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_histogram.wasp
Title produced by softwareHistogram
Date of computationSun, 03 Oct 2010 21:02:01 +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/Oct/03/t1286139742hywthwcxioppxvw.htm/, Retrieved Fri, 03 May 2024 08:23:40 +0000
Statistical Computations at FreeStatistics.org, Office for Research Development and Education, URL https://freestatistics.org/blog/index.php?pk=80420, Retrieved Fri, 03 May 2024 08:23:40 +0000
QR Codes:

Original text written by user:
IsPrivate?No (this computation is public)
User-defined keywords
Estimated Impact172

Tree of Dependent Computations

Family? (F = Feedback message, R = changed R code, M = changed R Module, P = changed Parameters, D = changed Data)
-     [Histogram] [Bad example of Hi...] [2010-09-25 09:28:23] [b98453cac15ba1066b407e146608df68]
F   PD    [Histogram] [Task 3: Histogram] [2010-10-03 21:02:01] [7a87ed98a7b21a29d6a45388a9b7b229] [Current]
Feedback Forum
2010-10-07 21:09:32 [411b43619fc9db329bbcdbf7261c55fb] [reply] 
De auteur heeft om deze oefening op te lossen, manueel alle extreme waarden weggefilterd. Dit is correct gebeurd. Dit manueel proces kan ook geautomatiseerd worden via een toevoeging aan de R-code (zoals gezien tijdens het college).

Ikzelf heb de andere methode toegepast. Door de klassen (bins) aan te passen naar 30, krijg je een verfijnder beeld van de grafiek. Hier merkte ik dan ook op dat de meeste deelnemers tussen de 200 en 299 seconden nodig hadden om de enquête in te vullen. De normaal tijd bedraagt dus 250 seconden.

Voorbeeld: http://www.freestatistics.org/blog/index.php?v=date/2010/Oct/02/t128601910618rh59thklev1p0.htm/

Aangezien de auteur geen conclusie heeft gegeven bij deze opdracht, kan ik niet controleren of hij/zij de betekenis van de berekening begrepen heeft.
2010-10-08 16:10:03 [347d11d64cf4ded9ba0714e7297d928b] [reply] 
Niet volledig (1/2).
De student heeft zijn bins (interval) veranderd naar 40. Maar is ergens fout gegaan waardoor zijn grafiek niet volledig klopt. Er is ook de mogelijkheid om met een toevoeging aan de R code uw data te filteren= x <- x[x<700].
  2010-10-08 16:11:49 [347d11d64cf4ded9ba0714e7297d928b] [reply] 
Vervolledigen van vorige message:
Uit een correcte oplossing http://www.freestatistics.org/blog/date/2010/Oct/04/t1286203119b1emcqqnqidv1q7.htm/ kunnen we dan afleiden dat de normale tijd dat nodig is 250 seconden bedraagt. En dat er een paar extreme observaties zijn.
2010-10-09 09:15:51 [] [reply] 
De student heeft correct het aantal bins veranderd naar 40 wat een correcte oplossing is. Helaas is de grafiek niet heel duidelijk en zou het veranderen van bins naar 30 een mooier beeld opleveren.

Een andere oplossing is zoals de voorgaande studenten hier al beschreven een aanpassing aan de R code.

Ik zou de student wel adviseren om altijd een commentaar toe te voegen aan wat hij gedaan heeft en wat hij hier uit begrepen heeft. Op deze manier zien wij ook dat hij zijn oplossing kan analyseren en dat hij begrijpt wat hij gedaan heeft.
2010-10-09 13:14:13 [Charlotte De Saeger] [reply] 
De bedoeling bij het bloggen van een goed histogram was goed. De student heeft het aantal klassen veranderd naar 40. Indien hij het aantal klassen wijzigde naar 30, dan had hij een nog beter beeld bekomen van de gegevens. Hierdoor zouden we een meer normale verdeling krijgen en worden de gegevens meer gespreid.
een voorbeeld hiervan vind je op onderstaande link :
http://www.freestatistics.org/blog/index.php?v=date/2010/Oct/04/t1286213477qtlokko9g0y5e76.htm/

Een andere oplossing is de extreme waarden verwijderen (handmatig of aanpassen software)
2010-10-10 13:06:35 [Kirian Weidener] [reply] 
De taak is redelijk goed opgelost. De number of bins is veranderd naar 40 misschien is dit een beetje overdreven, 30 had beter geweest, zelf heb ik 20 genomen. Verder had ik zelf ook nog de extreme waarden er uit gehaald via een manuele toepassing met excel. Hierdoor krijg je een mooier beeld van de grafiek en heb je ook niet zoveel klassen nodig om een goed beeld te krijgen van de gegevens.
2010-10-10 13:10:48 [Kirian Weidener] [reply] 
De taak is redelijk goed opgelost. De number of bins is veranderd naar 40 misschien is dit een beetje overdreven, 30 had beter geweest, zelf heb ik 20 genomen. Verder had ik zelf ook nog de extreme waarden er uit gehaald via een manuele toepassing met excel. Hierdoor krijg je een mooier beeld van de grafiek en heb je ook niet zoveel klassen nodig om een goed beeld te krijgen van de gegevens.
2010-10-10 13:15:08 [Kirian Weidener] [reply] 
De opdracht is redelijk goed opgelost. Bij het aantal klassen had er misschien beter gekozen geweest voor 30 in plaats van 40 zodat je een mooier beeld krijgt verder hadden de extreme waarden nog kunnen verwijderd worden zodat als je dan het aantal klassen opgeeft je een gedetailleerder beeld krijgt van de courant voorkomende gegevens en niet ook de extreme waarden in een klasse gezet worden. Op deze manier heb je ook minder klassen nodig om gedetailleerder te zijn.
2010-10-10 15:14:34 [73b763ab03a59f488b4c9e04fda397bb] [reply] 
De student heeft een goede poging gedaan tot verduidelijking van de grafiek. De uitschieters zijn verwijderd. Toch zou ik het aantal intervallen herleiden naar 30, aangezien dit een duidelijker beeld weergeeft.
  2010-10-10 15:15:38 [73b763ab03a59f488b4c9e04fda397bb] [reply] 
*om vervolgens eventueel de uitschieters handmatig, of via de r-code te verwijderen.

Post a new message

Dataset

Dataseries X:
Download CSV
Histogram
Boxplots 
4.813
8.95
33.999
37.028
39.047
57.47
59.609
62.156
64.016
70.939
72.844
85.094
86.58
103.898
109.215
131.812
136.452
136.813
137.55
140.321
150.034
156.187
158.047
169.861
171.26
171.328
180.818
183.186
183.613
184.641
187.881
190.157
190.379
191.835
192.797
193.299
197.549
198.296
199.297
199.746
200.156
203.077
204.386
206.771
206.893
207.533
208.108
211.655
213.361
213.511
213.923
216.046
216.548
216.886
217.465
218.761
220.553
221.588
223.166
226.731
229.641
232.444
232.669
235.577
236.302
236.71
238.502
239.89
240.755
241.171
242.205
242.344
246.542
249.148
250.407
251.422
252.64
257.102
257.567
259.7
260.642
261.596
262.517
262.875
263.906
265.777
266.793
274.482
275.562
278.741
287.069
289.714
293.671
295.281
308.16
308.174
308.532
313.906
315.955
324.04
330.563
348.821
350.089
356.725
366.936
380.155
380.531
383.703
386.688
388.3
392.25
401.422
401.915
403.064
403.556
406.167
421.403
426.113
435.956
438.555
440.31
441.437
449.594
475.834
506.652
556.277
601.162
611.281
645.285
653.641
662.883
694.87
699.645
756.46
947.293
1030.944
1305.923
2763.544
4202.361

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=80420&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=80420&T=0

Globally Unique Identifier (entire table): ba.freestatistics.org/blog/index.php?pk=80420&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






Frequency Table (Histogram)
BinsMidpointAbs. FrequencyRel. FrequencyCumul. Rel. Freq.Density
[20,40[3030.0227270.0227270.001136
[40,60[5020.0151520.0378790.000758
[60,80[7040.0303030.0681820.001515
[80,100[9020.0151520.0833330.000758
[100,120[11020.0151520.0984850.000758
[120,140[13040.0303030.1287880.001515
[140,160[15040.0303030.1590910.001515
[160,180[17030.0227270.1818180.001136
[180,200[190140.1060610.2878790.005303
[200,220[210160.1212120.4090910.006061
[220,240[230120.0909090.50.004545
[240,260[250120.0909090.5909090.004545
[260,280[270100.0757580.6666670.003788
[280,300[29040.0303030.696970.001515
[300,320[31050.0378790.7348480.001894
[320,340[33020.0151520.750.000758
[340,360[35030.0227270.7727270.001136
[360,380[37010.0075760.7803030.000379
[380,400[39060.0454550.8257580.002273
[400,420[41050.0378790.8636360.001894
[420,440[43040.0303030.8939390.001515
[440,460[45030.0227270.9166670.001136
[460,480[47010.0075760.9242420.000379
[480,500[490000.9242420
[500,520[51010.0075760.9318180.000379
[520,540[530000.9318180
[540,560[55010.0075760.9393940.000379
[560,580[570000.9393940
[580,600[590000.9393940
[600,620[61020.0151520.9545450.000758
[620,640[630000.9545450
[640,660[65020.0151520.9696970.000758
[660,680[67010.0075760.9772730.000379
[680,700[69020.0151520.9924240.000758
[700,720[710000.9924240
[720,740[730000.9924240
[740,760]75010.00757610.000379

\begin{tabular}{lllllllll}
\hline
Frequency Table (Histogram) \tabularnewline
Bins & Midpoint & Abs. Frequency & Rel. Frequency & Cumul. Rel. Freq. & Density \tabularnewline
[20,40[ & 30 & 3 & 0.022727 & 0.022727 & 0.001136 \tabularnewline
[40,60[ & 50 & 2 & 0.015152 & 0.037879 & 0.000758 \tabularnewline
[60,80[ & 70 & 4 & 0.030303 & 0.068182 & 0.001515 \tabularnewline
[80,100[ & 90 & 2 & 0.015152 & 0.083333 & 0.000758 \tabularnewline
[100,120[ & 110 & 2 & 0.015152 & 0.098485 & 0.000758 \tabularnewline
[120,140[ & 130 & 4 & 0.030303 & 0.128788 & 0.001515 \tabularnewline
[140,160[ & 150 & 4 & 0.030303 & 0.159091 & 0.001515 \tabularnewline
[160,180[ & 170 & 3 & 0.022727 & 0.181818 & 0.001136 \tabularnewline
[180,200[ & 190 & 14 & 0.106061 & 0.287879 & 0.005303 \tabularnewline
[200,220[ & 210 & 16 & 0.121212 & 0.409091 & 0.006061 \tabularnewline
[220,240[ & 230 & 12 & 0.090909 & 0.5 & 0.004545 \tabularnewline
[240,260[ & 250 & 12 & 0.090909 & 0.590909 & 0.004545 \tabularnewline
[260,280[ & 270 & 10 & 0.075758 & 0.666667 & 0.003788 \tabularnewline
[280,300[ & 290 & 4 & 0.030303 & 0.69697 & 0.001515 \tabularnewline
[300,320[ & 310 & 5 & 0.037879 & 0.734848 & 0.001894 \tabularnewline
[320,340[ & 330 & 2 & 0.015152 & 0.75 & 0.000758 \tabularnewline
[340,360[ & 350 & 3 & 0.022727 & 0.772727 & 0.001136 \tabularnewline
[360,380[ & 370 & 1 & 0.007576 & 0.780303 & 0.000379 \tabularnewline
[380,400[ & 390 & 6 & 0.045455 & 0.825758 & 0.002273 \tabularnewline
[400,420[ & 410 & 5 & 0.037879 & 0.863636 & 0.001894 \tabularnewline
[420,440[ & 430 & 4 & 0.030303 & 0.893939 & 0.001515 \tabularnewline
[440,460[ & 450 & 3 & 0.022727 & 0.916667 & 0.001136 \tabularnewline
[460,480[ & 470 & 1 & 0.007576 & 0.924242 & 0.000379 \tabularnewline
[480,500[ & 490 & 0 & 0 & 0.924242 & 0 \tabularnewline
[500,520[ & 510 & 1 & 0.007576 & 0.931818 & 0.000379 \tabularnewline
[520,540[ & 530 & 0 & 0 & 0.931818 & 0 \tabularnewline
[540,560[ & 550 & 1 & 0.007576 & 0.939394 & 0.000379 \tabularnewline
[560,580[ & 570 & 0 & 0 & 0.939394 & 0 \tabularnewline
[580,600[ & 590 & 0 & 0 & 0.939394 & 0 \tabularnewline
[600,620[ & 610 & 2 & 0.015152 & 0.954545 & 0.000758 \tabularnewline
[620,640[ & 630 & 0 & 0 & 0.954545 & 0 \tabularnewline
[640,660[ & 650 & 2 & 0.015152 & 0.969697 & 0.000758 \tabularnewline
[660,680[ & 670 & 1 & 0.007576 & 0.977273 & 0.000379 \tabularnewline
[680,700[ & 690 & 2 & 0.015152 & 0.992424 & 0.000758 \tabularnewline
[700,720[ & 710 & 0 & 0 & 0.992424 & 0 \tabularnewline
[720,740[ & 730 & 0 & 0 & 0.992424 & 0 \tabularnewline
[740,760] & 750 & 1 & 0.007576 & 1 & 0.000379 \tabularnewline
\hline
\end{tabular}
%Source: https://freestatistics.org/blog/index.php?pk=80420&T=1

[TABLE]
[ROW][C]Frequency Table (Histogram)[/C][/ROW]
[ROW][C]Bins[/C][C]Midpoint[/C][C]Abs. Frequency[/C][C]Rel. Frequency[/C][C]Cumul. Rel. Freq.[/C][C]Density[/C][/ROW]
[ROW][C][20,40[[/C][C]30[/C][C]3[/C][C]0.022727[/C][C]0.022727[/C][C]0.001136[/C][/ROW]
[ROW][C][40,60[[/C][C]50[/C][C]2[/C][C]0.015152[/C][C]0.037879[/C][C]0.000758[/C][/ROW]
[ROW][C][60,80[[/C][C]70[/C][C]4[/C][C]0.030303[/C][C]0.068182[/C][C]0.001515[/C][/ROW]
[ROW][C][80,100[[/C][C]90[/C][C]2[/C][C]0.015152[/C][C]0.083333[/C][C]0.000758[/C][/ROW]
[ROW][C][100,120[[/C][C]110[/C][C]2[/C][C]0.015152[/C][C]0.098485[/C][C]0.000758[/C][/ROW]
[ROW][C][120,140[[/C][C]130[/C][C]4[/C][C]0.030303[/C][C]0.128788[/C][C]0.001515[/C][/ROW]
[ROW][C][140,160[[/C][C]150[/C][C]4[/C][C]0.030303[/C][C]0.159091[/C][C]0.001515[/C][/ROW]
[ROW][C][160,180[[/C][C]170[/C][C]3[/C][C]0.022727[/C][C]0.181818[/C][C]0.001136[/C][/ROW]
[ROW][C][180,200[[/C][C]190[/C][C]14[/C][C]0.106061[/C][C]0.287879[/C][C]0.005303[/C][/ROW]
[ROW][C][200,220[[/C][C]210[/C][C]16[/C][C]0.121212[/C][C]0.409091[/C][C]0.006061[/C][/ROW]
[ROW][C][220,240[[/C][C]230[/C][C]12[/C][C]0.090909[/C][C]0.5[/C][C]0.004545[/C][/ROW]
[ROW][C][240,260[[/C][C]250[/C][C]12[/C][C]0.090909[/C][C]0.590909[/C][C]0.004545[/C][/ROW]
[ROW][C][260,280[[/C][C]270[/C][C]10[/C][C]0.075758[/C][C]0.666667[/C][C]0.003788[/C][/ROW]
[ROW][C][280,300[[/C][C]290[/C][C]4[/C][C]0.030303[/C][C]0.69697[/C][C]0.001515[/C][/ROW]
[ROW][C][300,320[[/C][C]310[/C][C]5[/C][C]0.037879[/C][C]0.734848[/C][C]0.001894[/C][/ROW]
[ROW][C][320,340[[/C][C]330[/C][C]2[/C][C]0.015152[/C][C]0.75[/C][C]0.000758[/C][/ROW]
[ROW][C][340,360[[/C][C]350[/C][C]3[/C][C]0.022727[/C][C]0.772727[/C][C]0.001136[/C][/ROW]
[ROW][C][360,380[[/C][C]370[/C][C]1[/C][C]0.007576[/C][C]0.780303[/C][C]0.000379[/C][/ROW]
[ROW][C][380,400[[/C][C]390[/C][C]6[/C][C]0.045455[/C][C]0.825758[/C][C]0.002273[/C][/ROW]
[ROW][C][400,420[[/C][C]410[/C][C]5[/C][C]0.037879[/C][C]0.863636[/C][C]0.001894[/C][/ROW]
[ROW][C][420,440[[/C][C]430[/C][C]4[/C][C]0.030303[/C][C]0.893939[/C][C]0.001515[/C][/ROW]
[ROW][C][440,460[[/C][C]450[/C][C]3[/C][C]0.022727[/C][C]0.916667[/C][C]0.001136[/C][/ROW]
[ROW][C][460,480[[/C][C]470[/C][C]1[/C][C]0.007576[/C][C]0.924242[/C][C]0.000379[/C][/ROW]
[ROW][C][480,500[[/C][C]490[/C][C]0[/C][C]0[/C][C]0.924242[/C][C]0[/C][/ROW]
[ROW][C][500,520[[/C][C]510[/C][C]1[/C][C]0.007576[/C][C]0.931818[/C][C]0.000379[/C][/ROW]
[ROW][C][520,540[[/C][C]530[/C][C]0[/C][C]0[/C][C]0.931818[/C][C]0[/C][/ROW]
[ROW][C][540,560[[/C][C]550[/C][C]1[/C][C]0.007576[/C][C]0.939394[/C][C]0.000379[/C][/ROW]
[ROW][C][560,580[[/C][C]570[/C][C]0[/C][C]0[/C][C]0.939394[/C][C]0[/C][/ROW]
[ROW][C][580,600[[/C][C]590[/C][C]0[/C][C]0[/C][C]0.939394[/C][C]0[/C][/ROW]
[ROW][C][600,620[[/C][C]610[/C][C]2[/C][C]0.015152[/C][C]0.954545[/C][C]0.000758[/C][/ROW]
[ROW][C][620,640[[/C][C]630[/C][C]0[/C][C]0[/C][C]0.954545[/C][C]0[/C][/ROW]
[ROW][C][640,660[[/C][C]650[/C][C]2[/C][C]0.015152[/C][C]0.969697[/C][C]0.000758[/C][/ROW]
[ROW][C][660,680[[/C][C]670[/C][C]1[/C][C]0.007576[/C][C]0.977273[/C][C]0.000379[/C][/ROW]
[ROW][C][680,700[[/C][C]690[/C][C]2[/C][C]0.015152[/C][C]0.992424[/C][C]0.000758[/C][/ROW]
[ROW][C][700,720[[/C][C]710[/C][C]0[/C][C]0[/C][C]0.992424[/C][C]0[/C][/ROW]
[ROW][C][720,740[[/C][C]730[/C][C]0[/C][C]0[/C][C]0.992424[/C][C]0[/C][/ROW]
[ROW][C][740,760][/C][C]750[/C][C]1[/C][C]0.007576[/C][C]1[/C][C]0.000379[/C][/ROW]
[/TABLE]
Source: https://freestatistics.org/blog/index.php?pk=80420&T=1

Globally Unique Identifier (entire table): ba.freestatistics.org/blog/index.php?pk=80420&T=1

As an alternative you can also use a QR Code:  
QR Code


The GUIDs for individual cells are displayed in the table below:

Frequency Table (Histogram)
BinsMidpointAbs. FrequencyRel. FrequencyCumul. Rel. Freq.Density
[20,40[3030.0227270.0227270.001136
[40,60[5020.0151520.0378790.000758
[60,80[7040.0303030.0681820.001515
[80,100[9020.0151520.0833330.000758
[100,120[11020.0151520.0984850.000758
[120,140[13040.0303030.1287880.001515
[140,160[15040.0303030.1590910.001515
[160,180[17030.0227270.1818180.001136
[180,200[190140.1060610.2878790.005303
[200,220[210160.1212120.4090910.006061
[220,240[230120.0909090.50.004545
[240,260[250120.0909090.5909090.004545
[260,280[270100.0757580.6666670.003788
[280,300[29040.0303030.696970.001515
[300,320[31050.0378790.7348480.001894
[320,340[33020.0151520.750.000758
[340,360[35030.0227270.7727270.001136
[360,380[37010.0075760.7803030.000379
[380,400[39060.0454550.8257580.002273
[400,420[41050.0378790.8636360.001894
[420,440[43040.0303030.8939390.001515
[440,460[45030.0227270.9166670.001136
[460,480[47010.0075760.9242420.000379
[480,500[490000.9242420
[500,520[51010.0075760.9318180.000379
[520,540[530000.9318180
[540,560[55010.0075760.9393940.000379
[560,580[570000.9393940
[580,600[590000.9393940
[600,620[61020.0151520.9545450.000758
[620,640[630000.9545450
[640,660[65020.0151520.9696970.000758
[660,680[67010.0075760.9772730.000379
[680,700[69020.0151520.9924240.000758
[700,720[710000.9924240
[720,740[730000.9924240
[740,760]75010.00757610.000379


Figures (Output of Computation)

Input Parameters & R Code

Parameters (Session):
par1 = 25 ; par2 = grey ; par3 = FALSE ; par4 = Interval/Ratio ;
Parameters (R input):
par1 = 40 ; par2 = grey ; par3 = FALSE ; par4 = Interval/Ratio ;
R code (references can be found in the software module):
par1 <- as.numeric(par1)
if (par3 == 'TRUE') par3 <- TRUE
if (par3 == 'FALSE') par3 <- FALSE
if (par4 == 'Unknown') par1 <- as.numeric(par1)
if (par4 == 'Interval/Ratio') par1 <- as.numeric(par1)
if (par4 == '3-point Likert') par1 <- c(1:3 - 0.5, 3.5)
if (par4 == '4-point Likert') par1 <- c(1:4 - 0.5, 4.5)
if (par4 == '5-point Likert') par1 <- c(1:5 - 0.5, 5.5)
if (par4 == '6-point Likert') par1 <- c(1:6 - 0.5, 6.5)
if (par4 == '7-point Likert') par1 <- c(1:7 - 0.5, 7.5)
if (par4 == '8-point Likert') par1 <- c(1:8 - 0.5, 8.5)
if (par4 == '9-point Likert') par1 <- c(1:9 - 0.5, 9.5)
if (par4 == '10-point Likert') par1 <- c(1:10 - 0.5, 10.5)
bitmap(file='test1.png')
if(is.numeric(x[1])) {
if (is.na(par1)) {
myhist<-hist(x,col=par2,main=main,xlab=xlab,right=par3)
} else {
if (par1 < 0) par1 <- 3
if (par1 > 50) par1 <- 50
myhist<-hist(x,breaks=par1,col=par2,main=main,xlab=xlab,right=par3)
}
} else {
plot(mytab <- table(x),col=par2,main='Frequency Plot',xlab=xlab,ylab='Absolute Frequency')
}
dev.off()
if(is.numeric(x[1])) {
myhist
n <- length(x)
load(file='createtable')
a<-table.start()
a<-table.row.start(a)
a<-table.element(a,hyperlink('histogram.htm','Frequency Table (Histogram)',''),6,TRUE)
a<-table.row.end(a)
a<-table.row.start(a)
a<-table.element(a,'Bins',header=TRUE)
a<-table.element(a,'Midpoint',header=TRUE)
a<-table.element(a,'Abs. Frequency',header=TRUE)
a<-table.element(a,'Rel. Frequency',header=TRUE)
a<-table.element(a,'Cumul. Rel. Freq.',header=TRUE)
a<-table.element(a,'Density',header=TRUE)
a<-table.row.end(a)
crf <- 0
if (par3 == FALSE) mybracket <- '[' else mybracket <- ']'
mynumrows <- (length(myhist$breaks)-1)
for (i in 1:mynumrows) {
a<-table.row.start(a)
if (i == 1)
dum <- paste('[',myhist$breaks[i],sep='')
else
dum <- paste(mybracket,myhist$breaks[i],sep='')
dum <- paste(dum,myhist$breaks[i+1],sep=',')
if (i==mynumrows)
dum <- paste(dum,']',sep='')
else
dum <- paste(dum,mybracket,sep='')
a<-table.element(a,dum,header=TRUE)
a<-table.element(a,myhist$mids[i])
a<-table.element(a,myhist$counts[i])
rf <- myhist$counts[i]/n
crf <- crf + rf
a<-table.element(a,round(rf,6))
a<-table.element(a,round(crf,6))
a<-table.element(a,round(myhist$density[i],6))
a<-table.row.end(a)
}
a<-table.end(a)
table.save(a,file='mytable.tab')
} else {
mytab
reltab <- mytab / sum(mytab)
n <- length(mytab)
load(file='createtable')
a<-table.start()
a<-table.row.start(a)
a<-table.element(a,'Frequency Table (Categorical Data)',3,TRUE)
a<-table.row.end(a)
a<-table.row.start(a)
a<-table.element(a,'Category',header=TRUE)
a<-table.element(a,'Abs. Frequency',header=TRUE)
a<-table.element(a,'Rel. Frequency',header=TRUE)
a<-table.row.end(a)
for (i in 1:n) {
a<-table.row.start(a)
a<-table.element(a,labels(mytab)$x[i],header=TRUE)
a<-table.element(a,mytab[i])
a<-table.element(a,round(reltab[i],4))
a<-table.row.end(a)
}
a<-table.end(a)
table.save(a,file='mytable1.tab')
}