×
Log in to StudySoup

Forgot password? Reset password here

OleMiss - PSY 202 - Psy 202 Final Exam Study Guide - Study Guide

Created by: Anna Ballard Elite Notetaker

Schools > University of Mississippi > Psychology > PSY 202 > OleMiss - PSY 202 - Psy 202 Final Exam Study Guide - Study Guide

OleMiss - PSY 202 - Psy 202 Final Exam Study Guide - Study Guide

School: University of Mississippi
Department: Psychology
Course: Elementary Statistics
Professor: Melinda Redding
Term: Fall 2016
Tags: Psychology and Statistics
Name: Psy 202 Final Exam Study Guide
Description: Detailed study guide for the new material that will be on our final exam.
Uploaded: 12/02/2016
0 5 3 56 Reviews
This preview shows pages 1 - 3 of a 7 page document. to view the rest of the content
background image FA16 PSY 202 Section 1 Exam 4 Review Sheet CHAPTER 15 – Other Two-Sample Tests: Variability and Relationships A.  Tests on variances •  pooled variance comes out too large – Type II errors
-
Must test if variances are homogenous  1. F-test •  1 2 / 2 2  = s 1 2 /s 2 2 • parametric test that makes the assumption we are dealing with continuous 
scores
• also makes an assumption that the population is normal
o If non-normal, or one is and one isn’t, this test will not work  • Skewed so the upper and lower critical values are different and must be found 
separately. 
2. Alternatives to the F-test • 3 alternatives (2 have same problem)  o Hartley’s Fmax
o Cochran’s C
• Weakness: if one of the distributions is not perfectly normal, the entire analyses 
are thrown off because they are sensitive to non-normality  
a. Problems with most alternatives • assume you are dealing with normal distribution - Still won’t work if non-normal - Median is best measure of central tendency when you have a skewed 
distribution 
b. Levene’s statistic and Fligner-Killeen test • alternatives to the f-test
• Use when distribution is non-normal 
- Median is the best measure of central tendency  3. Comparing two variances of dependent samples • Turns into a T-test (t-distribution instead of f-distribution) B. Welch-Satterthwaite correction • t-test without homogenous variances 
• downside: end up with distribution that is not exactly a t distribution 
• 2-part correction
- First part: separate sample estimate of t - Second part: adjust degrees of freedom to fix critical values o Makes it less likely to make a Type I error  • By pushing critical values out, you are making it more likely to make a Type II 
error. 
1. Which test should we use?  • Are distributions the same shape (does not have to be normal)?
• Are the samples large? (large enough for Central limit theorem)
• Are they the equal size? 
- If no to all of these, use t-test with Welch-Satterthwaite  C. Comparing correlation coefficients
background image 1. Independent • correlation between w&x and comparing to y&z - People in first correlation are different from those in the second  o r wx  and r yz 2. Dependent and overlapping • When talking about overlapping, we are not using the same people, but both 
correlations share a variable
- r xy  and r yz o y is the shared variable
o becomes a t-test 
3. Dependent and non-overlapping • People in first group are same as people in the second  - r wx  and r yz o Sharing the same people between the two 
o FOIL
r wx                         r yz r wy r wz r xy r xz 4. Comparing independent regression coefficients • also becomes a t-test 
• 2 different things to look at for regressions: slope or y-intercept
- This one tells us the difference between the slopes of two lines - H 0 : both slopes are the same  • When calculating, calculate degrees of freedom  - df = n 1  + n 2  – 4 o 4 because you make estimates for 2 different x’s and 2 different y’s  CHAPTER 16 – Tests on Location: Analysis of Variance and Other Selected Procedures A. ANOVA • Compare means and not variances - Use ANOVA when comparing 3 or more means (groups) - Used to control familywise error rate 1. Familywise error rate • usually would sum up all of their alpha levels -  increases your chance of type I error insanely  o Do not want more than a 5% chance to make a familywise error rate 2. Notation and terminology a. Raw scores, level means, grand mean • Y ij  –> raw score • Ybar .j  –> level mean  • Ybar ..  –> grand mean  - Average of all the averages? 
background image 3. Mean squares • looking at 2 estimates of variances 
       • MSag –> mean square among groups; measures variability among the groups
o How much do you expect to differ on population level  • MSwg –>mean square within groups  • Assuming all scores came from the same population, if you calculate MSag 
multiple times or MSwfg multiple times, you will keep getting that same population 
variance
a. Sums of squared deviations for each • Sum squares total between raw scores deviated the grand mean 
• Sum squares among groups: between raw scores and the level mean 
• Sum squares within groups: between raw scores and the level mean those scores 
came from. 
b. Degrees of freedom for each • among groups: groups – 1 
• W/in groups: N – K 
• Total number of scores in entire experiment – number of groups  c. Expected values for each • if null is true, expected value for first should equal the second  4. Hypotheses • null: means for all the populations are the same
• alternative: at least one population mean differs from the rest
-
Tells us there’s a difference but not where the difference is 5. F-ratio a. Which mean square belongs where • Mean square among groups is always in the numerator  b. Why its critical value is always upper-tailed • if true, mean square within groups = mean square among groups  - Mean square gets larger if you end up with false null hypothesis  6. Assumptions a. Five mandatory 1) Parametric test dealing with normal distributions 
2) Assumes homogenous variances
3) Assumes you are looking for fixed effects
4) Assumes you have independence of error (randomly distributed among groups)
5) Linearity –> MOST IMPORTANT 
- Will not work when nonlinear because it underestimates the effect  b. Two needed for generalizing and inferring causality 1) Random selection for who goes in the sample 
2) Random assignment to not do 
c. Which is most important and why • Linearity  d. Which we can test • normality and homogenious variance.  e. Violations i. When they can be reasonably ignored • must have 30 people or greater to perform 

This is the end of the preview. Please to view the rest of the content
Join more than 18,000+ college students at University of Mississippi who use StudySoup to get ahead
7 Pages 73 Views 58 Unlocks
  • Better Grades Guarantee
  • 24/7 Homework help
  • Notes, Study Guides, Flashcards + More!
Join more than 18,000+ college students at University of Mississippi who use StudySoup to get ahead
School: University of Mississippi
Department: Psychology
Course: Elementary Statistics
Professor: Melinda Redding
Term: Fall 2016
Tags: Psychology and Statistics
Name: Psy 202 Final Exam Study Guide
Description: Detailed study guide for the new material that will be on our final exam.
Uploaded: 12/02/2016
7 Pages 73 Views 58 Unlocks
  • Better Grades Guarantee
  • 24/7 Homework help
  • Notes, Study Guides, Flashcards + More!
Join StudySoup for FREE
Get Full Access to OleMiss - Psy 202 - Study Guide - Final
Join with Email
Already have an account? Login here