Először a fenti Excel segédanyagot importáltuk a PSPP-be. Megnyitottuk az excel fájlt, majd csv formátumba mentettük el, amit a PSPP File/Import parancsával be tudtunk olvasni. Ezt követően megbeszéltük, hogy két ablakon lehet nézni az adathalmazt. Röviden áttekintettük a Variable view néhány lehetőségét. Majd kereszttáblákat készítettünk az Analyze/Descriptive statistics/Crosstabs segítségével, ahol is a Simpson paradoxonnal találkoztunk. Megtanultuk, hogy az outputablakot exportálni lehet többek között odt formátumba, ami sokféle szövegszerkesztővel (többek között Word-el) szerkeszthető és pdf-be is elmenthető. Fontos az is, hogy az adatfájl sav formátumban elmenthető.
Az óra második felében megismerkedtünk a Command syntacs PSPP fájlal. A fenti sps kiterjesztésű fájlt megnyitottuk, a Run/All paranccsal lefuttattuk, aminek hatására egy 1-től 1000-ig egyesével lépdelő index változó keletkezett. Ezt követően a Transform/Compute Variable parancsával (0,1)-en egyenletes, standard normális és 1 várható értékű exponenciális valószínűségi változókat szimuláltunk (RV.Megfelelő Eloszlás függvények használatával). Megjegyezem, hogy a főoldalon belinklet PSPP manual-ban részletes információt találtok a beépített függvényekről. Fontos volt, hogy ha a paste gombra kattintunk az ok helyett parancsok kiadásánál, akkor egy command syntacs fájlba másolódik a parancs végrehajtódás helyett. Ezáltal lehetőség van archiválni az elvégzett munkát.
Ezután az Analyze/Descriptive statistics/Descriptives paranccsal leíró statisztikákat kértünk. Igyekeztem hangsúlyozni a háttérváltozó elméleti paramétere és annak mintából való becslése közti különbséget. Ezzel összefüggésben volt szó a standard error of mean-ről, vagyis az átlag statisztika szórásának mintából való becsléséről. Ezen a ponton elmondtam a normális eloszlás szigma szabályait, és utaltam rá, hogy a kapott valószínűségi értékek ugyan csak a normális eloszlás esetén pontosak, de heurisztikusan tetszőleges statisztika kiértékelésében segít a becsült szórás. Az óra végén volt szó a ferdeség (skewness) és csúcsosság (kurtosis) paraméterekről és azok mintából való becsléséről. A fenti három szimulált változóra kiszámoltuk ezeket. Az egyenletes és normális eloszlás ferdesége 0-nak adódott (a becsült szórást figyelembe véve kicsi volt a 0-tól való eltérés), míg az egyenletesé pozitív lett. Mindez nem meglepő ha figyelembe vesszük, hogy a ferdeség pont azt méri, hogy mennyire szimmetrikus az eloszlás. A csúcsosságra pedig a normális eloszlásnál 0, az egyenletesnél negatív, míg az expoenciálisnak pozitív érték adódott.