Descriptive Statistics

Descriptive Statistics - StructureofStatistics 37

Info iconThis preview shows pages 1–3. Sign up to view the full content.

View Full Document Right Arrow Icon
37 Structure of Statistics Random sample - inherent assumption for all statistical models .  A sample used in  statistical analysis should be taken from a well-defined population and in a manner to  assure randomization; i.e., each member of the population is equally likely to be included  in the sample.  Systematic sampling (selecting every k th  subject) and cluster sampling  (dividing the population into clusters, randomly selecting a cluster and sampling all in the  cluster) are not random; therefore, the results of such experiments should be carefully  analyzed.  Data collected carelessly is worthless. Parametric statistical tests      Nonparametric statistical tests 1.  normal distribution 1.  distribution free 2.  interval, ratio data 2.  ordinal, nominal data 3.  when parametric models are inappropriate. Levels of data or scales : Categorical :  Groupings or categories of subjects.  Numbers may be used;  however, the   numbers represent responses that are categories. 1.  nominal :  attribute data (classified by a "name" such as Democrat or freshman) 2.  ordinal :  categories can be rank-ordered (likert-type scales, such as strongly agree,  agree, no opinion, disagree, strongly disagree, or grades given as A, B, etc.) Numerical :  Numerically equal distances measure equal distances in the property  being measured.  This type data can be subjected to operations appropriate to numbers  (addition, division, etc.) 3.  interval :  differences can be found and have meaning; however, ratios are meaningless  (degrees Farenheit or Centigrade) 4.  ratio :  interval with an absolute zero  (height, weight) To Construct A Histogram :   A histogram is a bar graph representing the distribution of  raw data.  The following guidelines should be used so as not to misrepresent data.
Background image of page 1

Info iconThis preview has intentionally blurred sections. Sign up to view the full version.

View Full DocumentRight Arrow Icon
1.  Use 5 to 20 class intervals.  The larger your sample, the more class intervals are  appropriate. 2.  Each observation lies within exactly one class interval.  The use of ".5" is common. 3.  Class intervals of equal width. 4.  Include all classes, even if there are no data points in the category. 5.  Use common sense--pick class boundaries that are reasonable. 38 Data Set 1:   Grades on the integration test in Math 112, spring of 1987:  n = 26 100 100 100 100 98 98 98 96 96 95 93 91  86 86 78 78 77 76 74 66 65 60 58 55 54 30 Example:   The above data set was organized giving the following designations to be used  to construct a histogram.  There are eight class intervals with class width of 10 for each. 
Background image of page 2
Image of page 3
This is the end of the preview. Sign up to access the rest of the document.

This note was uploaded on 12/05/2011 for the course MATH 207 taught by Professor Bailey during the Spring '11 term at Emory.

Page1 / 7

Descriptive Statistics - StructureofStatistics 37

This preview shows document pages 1 - 3. Sign up to view the full document.

View Full Document Right Arrow Icon
Ask a homework question - tutors are online