]> code.communitydata.science - stats_class_2020.git/blobdiff - os_exercises/ch5_exercises_solutions.html
re-organizing into sections
[stats_class_2020.git] / os_exercises / ch5_exercises_solutions.html
index ef2049493bf9d7a70462edff819c9f6bc43c1c15..a30a2721f2b888b1e821f0663139b6c1fc9ee48a 100644 (file)
@@ -1569,15 +1569,15 @@ SE = \sqrt{\frac{p(1-p)}{n}}\\
 \end{array}\]</span></p></li>
 </ol>
 </div>
 \end{array}\]</span></p></li>
 </ol>
 </div>
-<div id="twitter-users-and-news-part-i" class="section level1">
-<h1>5.8 Twitter users and news, Part I</h1>
+<div id="twitter-users-news-i" class="section level1">
+<h1>5.8 Twitter users &amp; news I</h1>
 <p>The general formula for a confidence interval is <span class="math inline">\(point~estimate~±~z^*\times~SE\)</span>. Where <span class="math inline">\(z^*\)</span> corresponds to the z-score for the desired value of <span class="math inline">\(\alpha\)</span>.</p>
 <p>To estimate the interval from the data described in the question, identify the three different values. The point estimate is 45%, <span class="math inline">\(z^* = 2.58\)</span> for a 99% confidence level (that’s the number of standard deviations around the mean that ensure that 99% of a Z-score distribution is included), and <span class="math inline">\(SE = 2.4\%\)</span>. With this we can plug and chug:</p>
 <p><span class="math display">\[52\% ± 2.58 \times 2.4\%\]</span> And that yields: <span class="math display">\[95\% CI = (45.8\%, 58.2\%)\]</span></p>
 <p>Which means that from this data we are 99% confident that between 45.8% and 58.2% U.S. adult Twitter users get some news through the site.</p>
 </div>
 <p>The general formula for a confidence interval is <span class="math inline">\(point~estimate~±~z^*\times~SE\)</span>. Where <span class="math inline">\(z^*\)</span> corresponds to the z-score for the desired value of <span class="math inline">\(\alpha\)</span>.</p>
 <p>To estimate the interval from the data described in the question, identify the three different values. The point estimate is 45%, <span class="math inline">\(z^* = 2.58\)</span> for a 99% confidence level (that’s the number of standard deviations around the mean that ensure that 99% of a Z-score distribution is included), and <span class="math inline">\(SE = 2.4\%\)</span>. With this we can plug and chug:</p>
 <p><span class="math display">\[52\% ± 2.58 \times 2.4\%\]</span> And that yields: <span class="math display">\[95\% CI = (45.8\%, 58.2\%)\]</span></p>
 <p>Which means that from this data we are 99% confident that between 45.8% and 58.2% U.S. adult Twitter users get some news through the site.</p>
 </div>
-<div id="twitter-users-and-news-part-ii" class="section level1">
-<h1>5.10 Twitter users and news, Part II</h1>
+<div id="twitter-users-news-ii" class="section level1">
+<h1>5.10 Twitter users &amp; news II</h1>
 <ol style="list-style-type: lower-alpha">
 <li><p>False. See the answer to exercise 5.8 above. With <span class="math inline">\(\alpha = 0.01\)</span>, we can consult the 99% confidence interval. It includes 50% but also goes lower. A null hypothesis of <span class="math inline">\(p=0.50\)</span> would not be rejected at this level.</p></li>
 <li><p>False. The standard error of the sample proportion does not contain any information about the proportion of the population included in the sample. It estimates the variability of the sample proportion.</p></li>
 <ol style="list-style-type: lower-alpha">
 <li><p>False. See the answer to exercise 5.8 above. With <span class="math inline">\(\alpha = 0.01\)</span>, we can consult the 99% confidence interval. It includes 50% but also goes lower. A null hypothesis of <span class="math inline">\(p=0.50\)</span> would not be rejected at this level.</p></li>
 <li><p>False. The standard error of the sample proportion does not contain any information about the proportion of the population included in the sample. It estimates the variability of the sample proportion.</p></li>

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