5
243.6
244
240.8
249.8
248
259.4
260.5
260.8
261.3
259.5
256.6
257.9
256.5
254.2
253.3
253.8
255.5
257.1
257.3
253.2
252.8
252
250.7
252.2
250
251
253.4
251.2
255.6
261.1
258.9
259.9
261.2
264.7
267.1
266.4
267.7
268.6
267.5
268.5
268.5
270.5
270.9
270.1
269.3
269.8
270.1
264.9
263.7
264.8
263.7
255.9
276.2
360.1
380.5
373.7
369.8
366.6
359.3
345.8
326.2
324.5
328.1
327.5
324.4
316.5
310.9
301.5
291.7
290.4
287.4
277.7
281.6
288
276
272.9
283
283.3
276.8
284.5
282.7
281.2
287.4
283.1
284
285.5
289.2
292.5
296.4
305.2
303.9
311.5
316.3
316.7
322.5
317.1
309.8
303.8
290.3
293.7
291.7
296.5
289.1
288.5
293.8
297.7
305.4
302.7
302.5
303
294.5
294.1
294.5
297.1
289.4
292.4
287.9
286.6
280.5
272.4
269.2
270.6
267.3
262.5
266.8
268.8
263.1
261.2
266
262.5
265.2
261.3
253.7
249.2
239.1
236.4
235.2
245.2
246.2
247.7
251.4
253.3
254.8
250
249.3
241.5
243.3
248
253
252.9
251.5
251.6
253.5
259.8
334.1
448
445.8
445
448.2
438.2
439.8
423.4
410.8
408.4
406.7
405.9
402.7
405.1
399.6
386.5
381.4
375.2
357.7
359
355
352.7
344.4
343.8
338
339
333.3
334.4
328.3
330.7
330
331.6
351.2
389.4
410.9
442.8
462.8
466.9
461.7
439.2
430.3
416.1
402.5
397.3
403.3
395.9
387.8
378.6
377.1
370.4
362
350.3
348.2
344.6
343.5
342.8
347.6
346.6
349.5
342.1
342
342.8
339.3
348.2
333.7
334.7
354
367.7
363.3
358.4
353.1
343.1
344.6
344.4
333.9
331.7
324.3
321.2
322.4
321.7
320.5
312.8
309.7
315.6
309.7
304.6
302.5
301.5
298.8
291.3
293.6
294.6
285.9
297.6
301.1
293.8
297.7
292.9
292.1
287.2
288.2
283.8
299.9
292.4
293.3
300.8
293.7
293.1
294.4
292.1
291.9
282.5
277.9
287.5
289.2
285.6
293.2
290.8
283.1
275
287.8
287.8
287.4
284
277.8
277.6
304.9
294
300.9
324
332.9
341.6
333.4
348.2
344.7
344.7
329.3
323.5
323.2
317.4
330.1
329.2
334.9
315.8
315.4
319.6
317.3
313.8
315.8
311.3

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=95773&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=95773&T=0

Globally Unique Identifier (entire table): ba.freestatistics.org/blog/index.php?pk=95773&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 = 500 ; par2 = 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))
darr <- array(NA,dim=c(par1,np+1))
ari <- array(0,dim=par1)
dx <- diff(x)
j <- 0
for (i in 1:n)
{
j = j + 1
ari[j] = ari[j] + 1
arr[j,ari[j]] <- x[i]
darr[j,ari[j]] <- dx[i]
if (j == par1) j = 0
}
ari
arr
darr
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='plot4b.png')
z <- data.frame(t(darr))
names(z) <- c(1:par1)
(boxplot(z,notch=TRUE,col='grey',xlab='Periodic Index',ylab='Value',main='Notched Box Plots - Differenced 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()