Introduction to Inference and Confidence Intervals in Statistical Inference

Slide1Introduction to InferenceConfidence Intervals

Slide2Statistical Inference Provides a method for drawing conclusions about a population from sample data.               We use probability to                 express the strength of our                 conclusions.

Slide3Remember! The purpose of this chapter is to describe the  reasoning  used in statistical inference, not the methods.  Later chapters will show how to modify these techniques to make them practically useful.

Slide4SAT Math Scores in NC Suppose the SAT Math test is administered to an SRS of 500 North Carolina high school seniors and the mean score turns out to be 461. Suppose (unrealistically) we also know the standard deviation of the population is 100. What can we say about the mean score in the population of all 100,000 North Carolina high school seniors?

Slide5Statistical Confidence 68-95-99.7 Rule  In 95% of all samples, the unknown µ (the population mean score) lies between and       .

Slide6Conclusion Proper   Conclusion : We are 95% confident that the unknown true mean score for NC seniors is between 452 and 470. (If we selected many different SRS of size 500, 95% of the samples taken would yield an interval containing µ.)  WRONG   Conclusion : There is a 95% chance that µ falls between 452 and 470.

Slide7Confidence Interval We just created a 95% confidence interval!  Form:  estimate ± margin of error  It gives the probability that the interval will capture the true parameter value in repeated samples.

Slide8Confidence Interval http://www.ruf.rice.edu/~lane/stat_ sim/conf_interval/index.html

Slide9ConditionsThe construction of a confidence interval for a population mean µ is appropriate when  the data come from an  SRS  from the population of interest    the sampling distribution of    is approximately normal

Slide10More Confidence Intervals         A level C  confidence      interval for µ is  The bottom row in Table C gives the values of z* for many confidence levels

Slide11Inference Toolbox1. Identify the  population  of interest and the  parameter  you want to draw conclusions about. 2. Choose  the appropriate inference procedure. Verify the  conditions  for using the selected procedure. 3. If the conditions are met,  carry out the inference procedure. 4. Interpret your results in the  context of the problem.

Slide12Corn Yield(Homework #10.8 on p 550) a) Find the 90% confidence interval for the mean yield µ for this variety of corn. b) Find the 95% confidence interval. c) Find the 99% confidence interval. d) How do the margins of error in  a) , b) , and  c)  change as the confidence level increases?

Slide13More Corn(Homework #10.9 on p 551) a) Compute the 95% confidence interval for the mean yield µ. b) Is the margin of error larger or smaller for the sample of 60 plots than the margin of error we found for the sample of 15 plots? c) Will the 90% and 99% intervals for a sample of size 60 be wider or narrower than those for n=15?

Slide14CI Behavior        margin of error = The margin of error gets smaller when:  z* gets smaller (smaller confidence level)    gets smaller  n gets larger

Slide15Choosing Your Sample Size A wise user of statistics never plans data collection without planning the inference at the same time!  You can arrange to have both high confidence and a small margin of error by taking enough observations.  Solve                  for n.

Slide16The Moral of the Story Think of a confidence interval as a net and the parameter as a fish. Our ultimate goal is to catch the fish using the smallest net necessary. If our net is too small, it will be very hard to catch the fish. (Our confidence level is too low.) If our net is too big, it’s hard to use. (Our margin of error is too big.) In this chapter, we’ll see how to create the right-sized net for the situation.