]> code.communitydata.science - stats_class_2020.git/blobdiff - psets/pset2-worked_solution.rmd
initial commit for week 10 (linear models) material
[stats_class_2020.git] / psets / pset2-worked_solution.rmd
index be15c57ef244ba47a7b7174fc457a9d2d4be354f..501021aa288c4fdebc11ddb20d09136f0c115c86 100644 (file)
@@ -245,9 +245,9 @@ The plot reveals a very strong positive relationship between average daily dista
 
 If you are willing to assume that birthdays in the class are independent (not a terrible assumption) and that birthdays are distributed randomly throughout the year (a terrible assumption, as it turns out!), you should take Bet #2. Here's a way to explain why: 
 
-Consider that 25 people can be combined into pairs ${25 \choose 2}$ ways (which you can read "as 25 choose 2"), which is equal to $\frac{25 \times 24}{2} = 300$ (and that little calculation is where those [binomial coefficients](https://en.wikipedia.org/wiki/Binomial_coefficient) I mentioned in my hint come in handy). 
+Consider that 25 people can be combined into pairs ${25 \choose 2}$ ways (which you can read as "25 choose 2"), which is equal to $\frac{25 \times 24}{2} = 300$ (and that little calculation is where those [binomial coefficients](https://en.wikipedia.org/wiki/Binomial_coefficient) I mentioned in my hint come in handy). 
 
-Generalizing the logic from part b of the textbook exercise last week problem, I have assumed that each of these possible pairings are independent and thus each one has a probability $P = (\frac{364}{365})$ of producing an *unmatched* set of birthdays.
+Generalizing the logic from part b of the textbook exercise last week, I have assumed that each of these possible pairings are independent and thus each one has a probability $P = (\frac{364}{365})$ of producing an *unmatched* set of birthdays.
 
 Putting everything together, I can employ the multiplication rule from *OpenIntro* Ch. 3 and get the following:
 $$P(any~match) = 1 - P(no~matches)$$  

Community Data Science Collective || Want to submit a patch?