×
Log in to StudySoup
Get Full Access to ASU - ECO 2200 - Study Guide
Join StudySoup for FREE
Get Full Access to ASU - ECO 2200 - Study Guide

Already have an account? Login here
×
Reset your password

eco 2200

eco 2200

Description

School: Appalachian State University
Department: Economics
Course: Business And Economic Statistics II
Professor: David bruner
Term: Spring 2017
Tags: business, and, Economics, Statistics, and 2
Cost: 50
Name: Notes for Exam 1- Stats II
Description: Exam one for chapters 4, 7, 8
Uploaded: 02/03/2017
4 Pages 91 Views 0 Unlocks
Reviews



dispersion: how much variation is there in data?




what value seems to be typical?




central tendency: where are the data concentrated?



Notes for Exam 1: Descriptive Statistics,   statistic: descriptive measure derived from a sample(of n items)  (n=sample size)  parameter: descriptive measures derived from  POPULtion  (N=population size) 3 characteristics of numerical data: 1. central tendency: where are the data concentrated?what value seems to be typical? 2. disWe also discuss several other topics like iup geography
We also discuss several other topics like chromosomes contain thousands of segments called:
If you want to learn more check out centralized government def
Don't forget about the age old question of What are the defining features of government?
We also discuss several other topics like How is the solution concentration determined?
Don't forget about the age old question of helping relationship stages
persion: how much variation is there in data? are there outliers? 3. shape: are the data values distribute symettrically or are they skewed? measures of central tendency:  mean, median, proprotion(for binary data)  ­if mean/median are about the same the distribution is symbiotic, and you can use either mean  or median  ­if mean and median are not close to each other, the ship is skewed lett or right, but either way  use edab as a measure of central tendency Measure of dispersion  ­standard deviation: in excel use: =stdev()  ­range  ­variance: in excel use: =var.s() Relative Variation:  sometimes we want to compare variances of 2 data sets with difference means  coefficient of variation: CV=(s/x)*100 Probabilities: three types: 1. P(x<#)   ­ use norm.dist 2. P(x>#)   ­ use 1­norm.dist 3. P(#1<x>#2)   ­ use norm dist(largest)­norm.dist(smaller) sample mean   ­affected by every sample item  ­regardless of the shape of distribution, absolute distances from he mean to the data point  always sum to zero in excel use : =average() Sample Median  ­insensative to extreme values  ­if N is odd, the median is the middle obersavtion in a  sorted data array  ­if N is even, the median is the average of the middle 2 numbers in a sorted array of data  ­ in excel use: =median() Standardizned Variable:  z= standardized variable  redefines each observation in terms of how may standard deviations it is away from the mean  the higher the z score, the more unusual that piece of data is  Zscore =(mean­standard deviation)/standard deviation  denoted z~N(0,1) Empiricle rule:  with a normal distribution:  ­within one standard deviation of the mean on either side contains 68.26%  ­within two standard deviations of the mean on either side contains 95.44%  ­within three standard deviations of the mean on either side contains 99.73% discrete variable: each value of “x” has its own probability P(x)  continuous variable: events are intervals and probabilities are areas underneath smooth curves. a  single point has no probability  probability density function(PDF): for a continuous random variable, the PDF is an equation that shows the height of the curveF(x) at each possible “x” over the entire range   ­denoted F(x) total area under curve=1 Characteristics of a Uniform Distribution:  if x is a random variable that is uniformly distributed between “A” and “B” it is denoted:  X~U(A,B)  ­the PDF has a constant height of 1/b­a  ­total area= base*height s0 : ((B­A)*1)/(B­A) = 1  ­CDf increases linearly to 1 from A to b , (x­A)/(B­A)  Uniform distribution summary:  Parameters—————A=lower limit, B=upper limit  PDF——————————F(x)=1/(b­a)  CDF————————— (x­a)/(b­a)  domain——————————a<x<b mean————————————(a+b)/2  shape————————————symmetric with no mode Characteristics of a Normal Distribution  ­normal/gaussian distribution(Karl Gauss  ­defined by 2 parameters, mean and standard deviation  ­denoted X~N(mean, standard deviation)  ­ domain is negative infinity to infinity Inverse in Excell:  =norm.inv(prob, mean, standard deviation)  you put in a probability and find the x value Sampling Variation: jpw ,uch a statistic varies deom one sample to the next­ depends on “N”  sample size  *larger samples have less sampling variation Sampling Error:  since many statistics such as samle mean and p are continuous random variables, the  liklihood there are exactly equal to the parameter call is zero  ­there will ALWAYS be some sampling error Bias:  the difference between the expected/average value o the statistic and true parameter on average, neighther the sample mean or p are biased Bias vs Sampling Error:  ­ sampling error is random, where bias is systematic  ­an unbiased estimator avoids systematic error Standard Error for mean:   the standard error for mean depends on population standard deviation and the sample size  standard error for mean is: standard deviation/square root of n standard error for proportionL  the standard error of a proportion depends on the population proportion, as well as the sample  size sampling distribution: the probibility distrivution of all possible values of a stoats when  random  sample size of n is taken Central Limit Theorem:  1.  if population is normal, the distribution of the sample mean is normal, regardless of sample 2. as the sample of n increases, the distribution of sample means(proportion) collapses the  population mean 3. if the sample is large enough(n>30), the sample mean will have a normal distribution even if the  population is not normal Confidence Interval :  we construct a confidence interval by adding and subtracting a margin of error, E  confidence level: how confident we are that the confidence interval contains th  true population mean  margin of error: depends on confidence level(zcrit or tcrit) and standard error 

Page Expired
5off
It looks like your free minutes have expired! Lucky for you we have all the content you need, just sign up here