Section 1.

1  Homework Issues

(6a)  If the proportion of defectives is "less than" 12% is it 
reasonable to conclude the new process is better?
We have no idea how much less than 12% it was.  It could have been 11.9% 
which could be due to random variation.  We need a way to quantify how 
much less is enough to make such conclusions.  For now you must say 
FALSE for this question. It matters how much less than 12% the proportion 
really is.

Homework Questions Section 1.2

1.2  Quartiles and Percentiles

(1) Calculate the first, second, and third quartiles.

First Quartile:
0.25(91) = 22.75  so find the mean of the data values in the 22nd and 23rd positions.

        

Q 2 = 559.5
Q 3 = 745.5

(2) Calculate the 90th percentile.
0.9(91) = 81.9 so find the mean of the data values in the 81st and 82nd positions. 864.5
th
(3) Think…  Suppose the 90  observation 1441 was removed and replaced with the value 5000.   Which of the following   
statistics would change?  Why?

Sample Mean  Yes

First Quartile  No

Median  No

Sample Standard Deviation  Yes

(4) The Median  =   2nd Quartile  =  50% Percentile

Pdf downloaded from http://www.thepdfportal.com/1.320-20w2013_230402.pdf

 Visual Displays:   Histograms and Boxplots     Read pages 22 through 30.

Goal ­ Gain insight into the shape of the sample.

Concentration

Spread

Extreme Values

Histogram ­ Frequency Histogram

Horizontal Axis ­ 

Vertical Axis ­ 

Pdf downloaded from http://www.thepdfportal.com/1.320-20w2013_230402.pdf

 Credit Scores

708 698 745 714 618 645 782 696 829 630
706 713 836 681 517 830 591 760 638 702
744 594 781 768 598 787 579 802 503 726
635 752 664 809 532 693 714 818 756 654

Scores Frequency

Relative Frequency Histogram ­ Same Data

Relative 
Scores Frequency

500 ­ 549

550 ­ 599

600 ­ 649

650 ­ 699

700 ­ 749

750 ­ 799

800 ­ 849

Pdf downloaded from http://www.thepdfportal.com/1.320-20w2013_230402.pdf

 Frequency Histograms and Skewness

Box Plot

Smallest data  Largest data 
value that is  value that is not 
not an outlier. an outlier.

Pdf downloaded from http://www.thepdfportal.com/1.320-20w2013_230402.pdf

 Outlier:  

A data point that is MORE than 1.5 IQR above Q3

or

A data point that is MORE than 1.5 IQR below Q1

Outliers are sometimes errors.

If the error source can be identified, they can be deleted.

Otherwise...leave them alone.

Pdf downloaded from http://www.thepdfportal.com/1.320-20w2013_230402.pdf