Limited time offer 20% OFF StudySoup Subscription details

AU - DMS 2510 - Study Guide

Created by: Richard Atticus Bolling Elite Notetaker

> > > > AU - DMS 2510 - Study Guide

AU - DMS 2510 - Study Guide

This preview shows pages 1 - 3 of a 11 page document. to view the rest of the content
background image Statistics Final   
 
Descriptive Statistics and Graphs  1. Reproduce the data set from a stemplot or vise versa (continuous or discrete data)  Descriptive Statistics-organizing and summarizing information      Inferential Statistics-Drawing conclusions about a population based on data collected from a 
sample of the population 
Qualitiative Variable- responses to questions like “what kind of advertising do you use”; yes or no 
questions Maybe a # like a zip code/area code but cant do calculations
;   Quantitative Variables-things that can be counted or measured, data that can be added, 
multiplied(ratings, weight, time, temp)-Mathematical operations. Can be either continuous or 
discrete. 
Continuous data-a # with a decimal 
Discrete Data- A quantitative variable whose possible values can be listed. A quantitative variable 
with only a finite #of possible values is a discrete value 
 
Frequency
​-# of times a particular distinct value occurs.  -A frequency distribution provides a table of the values of the observations and how often they 
occur. 
To construct a Frequency Distribution of Qualitative data 
Step 1- list the distinct values of the observations in the data set in the first column of a table 
Step 2-For each observation, place a tally mark in the second column of the table in the row of 
the appropriate distinct value. 
Step 3: Count the tallies for each distinct value and record the totals in the third column of the 
table 
Step 4: interpret 
Relative Frequency distributions 
Relative Frequency- is the ratio of the frequency to the total #of observations, it provides a table 
of the values of the observations and(relatively) how often they occur: 
                                   Relative Frequency=
frequency of observations   Relative Frequency Distribution of Qualitative Data-is a listing of the distinct values and their 
relative frequencies. 
To constuct a Relative-Frequency Distribution of Qualitative Data 
Step 1: obtain a frequency distribution of the data 
Step 2: Divide each frequency by the total # of observations 
Step 3: Interpret 
-Relative-Frequency distributions are better than frequency distributions for comparing 2 data 
sets, bc relative frequencies always fall between 0 and 1, they provide a standard for 
comparison. 
 
background image Two common methods of displaying qualitative data are pie charts and bar charts. 
Pie Charts- a disk divided into wedge-shaped pieces proportional to the relative frequencies of 
the data. 
 
To Construct a pie Chart 
Step 1: Obtain a relative-frequency distribution of the data 
Step 2: Divide a disk into wedge shaped pieces proportional to the relative frequencies 
Step 3: Label the slices with the distinct values and their relative frequencies 
 
Bar chart
​- graphical display for qualitative data. Frequencies, relative-frequencies, or percents  can be used to label a bar chart. Displays distinct values of qualitative data on a horizontal axis 
and the relative frequencies on the vertical axis. The relative frequency is represented by a 
vertical bar whose height is equal to the relative frequency of that value. The bars should not 
touch each other. 
To construct a bar chart; 
Step1: obtain a relative frequency distribution of the data 
Step2: Draw a horizontal axis on which to place the bars and a vertical axis on which to display 
the relative frequencies 
Step 3: For each distinct value, construct a vertical bar whose height equals the relative 
frequency of that value. 
Step 4: Label the bars with the distinct values, the horizontal axis with the same of the variable, 
and the vertical axis with “Relative Frequency” 
 
Organizing Quantitative Data:
​ We first group observations into classes(categories, bins) then  treat the classes as the distinct values of qualitative data. Once we group the quantitative data 
into classes, we can construct frequency and relative-frequency distributions of the data the 
exact same way we did for qualitative data. 
Important guidlines for grouping quantitative data into classes: 
1. # of classes should be small enough to provide an effictive summary but large enough to  display the relevant characteristics of the data. A rule of thumb is that the # of classes 
should be between 5 and 20. 
2. Each observation should belong to one, and only one, class. Meaning, each observation  must belong to one class.  3. If possible every class should cover the same # of possible values.  These guidlines provide a solid basis for grouping data.  group quantitative data into classes we 
use 3 common methods: single-value grouping, limit grouping, and cutpoint grouping 
Single value grouping-represents a single possible value, use with discrete data in which there 
are only a small #of distinct values. 
Limit grouping- uses class limits. Each class consists of a range of values. Smallest value that 
could go in a class is called the lower limit, lagest value that could go in the class is call the the 
upper limit of the class. Use when the data are expressed as whole #’s and there are too many 
distinct values to use single-value grouping. Class width difference between the lower limit of a 
 
background image class and the lower limit of the next-higher class. Class mark the average of the two class limits 
of a class. 
Cutpoint grouping-consists of a range of values. Smallest value that could go in a class is called 
the lower cutpoint, and the smallest value that could go in the next higher class is called the 
uppercutpoint of the class. The lower cutpoint is the same as its lower limit and that the upper 
cutpoint of a class is the same as the lower limit of the next higher class. Class width the 
difference between the cutpoints of a class. Class midpoint the average of the two cutpoints of a 
class. Use when the data are continuous and are expressed with decimals. 
Three common ways of displaying quantitative data are histograms, dotplots, and stem-and-leaf 
diagrams.  
Bin width formula=
of bins maxmin   Histograms ​- provides a graph of the values of the observations and how often they occur. It  displays the classes of the quantitative data on a horizontal axis and the frequencies(relative 
frequency, percent) of those classes on the vertical axis. The frequency of each class is 
represented by a vertical bar whose height is equal to the frequency of that class. The bars touch 
eachother. For single value grouping we use the distinct values of the observations to label the 
bars, each value should be centered under the bar. For Limit or cutpoint grouping we use the 
lower class limits(or cutpoints) to label the bars. When the frequencies are on the vertical axis 
this is a frequency histogram.  
To construct a Histogram: 
Step 1: Obtain a frequency distribution of the data 
Step2: Draw a horizontal axis on which to place the bars and a vertical axis on which to display 
the frequencies(relative-frequencies, percents) 
Step 3:For each class, construct a vertical bar whose height equals the frequency of that class 
Step 4: Label the bars with the classes, the horizontal axis with the name of the variable, and the 
vertical axis with “frequency”(“relative frequency”, “percent”). 
-Relative-Frequency or percent histograms are better than frequency histograms for comparing 
two data sets. The same vertical scale is used for all relative frequenct histograms--min 0 and a 
max of 1--making direct comparison easy. The vertical scale of a frequency histogram depends 
on the # of observations, making comparison more difficult. 
 
 
Stem-and-leaf Diagram
​- In a stem and leaf diagram or a stemplot each observation is  seperated into two parts 1. Stem- consisting of all but the rightmost digit and 2. Leaf- the 
righmost digit. Stems may use as many digits as required, but each leaf must contain only one 
digit. 
To Construct a Stem-and-Leaf Diagram: 
Step 1: Think of each observation as a stem-consisting of all but the rightmost digit-and a leaf, 
the rightmost digit.  
Step 2: Write the stems from smallest to largest in a vertical column to the left of a vertical rule 
Step 3: Write Each leaf to the right of the vertical rule in the row that contains the appropriate 
stem. 
 

This is the end of the preview. Please to view the rest of the content
Join more than 18,000+ college students at Auburn University who use StudySoup to get ahead
School: Auburn University
Department: Math
Course: Statistics for Health Sciences
Professor: Regina Halpert
Term: Fall 2015
Tags: Statistics
Name: THE DMS 2510 - Statistics for Health Sciences - Study Guide - Descriptive Statistics and Graphs
Description: Statistics Final  Descriptive Statistics and Graphs 1
Uploaded: 04/06/2017
11 Pages 79 Views 63 Unlocks
  • Better Grades Guarantee
  • 24/7 Homework help
  • Notes, Study Guides, Flashcards + More!
Join StudySoup for FREE
Get Full Access to AU - Stat 2510 - Study Guide
Join with Email
Already have an account? Login here
×
Log in to StudySoup
Get Full Access to AU - Stat 2510 - Study Guide

Forgot password? Reset password here

Reset your password

I don't want to reset my password

Need help? Contact support

Need an Account? Is not associated with an account
Sign up
We're here to help

Having trouble accessing your account? Let us help you, contact support at +1(510) 944-1054 or support@studysoup.com

Got it, thanks!
Password Reset Request Sent An email has been sent to the email address associated to your account. Follow the link in the email to reset your password. If you're having trouble finding our email please check your spam folder
Got it, thanks!
Already have an Account? Is already in use
Log in
Incorrect Password The password used to log in with this account is incorrect
Try Again

Forgot password? Reset it here