New User Special Price Expires in

Let's log you in.

Sign in with Facebook


Don't have a StudySoup account? Create one here!


Create a StudySoup account

Be part of our community, it's free to join!

Sign up with Facebook


Create your account
By creating an account you agree to StudySoup's terms and conditions and privacy policy

Already have a StudySoup account? Login here

Intro to Statistics 1034 Ch 1 Notes.

by: Alyssa Notetaker

Intro to Statistics 1034 Ch 1 Notes. Stat 1034

Marketplace > University of Cincinnati > Statistics > Stat 1034 > Intro to Statistics 1034 Ch 1 Notes
Alyssa Notetaker
View Full Document for 0 Karma

View Full Document


Unlock These Notes for FREE

Enter your email below and we will instantly email you these Notes for Elementary Statistics I

(Limited time offer)

Unlock Notes

Already have a StudySoup account? Login here

Unlock FREE Class Notes

Enter your email below to receive Elementary Statistics I notes

Everyone needs better class notes. Enter your email and we will send you notes for this class for free.

Unlock FREE notes

About this Document

Here are notes over chapter 1 to the textbook "Brase, Charles Henry., and Corrinne Pellillo. Brase. Understandable Statistics: Concepts and Methods. 11th ed. N.p.: Cengage Learning, n.d. Print."
Elementary Statistics I
Sarah Myers
Class Notes
Statistics, Introduction, random sample, population, sample, experiment, Survey




Popular in Elementary Statistics I

Popular in Statistics

This 7 page Class Notes was uploaded by Alyssa Notetaker on Monday February 1, 2016. The Class Notes belongs to Stat 1034 at University of Cincinnati taught by Sarah Myers in Spring 2016. Since its upload, it has received 65 views. For similar materials see Elementary Statistics I in Statistics at University of Cincinnati.


Reviews for Intro to Statistics 1034 Ch 1 Notes.


Report this Material


What is Karma?


Karma is the currency of StudySoup.

You can buy or earn more Karma at anytime and redeem it for class notes, study guides, flashcards, and more!

Date Created: 02/01/16
Getting Started   Ch1 Notes   Material Extracted From Textbook (Brase, Charles Henry., and Corrinne Pellillo. Brase.  Understandable Statistics: Concepts and Methods​ . 11th ed. N.p.: Cengage Learning, n.d. Print.)    1.1  Statistics: The study of how to collect, organize, analyze, and interpret numerical information  from data. It is both the science of uncertainty and the technology of extracting information from  data.   ● Statistics helps people make decisions  ● Statistics is a way to examine information  ● Make inferences about populations by looking at samples  ● The accuracy of a properly applied statistical procedure depends on the accuracy of the  data (4).     Data   Individuals:​  are the people or objects included in the study.   Variable:​  a characteristic of the individual to be measured or observed.   Quantitative Variable: ​ has a value or numerical measurement for which operations such  as addition or averaging makes sense.   Qualitative Variable:​  (Also called categorical variations) describes an individual by  placing the individual into a category or group, such as male or female.     “For instance, if we want to do a study about the people who had climbed Mt. Everest, then the  individuals in the study are all people who have actually made it to the summit. One variable  might be the height of the individuals (5).     Other Variable Examples:  Quantitative ­ weight, age, income  Qualitative ­ gender, nationality     Sources of Data   Population Data:​  the data from every individual of interest.  Sample Data:​  the data are from only some of the individuals of interest.   Population Parameter:​  a numerical measure that describes an aspect of a population.   Sample Statistic:​  is a numerical measure that describes an aspect of a sample.    Data from a specific population are fixed and complete.   Data from a sample has a higher chance of varying between samples.     “For instance, if we have data from all other individuals who have climbed Mt. Everest, then we  have population data.  The proportion of males in the population of all climbers who have  conquered Mt. Everest is an example of a parameter.   On the other hand, if our data come from just some of the climbers, we have sample data.  The proportion of male climbers in the sample is an example of a statistic… one of the important  features of sample statistics is that they can vary from sample to sample, whereas population  parameters are fixed for a given population” (5).    ● Gathering sample data is often more realistic than population data.     4  Levels of Measurement: Nominal, Ordinal, Interval, Ratio   ● Important because it helps indicate the type of arithmetic that is appropriate  for data.   ● Help indicate how to order data.     Nominal Level: ​ Applies to data that consists of names, labels, or categories. There are no  implied criteria by which the data can be ordered from smallest to largest.     Ordinal Level:​  Applies to data that can be arranged in order. However, differences between data  values either cannot be determined or are meaningless.     Interval Level:​  Applies to data that can be arranged in order in addition, differences between  data values are ​meaningful.    Ratio Level:​  Applies to data that can be arranged in order. In addition, both differences between  data values are meaningful. Data at the ratio level have a true zero.     True Zero/ Meaningful Zero:​  When zero means the absence of what it is trying to define. O  degrees is not true zero because it still defines a temperature.     1.2 Random Samples  ● Be wary of making hasty generalizations about a population about sample.     Simple Random Sample: ​ A simple random sample of n measurements from a population is a  subset of the population selected in such a manner that every sample of size n from the  population has an equal chance of being selected (13).     ● Each member of a population has an equal chance of being selected. For a Simple  Random Sample, every sample of the given size must also have an equal chance  of being selected (13).     Important Features of a Simple Random Sample   1. Every sample of specified size n from the population has an equal chance of being  selected.    2. No researcher bias occurs in the items selected for the sample.   3. A random sample may not always reflect the diversity of the population of 10 cats and 10  dogs, a random sample of size 6 could consists of all cats.     Easy Way to Get a Simple Random Sample   ● Random number table  ● Computer generator   ○ Random selection does not mean haphazard selection.     Procedure   How to Draw a Simple Random Sample  1. Number all members of the population sequentially.   2. Use a table, calculator, or computer to select random numbers from the numbers assigned  to the population members.   3. Create the sample by using population members with numbers corresponding to those  randomly selected.     Simulation:​  (Also called “Dry Lab Approach”) A numerical facsimile or representation of a  real­world phenomenon ­ also uses random number tables.     Sampling Techniques   Random Sampling: ​ use a simple random sample from an entire population.   Stratified Sampling: divide the entire population into distinct subgroups called strata. The strata  are based on specific characteristics such as age, income, education level and so on. All members  of a stratum share the specific characteristic. Draw random samples from each stratum (16).   Strata:​ groups or classes inside a population that share a common characteristic.   Population must be divided into at least 2 different strat.   example ­ men and women of population.     Systematic Sampling​ : Number all members of a population sequentially. Then from a starting  point select at random, include every kth member of the population in the sample (16).   A group of people were standing in a line at a concert. You decide to select every 5th  individual to include in a sample.   Usually easy to acquire.   Systematic sampling should not be used for populations that are repetitive or  cyclical in nature (16, 17).     Cluster Sampling:​  Divide the population into pre­existing segments or clusters. The clusters are  often geographic. Make a random selection of clusters. Include every member of each selected  cluster in the sample (16).   Conducting a survey of school children in a large city, we could first randomly  select five schools and then include all the children from each selected school.     Multistage Sampling:​  Use a variety of sampling methods to create successively smaller groups  at each stage.  The final sample consists of clusters.   The government Current Population Survey interviews about 60,000 households across  the United States each month by means of multistage sample design. For the Current  Population Survey, the first stage consists of selecting samples of large geographic areas  that do not cross state lines.  These areas are further broken down into smaller blocks,  which are stratified according to ethnic and other factors. Stratified Samples of blocks are  taken. Finally, housing united in each chosen block are broken into clusters of nearby  housing units. A random sample of these clusters of housing units is selected, and each  household in the final cluster is interviewed.     Convenience Sampling:​  Create a sample by using data from population members that are  readily available.   ● Does Run risk of being severely bias.     Sampling Frame:​  the list of individuals from which a sample is actually selected.   Undercoverage:​  When the sample frame does not match the population.   ● Results from omitting population members from the sample frame.   Sampling Error:​  The difference between measurements from a sample and corresponding  measurements from the respective population. It is caused by the fact that the sample does not  perfectly represent the population.     Nonsampling Error:​  The result of poor sample design, sloppy data collections, faulty  measuring instruments, bias in questionnaires, and so on.   ● Sampling errors do not represent mistakes. They are simply the consequences of  using samples instead of populations. However, be alert to nonsampling errors,  which may sometimes occur inadvertently (18).   1.3 Introduction to Experimental Design     Planning a Statistical Study     Procedure  Basic Guidelines for Planning a Statistical Study   1. Identify individuals or objects of interest.   2. Specify the variables as well as the protocols for taking measurements or making  observation.   3. Determine if you will use an entire population or representative sample. If using a  sample, decide on a viable sampling method.   4. In your data collection plan, address issues of ethics, subject confidentiality and privacy.  If you are collecting data a business, store, college, or other institution, be sure to be  courteous and to obtain permission as necessary.   5. Collect the data.   6. Use appropriate descriptive statistics methods and make decisions using appropriate  inferential statistical methods.   7. Finally, note any concerns you might have about your data collection methods and list  any recommendations for future studies.     Census:​  Measurements or observations from the entire population are used.   Sample:​  Measurements or observations from part of the population are used.     Experiments and Observations     Observational Study: ​ Observations and measurements of individuals are conducted in a way  that doesn't change the response or the variable being measured.   Experiment:​  A treatment is deliberately imposed on the individuals in order to observe a  possible change in the response or variable being measured.     Placebo Effect:​  Occurs when a subject receives no treatment but (incorrectly) believes he or she  is in fact receiving treatment and responds favorably.     Completely Randomized Experiment  ● One in which a random process is used to assign each individual to one of the treatments.   ● Blocking is used to help control variables.     Block:​ A group of individuals sharing some common features that might affect the treatment.   Randomized Block Experiment: ​ Individuals are first sorted into block, and then a random  process is used to assign each individual in the block to one of the treatments.     Control Group:​  This group receives a dummy treatment, enabling the researchers to control for  the placebo effect. In general, a control group is used to account for the influence of other known  or unknown variables that might be an underlying cause of a change in response in the  experimental group.     Replication ​of the experiment on many patients reduces the possibility that the differences in  pain relief for the two groups occurred by chance alone.     Double Blind Experiment:​  Neither the individuals in the study nor the observers know which  subjects are receiving the treatment   ● Control Bias     Likert Scale:​ “Strongly Disagree, Disagree, Neutral, Agree, Strongly Agree” type of survey.     Potential Survey Pitfalls:     Nonresponse:​  Individuals either cannot be contacted or refuse to participate. Nonresponse can  result in significant undercoverage of a population.   Truthfulness of Response: ​ Respondents may lie intentionally or inadvertently.   Faulty Recall:​  Respondents may not accurately remember when or whether an event took place.   Hidden Bias:​  The question may be worded in such a way as to elicit a specific response. The  order of questions might lead to biased responses. Also, the number of responses on a Likert  Scale may for responses that do not reflect the respondent’s feelings or experience.   Vague Wording:​  Words such as “often,” “seldom,” “and “occasionally” mean different things  to different people.  Interviewer Influence: ​ Factors such as tone of voice, body language, dress, gender, authority,  and ethnicity of the interviewer might influence responses.   Voluntary Response: ​ Individuals with strong feelings about a subject are more likely than  others to respond. Such a study is interesting but not reflective of the population.     Lurking Variables:​  One for which no data have been collected but that nevertheless has  influence on other variables in the study.   Confounding Variables:​  Two variables are confounded when the effects of one cannot be  distinguished from the effects of the other. Confounding Variables may be part of the study, or  they may be outside lurking variables.                                    


Buy Material

Are you sure you want to buy this material for

0 Karma

Buy Material

BOOM! Enjoy Your Free Notes!

We've added these Notes to your profile, click here to view them now.


You're already Subscribed!

Looks like you've already subscribed to StudySoup, you won't need to purchase another subscription to get this material. To access this material simply click 'View Full Document'

Why people love StudySoup

Steve Martinelli UC Los Angeles

"There's no way I would have passed my Organic Chemistry class this semester without the notes and study guides I got from StudySoup."

Anthony Lee UC Santa Barbara

"I bought an awesome study guide, which helped me get an A in my Math 34B class this quarter!"

Steve Martinelli UC Los Angeles

"There's no way I would have passed my Organic Chemistry class this semester without the notes and study guides I got from StudySoup."

Parker Thompson 500 Startups

"It's a great way for students to improve their educational experience and it seemed like a product that everybody wants, so all the people participating are winning."

Become an Elite Notetaker and start selling your notes online!

Refund Policy


All subscriptions to StudySoup are paid in full at the time of subscribing. To change your credit card information or to cancel your subscription, go to "Edit Settings". All credit card information will be available there. If you should decide to cancel your subscription, it will continue to be valid until the next payment period, as all payments for the current period were made in advance. For special circumstances, please email


StudySoup has more than 1 million course-specific study resources to help students study smarter. If you’re having trouble finding what you’re looking for, our customer support team can help you find what you need! Feel free to contact them here:

Recurring Subscriptions: If you have canceled your recurring subscription on the day of renewal and have not downloaded any documents, you may request a refund by submitting an email to

Satisfaction Guarantee: If you’re not satisfied with your subscription, you can contact us for further help. Contact must be made within 3 business days of your subscription purchase and your refund request will be subject for review.

Please Note: Refunds can never be provided more than 30 days after the initial purchase date regardless of your activity on the site.