Spring 2023 STAT 240 In-Person (Part 1) Midterm

Hello, dear friend, you can consult us at any time if you have any questions, add WeChat: daixieit

Spring 2023 STAT 240 In-Person (Part 1) Midterm

Instructions:

1. You may use one regular sheet of paper with self-prepared notes. You may use both sides of the paper. 2. You may not consult other resources, your phone, a computer, online info, nor your neighbor’s exam.

3.  Do all of your work in the space provided. Use the backs of pages if necessary, indicating clearly that you have done so (so the grader can easily find your complete answer).

Sections

•  Name, Lecture, and Discussion (2 points)

•  Multiple Choice (24 points, eight questions worth 3 points each).

•  Short Answer (12 points, three questions worth 4 points each).

•  Data Analysis (12 points, three questions worth 4 points each).

Scoring

Problem

Name

1 - 5

6 - 8

9 - 11

12

13

14

Total

Possible

2

15

9

12

4

4

4

50

Points

Multiple Choice (24 points). Each problem is worth 3 points.

Circle the correct answer or answers as indicated.

Problem 1. Which type of graph is typically most effective at displaying the relationship between two quantitative variables. Circle one answer.

(a) bar chart                          (b) density plot                           (c) histogram                          (d) scatter plot

Problem 2. Which of the following commands calculate the proportion of missing values in a vector X? Circle all correct answers.

(a) mean(is.na(X))

(b) mean(X  ==  NA)

(c)  sum(X  ==  NA)  /  count(X)

(d)  sum(is.na(X))  /  length(X)

Problem 3. Which are valid names for an R object? Circle all correct answers.

(a) bucky_badger          (b) 1_bucky_badger          (c) bucky_badger_1          (d) bucky=badger

Problem 4. Which command keeps all rows of the a data set obesity where the variable n is not missing, the variable sex is “female”, and the variable age is not “05-17”? Circle one answer.

(a)  obesity  %>%  filter(n  !=  NA,  sex  =  "female",  age  !=  "05-17")

(b)  obesity  %>%  filter(n  !=  NA,  sex  ==  "female",  age  ==  !"adult")

(c)  obesity  %>%  filter(is.na(n),  sex  ==  "female",  age  ==  !"05-17")

(d)  obesity  %>%  filter(is.na(n),  sex  ==  "female",  age  !=  "05-17")

Problem 5. The plot of a histogram of a variable X from a data set df appears to be symmetric, bell-shaped, and centered near 0. The value of df  %>%  summarize(sd  =  sd(X)) is 15.0.  Which numerical value will be closest to the result of df  %>%  summarize(p  =  mean(  between(X,  -30,  30)))? Circle one answer.

(a) 0                           (b) 0.68                           (c) 0.95                           (d) 99

Problem 6. What is the output of the following command, (suppressing variable names), where March 8, 2023 is a Wednesday and August 3, 2023 is a Thursday? Circle one answer.

tibble(date  = mdy("3/8/2028"))  %>%

summarize(day  =  day(date),

wday  =  wday(date,  label  =  TRUE),

yday  =  yday(date),

month  = month(date,  label  =  TRUE))

(a) 8 Wed 67 Mar

(b) 8 67 Wed Mar

(c) 3 Thu 215 Aug

(d) Thu 3 215 Aug

Problem 7. A data set grocery_items has variables named item, type, and price.  A data set named grocery_list has variables named item and n.  The values in the columns item match if the same item is part of both data sets.  Some items in grocery_items may not by in grocery_list and some items in grocery_list may not by in grocery_items. Which description matches the contents of df after executing the following code? No items are repeated within either data set. Circle one answer.

df  =  grocery_list  %>%

full_join(grocery_items,  by  =  "item")

(a)  A data frame with one row for each item in both data sets and columns item and n only.

(b)  A data frame with one row for each item in both data sets and columns item, n, type and price.

(c)  A data frame with one row for each item in grocery_list and columns item, n, type and price.

(d)  A data frame with one row for each item in either data set, columns item, n, type and price, and the value NA in columns n, type, and price in rows where this information was missing.

Problem 8

A data frame sfo has no missing data, 7 × 24 = 168 rows, and columns named Day, Hour, and n where Day is an abbreviated day of the week (one of Sun, . . . , Sat), Hour is one of 0000-0100 to 2300-0000, and n is an integer count. Each possible combination of Day and Hour is included in the data frame.

The data frame df created with the following code will have how many rows, how many columns, and what will the column names be? Circle one answer.

df  =  sfo  %>%

pivot_wider(names_from  =  Day,  values_from  =  n)

(a)  168 rows and 3 columns named Hour, Day, and n

(b)  24 rows and 8 columns named Hour, Sun, . . . , Sat

(c)  24 rows and 7 columns named Sun, . . . , Sat

(d)  7 rows and 25 columns named Day, 0000-0100, . . . , 2300-0000

Short Answer (12 points). Each problem is worth 4 points

Problems 9-11 are based on a small data set df below which has numerical variables x and y and a categorical variable named color.

## x y color

## 1 1 -1 red

## 2 2 -5 blue

## 3 3 0 blue

## 4 4 5 red

## 5 5 1 blue

## 6 6 5 blue

Problem 9. Write the result of the following code.

df %>%

slice_max(y, n = 1)

Problem 10 Write the result of the following code.

df %>%

mutate(s = x+y) %>%

group_by(color) %>%

summarize(max = max(s)) %>%

arrange(desc(color))


Problem 11 Write the result of the following code.


df %>%

select(-x) %>%

filter(y > 0) %>%

group_by(color) %>%

mutate(n = n())

Data Analysis (12 points). Three problems worth 4 points each.

Each problem asks you to interpret the output from the following data analysis of the obesity and education data sets we studied in class. The obesity data set has undergone some transformation from its raw form.    The obesity data set includes one row for each zip/sex/age combination, a total of 7740 rows, and variables:

•  zip is a zip code (a 5-digit a categorical variable);

•  sex is either “female” or “male”;

•  age is an age range from “05-17”, “18-34”, “35-54”, “55-74”, and “75+”;

•  obese is the number of sampled individuals who are obese;

• n is the number of sampled individuals;

• pop is the population of individuals in the zip code/sex/age range combination;

•  obese_pop is an estimate of the number of individuals in pop who are obese:  obese_pop contains some missing data; and

The education data set has one row for each zip code and variables:

•  zip as above;

• pct f bach which is the percentage of women aged 25 and older with a bachelors degree; and

• pct m bach which is the percentage of men aged 25 and older with a bachelors degree

Read the questions before reading the code. Only read parts of the code needed to answer each question.

summary_1 = obesity %>%

drop_na(obese) %>%

group_by(sex, age) %>%

summarize(v = 100 * sum(n) / sum(pop)) %>%

ungroup() %>%

mutate(sex = recode(sex,

"female" = "A",

"male" = "B")) %>%

pivot_wider(names_from = sex, values_from = v)

summary_1

Summary for Problem 12

##  #  A  tibble:  5  x  3

##      age             A         B

##          

##  1  05-17    43.4    42.8

##  2  18-34    38.8    29.3

##  3  35-54    42.0    35.5

##  4  55-74    50.8    47.1

##  5  75+        56.3    59.6

Problem 12 What do the values in column A and column B represent for each age group in summary_1?

obesity_2 = obesity %>%

drop_na() %>%

filter(age != "05-17") %>%

group_by(zip) %>%

mutate(x = n()) %>%

filter(x == 8) %>%

arrange(zip, sex, age) %>%

group_by(zip, sex) %>%

summarize(pop = sum(pop),

obese_pop = sum(obese_pop),

z = 100*obese_pop / pop)

education = education %>%

rename(female = pct_f_bach,

male = pct_m_bach) %>%

pivot_longer(female:male, names_to = "sex", values_to = "w")

education_2 = education %>%

inner_join(obesity_2, by = c("zip", "sex")) %>%

mutate(y = 100*obese_pop / pop,

z = pop * w / 100) %>%

relocate(y, .after = w)

education_2 %>%

print(n = 4)

Summary for Problems 13 and 14

##  #  A  tibble:  612  x  7

##      zip      sex                w          y     pop  obese_pop          z

##                            

##  1  53002  female    25.4    37.7      977            369 .    248 .

##  2  53002  male        16.2    38.4    1052            404 .    170 .

##  3  53005  female    53.9    26.8    8039          2153 .  4333 .

##  4  53005  male        55.6    34.7    7150          2479 .  3975 .

##  #  . . .  with  608  more  rows

summary_2 = education_2 %>%

group_by(sex) %>%

summarize(U = 100*sum(obese_pop) / sum(pop),

V = 100*sum(z) / sum(pop))

summary_2

##  #  A  tibble:  2  x  3

##      sex               U         V

##            

##  1  female    39.8    31.8

##  2 male        41.3    30.0

Problem 13 What do the values in columns U and V represent for each sex in summary_2?

Problem 14. Add meaningful axis labels and a title to the following plot.

g = ggplot(education_2, aes(x = w/100, y = y/100)) +

geom_point(alpha = 0.5) +

geom_smooth(se = FALSE, color = "gray") +

xlab("") +

ylab("") +

scale_x_continuous(labels = scales::percent) +

scale_y_continuous(labels = scales::percent) +

facet_grid(cols = vars(sex)) +

theme_bw()

female

2023-10-21