Part

 One:  Collect  Data  

 
We  organized  and  did  some  data  analysis  to  input  the  number  of  skittles  candies  for  the  entire  
class.  Then  we  input  them  into  a  doc  to  share  with  other  students.    
Part  Two:  Analyzing  Skittles  Data  
1.   Determine  the  proportion  of  each  color  within  the  overall  sample  gathered  by  the  class.  
a.   My  guess  is  that  there  will  be  more  yellow  candies  than  any  color  in  general.  The  
second  largest  group  of  candies  will  be  both  orange  and  green.  Then  red  will  be  the  
second  to  last  and  purple  will  have  the  fewest  candies.  
 
Color   Frequency   Relative   Cumulative   Cumulative  
of   Frequency   Frequency   Relative  Frequency  
Candy    
Red   1164   20.6%   1164   20.6%  
Orange   1117   19.8%   2281   40.4%  
Yellow   1189   21.0%   3470   61.4%  
Green   1087   19.2%   4557   80.6%  
Purple   1093   19.3%   5650   99.9%  
Total   5650   99.9%   5650   99.9%  
   
2.   In  StatCrunch,  create  a  pie  chart  and  a  Pareto  chart  for  the  total  number  of  candies  of  
each  color  in  our  class  data  set.  Submit  copies  of  your  graphs  in  this  report.  

 
  

 
 
   

Total  Number  of  Candies  of  Each  Color

Amount  of  Each

ColorRed  1164
19.3% 20.6%
Orange  1117
Yellow  1189
Green  1087
19.2% 19.8% Purple  1093

21.0%

 
 
 Total  Number   of  Candies  of  Each   Color  
1200
1180
1189
1160
1164
Total  Amount  

1140
1120
1100 1117
1080 1093 1087
1060
1040
1020
Yellow Red Orange Purple Green  
Skittle  Color
 
 
3.   A  random  sample  is  a  type  of  method  where  all  parts  of  the  population  have  a  fair  and  
equal  chance  of  being  selected.    Our  class  used  93  bags  of  2.17-­‐  ounce  bag  of  Original  
Skittles,  this  is  our  random  sample.  The  population  is  all  the  bags  of  2.17-­‐  ounce  bags  of  
Original  Skittles.    
 

 
 
When  collecting  my  own  data,  I  guessed  that  there  would  be  almost  an  even  amount  of  every  
color  of  skittles.  When  I  collected  my  data,  I  saw  that  my  guess  was  pretty  accurate.  There  are  
about  the  same  number  of  each  color.  The  color  I  had  the  most  was  purple  and  yellow,  with  13  
of  each.  The  least  amount  I  had  was  red,  with  9.  There  were  no  real  surprises  from  the  graphs.  
The  chart  above  doesn’t  show  that  there  was  one  color  that  was  drastically  more  than  the  
other.    
When  looking  at  the  pie  graph,  each  color  represents  about  20%.  If  you  look  at  the  pareto  
graph,  they  also  display  the  same  data  when  comparing  the  total  amount  of  each  color.  When  
looking  at  the  other  classes  data  there  could  have  been  some  outliers.  Some  students  reported  
only  having  37  or  40  total  skittles  in  their  bag.  This  seems  unlikely  since  the  average  was  
somewhere  around  60  (5650/93=~60).  I  assume  each  bag  of  skittles  gets  weighed  before  being  
sold.  Some  students  reported  having  78-­‐82  skittles  in  their  bag.  Again,  this  also  seems  unlikely.  
This  type  of  data  can  throw  of  our  overall  class  values.  Some  colors  could  be  over  or  
underestimated.  There  is  also  some  error  here  since  perhaps  some  students  could  have  bought  
the  wrong  size  of  bag  or  not  original.    
The  distribution  of  colors  for  the  class  total  somewhat  matches  my  own  distribution.  Yellow  and  
Purple  were  the  two  colors  I  had  the  most  of  and  most  students  also  said  they  had  a  lot  of  
yellow  but  not  as  much  as  purple.  Red  was  my  lowest  amount,  but  the  class  total  shows  that  
other  students  had  average  amounts  of  red  in  their  skittles  bags.    
Part  Three:  Organize,  Display  Quantitative  Data  
 

Mean    
60.11    
   
STD     17.06    

Five  Number  Summary    

Min     16    

 
48    
Q1    

Median     58    

 
Q3     71.5    

   
Max     108    

 
  
 

 
 
1.  Write  a  paragraph  discussing  your  findings  about  the  variable  “Total  candies  in  each  bag”.  
Address  the  following  in  your  writing:  
 i.  What  is  the  shape  of  the  distribution  of  this  variable?  The  shape  of  the  frequency  diagram  is  
bell  shaped.  This  is  reasonable  since  all  the  bags  will  be  weighed  before  being  shipped  out.  
Since  a  single  skittle  probably  all  weigh  the  same,  it  makes  sense  that  most  of  the  bags  had  the  
same  amount  totals.    
ii.  Do  the  graphs  reflect  what  you  expected  to  see  or  are  there  some  surprises?  Overall  there  
are  no  surprises.  It  was  expected  that  each  class  member  would  find  roughly  the  same  amount  
of  skittles  in  each  bag.  Since  each  of  us  were  told  to  get  a  specific  weight  of  skittles  bag  and  
type,  I  guessed  that  we  would  all  have  the  same.  There  are  some  outliers  but  that  could  be  due  
to  human  error  or  input  error.  iii.  Does  the  overall  data  collected  by  the  whole  class  agree  with  
your  own  single  bag  data?  My  individual  bag  did  agree  with  the  rest  of  the  class.    
My  total  amount  in  my  bag  was  58.  The  mean  was  roughly  60.  That  makes  mine  a  little  less  than  
average  but  still  really  close  to  what  everyone  else  got  for  their  total  number  of  skittles  in  a  bag.  
Include  the  number  of  candies  from  your  own  bag  and  the  total  number  of  bags  in  the  class  
sample  in  your  discussion.  The  total  number  of  candies  in  my  bag  was  58.  The  total  number  of  
bags  in  the  class  in  our  sample  was  97  bags.    
In  a  half  page,  explain  the  difference  between  categorical  and  quantitative  data.  Variables  can  
either  be  categorical  or  quantitative.    
Categorical  variables  are  also  known  as  qualitative  data.  This  type  of  data  can  be  arranged,  
order  and  put  into  many  different  groups.  Categorical  data  deals  more  with  descriptions  that  
are  observed  and  not  measured.  Categorical  often  measure  the  quality  of  what  is  being  
observed.  Examples  of  qualitative  data  are  gender,  color,  appearance,  taste  and  names  of  
people.  Categorical  data  usually  cannot  be  expressed  as  a  number.  Quantitative  data  is  
information  that  can  be  measured.  The  data  is  in  numbers.  Some  examples  of  quantitative  data  
are  length,  ages,  cost,  temperature  and  weight.  This  type  of  data  can  also  be  ordered  in  many  
different  ways  to  give  meaning  to  the  data  that  it  reflects.  Bar  graphs  are  used  to  show  
quantitative  data  because  it  is  an  easy  way  to  compare  quantities  next  to  each  other  by  using  
the  height  of  each  bar.  Pie  charts  are  not  as  useful  for  quantitative  data  because  it  is  more  
difficult  to  compare  the  side  of  each  category  in  a  slice  rather  than  being  lined  up  next  to  one  
another  like  a  bar  graph.  Other  graphs  used  for  quantitative  include  boxplots.  Pie  charts  are  the  
best  for  categorical  data  because  they  help  us  easily  see  what  percentage  each  groups  contains.  
They  require  all  the  data  points  to  be  included  in  the  graph.  Bar  graphs  are  not  as  useful  
because  they  can  be  more  flexible  with  which  data  is  displayed.  Pie  charts  must  use  all  or  none  
of  the  data.    
For  categorical  data  it  is  best  to  use  nominal  when  no  order  can  be  determined  and  ordinal  
when  there  is  no  significant  differences  between  each  category  (A,B,C).  For  quantitative  data  
use  interval  when  there  is  no  meaningful  zero  (IQ  scores)  and  ratio  when  there  is  a  meaningful  
zero  (weight).  
 
Part  4:  Confidence  Interval  Estimate  
Question  1.  
99%  CIE  population  proportion  of  yellow  candies  
 
x  =  1189  yellow  candies  
n  =  5650  pieces  of  candy  
#
𝑃 =    =  1189/5650  =  0.2104424  
$
𝛼  =  1  -­‐  .99  =  .01  
&
   =  .01/2  =  .005  
'
&
Z    =  invNorm(.01/2,  0,  10)  =  -­‐2.57582  
'
& ( )*( .'),-- )*  .'),--
E  =  Z    *    =  2.57582  =  0.013968  
' $ /0/,
 

 
 
 
 
           
         
         
         
       

     
We  are  99%  confident  that  the  true  proportion  of  yellow  candies  falls  between  .1964714  and  
.2244024.  
 
 
Question  2  
95%  CIE  for  true  mean  number  of  candies  per  bag  
   
𝑥      =  60.1  
S      =  5.556  
n      =  94  
df  =  n  -­‐  1  =  93  
𝛼   = 0.05  
𝑇& = 1.986  
'
< /.//0
𝐸 =  𝑇: ( ) = 1.986 = 1.379  
; $ >-
Confidence  Interval  =  𝑥   − 𝐸 <  𝜇 <  𝑥 + 𝐸 = 60.1   − 1.379 <  𝜇 < 60.1 + 1.379 =
58.7 <  𝜇 < 61.5  
   
We  can  be  95%  certain  that  the  true  population  mean  falls  within  the  range  of  58.7  to  61.5.  
   
Question  3.  
98%  CIE  for  the  population  standard  deviation  of  the  number  of  candies  per  bag  
n  =  94  
df  =  n  -­‐  1  =  93  
s  =  5.556  
𝑠 ' = 30.869    
𝛼 = 0.02  
&
= 0.01    
'
𝑥 ' 𝐿 = 1 − 0.01 =  . 99    
𝑥 ' 𝑅 = 0.01    
   
Chart  A-­‐4  
𝑥 ' 𝑅 = 0.01 = 124.116    
𝑥 ' 𝐿 =  .99  =  61.754  
   
$*) < ; $*) < ;
<𝜎 <     = 4.809 <  𝜎 < 6.818    
#;J #;L
 
We  are  98%  confident  that  the  population  standard  deviation  falls  between  4.809  and  6.818  
 
Question  4.  
We  are  99%  confident  that  the  true  proportion  of  yellow  candies  falls  between  .1964714  and  
.2244024.  For  the  true  mean  number  of  candies  per  bag,  we  can  be  95%  certain  that  the  true  
population  mean  falls  within  the  range  of  58.7  to  61.5.  And  for  the  population  standard  
deviation  we  are  98%  confident  that  the  population  standard  deviation  falls  between  4.809  and  
6.818  
 
Part  5:  Reflection    
Who  knew  you  could  learn  so  much  from  a  bag  of  skittles.  This  semester,  our  term  projects  had  

us  applying  what  we  have  learned  in  class.  For  our  term  project  we  learned  how  to  collect,  

analyze,  organize,  display  and  create  confidence  intervals  for  the  data  that  we  collected.  By  the  

end  of  the  semester,  I  knew  more  than  I  ever  wanted  to  know  about  skittles  (next  time  maybe  

do  M&M’s  for  the  chocolate  fans  out  there).  This  statistical  data  on  skittles  helped  me  to  

understand  and  apply  the  concepts  to  material  I  was  learning  in  school,  and  it  will  help  me  in  

my  future  career  and  everyday  life.    

This  class  project  has  already  helped  me  better  understand  the  class  that  I  am  currently  taking.  I  

am  taking  a  Human  Physiology  Lab.  This  lab  requires  us  to  make  scatter  plots,  bar  graphs,  

compute  r-­‐squared  values,  t-­‐tests  and  interpret  the  p-­‐values.  Each  lab  report  always  has  us  

report  a  p-­‐value  and  we  have  to  interpret  if  our  hypothesis  was  supported  or  rejected.  Learning  

about  these  in  the  last  exam  has  helped  me  a  lot!  This  class  project  will  also  help  me  in  my  

future  career.  I  plan  on  being  a  physical  therapist.  I  have  currently  worked  at  an  out-­‐patient  

clinic  for  a  couple  of  years  now.  Physical  therapy  is  based  on  continuing  clinical  research  to  help  

find  and  prove  the  best  methods  for  recovery.  This  studies  often  will  collect  and  interpret  the  

data  using  statically  analysis.  Being  able  to  interpret  the  data  and  understanding  it  will  help  me  

become  a  better  physical  therapist.    

This  class  project  will  also  help  me  in  my  everyday  life.  I  feel  like  I  learned  that  the  data  can  

sometimes  be  skewed  are  seem  more  persuasive  than  it  actually  is.  Knowing  what  to  look  for  in  

a  research  article  in  a  fitness  magazine  or  some  new  claim  better  have  some  strong  statistical  

evidence  to  prove  it.  Just  the  other  day  I  was  buying  toothpaste.  On  the  box  it  said,  “Nine  out  of  
10  dentist  recommend  Crest.”  This  statement  got  me  thinking  about  where  did  this  Leland  

Black  Term  Project  Part  5  Reflection  claim  come  from,  where  is  the  data  and  who  are  these  nine  

dentists  anyways.  These  types  of  claims  are  EVERYWHERE  in  our  society  today.  Statistics  play  an  

important  role  in  marketing  and  can  influence  us  what  to  purchase.  By  participating  in  this  class  

project,  I  have  have  applied  it  to  my  everyday  life  and  will  hopefully  become  a  smarter  

consumer.    

What’s  in  a  bag  of  skittles?  Turns  out  to  be  a  lot  actually.  This  semester  we  opened  up  almost  

100  bags  of  skittles  and  applied  what  we  learned  in  class.  By  applying  different  test,  we  were  

able  to  learn  a  lot  that  eventually  helped  me  in  my  school  work  and  will  continue  to  help  me  in  

my  future  as  a  physical  therapist  and  a  daily  consumer.