Formelsammlungen, die wichtigsten Lösungsschritte zu jedem Thema und 10 Übungsaufgaben, mit vollständigen Lösungen am Ende.
Gegeben sind Kartons; ihre Massen sind unabhängig und normalverteilt mit dem Mittelwert 12 kg und der Standardabweichung 0,8 kg. Bestimme die Wahrscheinlichkeit P, dass die Gesamtmasse von 10 davon unter 122,5 kg liegt. Runde z auf zwei Dezimalstellen.
Die IQ-Werte sind normalverteilt mit dem Mittelwert 100 Punkte und der Standardabweichung 15 Punkte. Ziehe die Grenze so, dass die schattierten oberen 25 % rechts davon liegen. Bestimme die Grenze x.
Eine Stichprobe von 9 Elementen hat den Mittelwert 110 und die Standardabweichung s = 7. Die Grundgesamtheit ist annähernd normalverteilt. Bestimme die Fehlermarge E eines 90-%-Konfidenzintervalls für den Mittelwert.
Zwei Dünger werden getestet. Parzellengruppe 1: 10 Parzellen, mittlerer Ertrag 47,5 kg, Standardabweichung 5 kg. Parzellengruppe 2: 16 Parzellen, Mittelwert 46,5 kg, Standardabweichung 1 kg. Nimm gleiche Varianzen an (gepoolter t-Test, df = n₁ + n₂ − 2). Bestimme die Fehlermarge E des 99-%-Konfidenzintervalls für μ₁ − μ₂.
Zwei Lehrmethoden werden verglichen. Gruppe 1: 6 Studierende, mittlere Punktzahl 44,5, Standardabweichung 11. Gruppe 2: 11 Studierende, mittlere Punktzahl 55,6, Standardabweichung 3. Nimm gleiche Varianzen der Grundgesamtheiten an und verwende den gepoolten Zweistichproben-t-Test. Bestimme die Teststatistik t für H₀: μ₁ = μ₂, mit der Differenz x̄₁ − x̄₂ (Gruppe 1 minus Gruppe 2).
Eine Stichprobe von 64 Messungen hat den Mittelwert 52,7. Die Standardabweichung der Grundgesamtheit ist 8. Bestimme die untere Grenze L des 99-%-Konfidenzintervalls für den Mittelwert.
Die Tabelle enthält 6 Wertepaare von x = Last in kN und y = Verlängerung in mm. Bestimme das Bestimmtheitsmaß r² der Regressionsgeraden.
Die Tabelle enthält 6 Wertepaare von x = Fahrzeugalter in Jahren und y = Preis in k€. Verwende die Regressionsgerade ŷ = a + b·x nach der Methode der kleinsten Quadrate. Eine neue Beobachtung (5,5, 21) wird gemacht. Bestimme ihr Residuum e = y − ŷ.
Die Kontingenztafel zeigt beobachtete Häufigkeiten. Bestimme für einen Chi-Quadrat-Unabhängigkeitstest die erwartete Häufigkeit E für die Zelle „Studierende, Auto“.
Ein Chi-Quadrat-Anpassungstest prüft, ob die Häufigkeiten in 7 Kategorien einer Poisson-Verteilung folgen, deren Mittelwert aus denselben Daten geschätzt wird. Wie viele Freiheitsgrade df hat der Test?
Antwort: P = 0,8389
Summen und Differenzen normalverteilter Variablen: Sind X und Y unabhängig und normalverteilt, sind auch X + Y und X − Y normalverteilt. Die Mittelwerte werden addiert oder subtrahiert: E(X ± Y) = μX ± μY. Die Varianzen addieren sich immer, auch bei einer Differenz: Var(X ± Y) = σX² + σY², also σ = √(σX² + σY²). Standardabweichungen werden nie direkt addiert. Die Summe von n unabhängigen Objekten mit derselben Verteilung hat den Mittelwert n·μ und die Standardabweichung σ·√n. Standardisiere dann wie gewohnt: z = (x − Mittelwert)/σ und lies Φ(z) ab.
Antwort: x = 110,1 Punkte
Von einer Fläche zurück zu z: Φ(z) ist die Fläche links von z. Für eine linke Randfläche A suche in der Tabelle z mit Φ(z) = A. Eine rechte Randfläche A bedeutet Φ(z) = 1 − A. Eine zentrale Fläche A zwischen −z und z lässt (1 − A)/2 auf jedem Rand übrig, also Φ(z) = (1 + A)/2. Für einen Wert x verwende x = μ + zσ.
Antwort: E = 4,34
Konfidenzintervall für einen Mittelwert: x̄ ± Fehlermarge. Bei bekanntem σ der Grundgesamtheit ist die Fehlermarge z·σ/√n; ist nur die Stichproben-Standardabweichung s bekannt, nimm t mit n − 1 Freiheitsgraden: t·s/√n. Kritische Werte: z = 1,645 (90 %), 1,96 (95 %), 2,576 (99 %). Für eine Fehlermarge von höchstens E brauchst du n ≥ (z·σ/E)², aufgerundet.
Antwort: E = 3,565 kg
Interval for a difference: estimate ± critical value × standard error. For two independent means with known σ: SE = √(σ₁²/n₁ + σ₂²/n₂) and z. With equal unknown variances: pooled s_p and t with n₁ + n₂ − 2 degrees of freedom. For paired data, work with the differences: d̄ ± t·s_d/√n.
Antwort: t = −3,213
Hypothesis test: the test statistic = (estimate − value under H₀)/(standard error under H₀). The p-value is the probability, assuming H₀ is true, of a statistic at least as extreme as the one observed: the area in one tail for a one-sided H₁, twice the tail area for a two-sided H₁. Reject H₀ when p ≤ α.
Bei df = 15 ist der zweiseitige kritische 5-%-Wert 2,131; |t| ist größer, also wird H₀ verworfen.
Antwort: L = 50,12
Test eines Mittelwerts: Die Teststatistik misst, wie viele Standardfehler der Stichprobenmittelwert vom in H₀ behaupteten Wert entfernt liegt: z = (x̄ − μ₀)/(σ/√n), wenn σ bekannt ist, t = (x̄ − μ₀)/(s/√n), wenn es aus der Stichprobe geschätzt wird. Ein Konfidenzintervall ist x̄ ± (kritischer Wert)·(Standardfehler).
Antwort: r² = 0,9881
Regression nach der Methode der kleinsten Quadrate: Mit den Mittelwerten x̄ und ȳ, Sxx = Σ(x − x̄)², Syy = Σ(y − ȳ)² und Sxy = Σ(x − x̄)(y − ȳ) hat die Gerade ŷ = a + b·x die Steigung b = Sxy/Sxx und den Achsenabschnitt a = ȳ − b·x̄; sie geht also immer durch (x̄, ȳ). Der Korrelationskoeffizient nach Pearson r = Sxy/√(Sxx·Syy) liegt zwischen −1 und 1; r² ist der Anteil der Streuung von y, der durch die Gerade erklärt wird.
Etwa 98,81 % der Streuung von y werden durch die Gerade erklärt.
Antwort: e = 3,095
Regression nach der Methode der kleinsten Quadrate: Mit den Mittelwerten x̄ und ȳ, Sxx = Σ(x − x̄)², Syy = Σ(y − ȳ)² und Sxy = Σ(x − x̄)(y − ȳ) hat die Gerade ŷ = a + b·x die Steigung b = Sxy/Sxx und den Achsenabschnitt a = ȳ − b·x̄; sie geht also immer durch (x̄, ȳ). Der Korrelationskoeffizient nach Pearson r = Sxy/√(Sxx·Syy) liegt zwischen −1 und 1; r² ist der Anteil der Streuung von y, der durch die Gerade erklärt wird.
Der Punkt liegt über der Geraden.
Antwort: E = 21,92
Chi-Quadrat-Tests: Vergleiche die beobachteten Häufigkeiten O mit den unter H₀ erwarteten Häufigkeiten E über χ² = Σ(O − E)²/E. Anpassungstest: E = n·p für jede Kategorie, df = k − 1 (minus eins für jeden aus den Daten geschätzten Parameter). Unabhängigkeit in einer r × c-Tafel: E = Zeilensumme × Spaltensumme / Gesamtsumme, df = (r − 1)(c − 1). Verwirf H₀, wenn χ² den kritischen Wert für das gewählte α überschreitet.
Antwort: df = 5
Chi-Quadrat-Tests: Vergleiche die beobachteten Häufigkeiten O mit den unter H₀ erwarteten Häufigkeiten E über χ² = Σ(O − E)²/E. Anpassungstest: E = n·p für jede Kategorie, df = k − 1 (minus eins für jeden aus den Daten geschätzten Parameter). Unabhängigkeit in einer r × c-Tafel: E = Zeilensumme × Spaltensumme / Gesamtsumme, df = (r − 1)(c − 1). Verwirf H₀, wenn χ² den kritischen Wert für das gewählte α überschreitet.
ExamProblems · examproblems.com/courses/statistics-2-inference