We have a dataframe of the diameter of different parts
The total sample size used is 100 different parts. Each one has a different diameter assigned.
dat2=read.csv("https://raw.githubusercontent.com/tmatis12/datafiles/main/diameter.csv")
dat2## Diameter
## 1 10.261
## 2 10.031
## 3 10.203
## 4 10.245
## 5 10.389
## 6 9.803
## 7 10.619
## 8 10.089
## 9 10.099
## 10 10.342
## 11 10.382
## 12 10.662
## 13 9.992
## 14 10.216
## 15 10.513
## 16 10.208
## 17 10.045
## 18 10.562
## 19 10.377
## 20 10.361
## 21 9.926
## 22 9.961
## 23 9.698
## 24 10.035
## 25 10.439
## 26 10.085
## 27 10.496
## 28 9.966
## 29 10.043
## 30 9.911
## 31 10.401
## 32 10.128
## 33 10.257
## 34 10.273
## 35 10.076
## 36 9.913
## 37 10.049
## 38 10.194
## 39 10.220
## 40 10.093
## 41 10.174
## 42 10.227
## 43 10.368
## 44 9.918
## 45 9.902
## 46 9.790
## 47 9.831
## 48 9.947
## 49 10.332
## 50 10.217
## 51 10.408
## 52 10.298
## 53 9.977
## 54 10.099
## 55 10.232
## 56 10.058
## 57 10.436
## 58 10.364
## 59 10.264
## 60 9.948
## 61 10.079
## 62 10.038
## 63 10.509
## 64 10.302
## 65 10.333
## 66 10.037
## 67 10.018
## 68 10.466
## 69 10.084
## 70 10.281
## 71 10.471
## 72 9.944
## 73 10.157
## 74 9.906
## 75 9.633
## 76 10.187
## 77 10.231
## 78 10.087
## 79 10.511
## 80 10.134
## 81 9.735
## 82 10.293
## 83 10.048
## 84 10.136
## 85 9.847
## 86 10.528
## 87 9.970
## 88 10.329
## 89 9.722
## 90 10.098
## 91 9.931
## 92 10.197
## 93 10.279
## 94 10.378
## 95 10.414
## 96 10.333
## 97 10.386
## 98 10.471
## 99 9.941
## 100 10.241We then proceeded to take the log of each diameter and save it for later use.
logdat2=log(dat2)
logdat2## Diameter
## 1 2.328350
## 2 2.305680
## 3 2.322682
## 4 2.326790
## 5 2.340748
## 6 2.282688
## 7 2.362645
## 8 2.311446
## 9 2.312436
## 10 2.336213
## 11 2.340074
## 12 2.366686
## 13 2.301785
## 14 2.323955
## 15 2.352613
## 16 2.323172
## 17 2.307075
## 18 2.357263
## 19 2.339592
## 20 2.338049
## 21 2.295158
## 22 2.298677
## 23 2.271920
## 24 2.306079
## 25 2.345549
## 26 2.311049
## 27 2.350994
## 28 2.299179
## 29 2.306876
## 30 2.293645
## 31 2.341902
## 32 2.315304
## 33 2.327960
## 34 2.329519
## 35 2.310156
## 36 2.293847
## 37 2.307473
## 38 2.321799
## 39 2.324347
## 40 2.311842
## 41 2.319835
## 42 2.325031
## 43 2.338724
## 44 2.294351
## 45 2.292737
## 46 2.281361
## 47 2.285541
## 48 2.297271
## 49 2.335246
## 50 2.324053
## 51 2.342575
## 52 2.331950
## 53 2.300282
## 54 2.312436
## 55 2.325520
## 56 2.308368
## 57 2.345261
## 58 2.338338
## 59 2.328643
## 60 2.297372
## 61 2.310454
## 62 2.306378
## 63 2.352232
## 64 2.332338
## 65 2.335343
## 66 2.306278
## 67 2.304383
## 68 2.348132
## 69 2.310950
## 70 2.330298
## 71 2.348610
## 72 2.296969
## 73 2.318163
## 74 2.293141
## 75 2.265195
## 76 2.321112
## 77 2.325422
## 78 2.311247
## 79 2.352422
## 80 2.315896
## 81 2.275728
## 82 2.331464
## 83 2.307374
## 84 2.316093
## 85 2.287167
## 86 2.354038
## 87 2.299581
## 88 2.334955
## 89 2.274391
## 90 2.312337
## 91 2.295661
## 92 2.322094
## 93 2.330103
## 94 2.339688
## 95 2.343151
## 96 2.335343
## 97 2.340459
## 98 2.348610
## 99 2.296668
## 100 2.326399