Formelsammlungen, die wichtigsten Lösungsschritte zu jedem Thema und 10 Übungsaufgaben, mit vollständigen Lösungen am Ende.
Ziehe z so, dass die schattierte Fläche zwischen −z und z unter der Standardnormalverteilung gleich 0,9762 ist. Bestimme z auf zwei Nachkommastellen.
Die Lebensdauern von Batterien sind normalverteilt mit dem Mittelwert 500 h und der Standardabweichung 40 h. Bestimme den Wert x, unter dem 20 % von ihnen liegen (das 20. Perzentil).
Eine Stichprobe von 15 Elementen hat den Mittelwert 36,5 und die Standardabweichung s = 17,5. Die Grundgesamtheit ist annähernd normalverteilt. Bestimme die untere Grenze des 90-%-Konfidenzintervalls für den Mittelwert.
Eine Vorstudie legt nahe, dass etwa 0,6 der Produkte fehlerhaft sind. Wie viele Produkte n müssen geprüft werden, damit ein 99-%-Konfidenzintervall für den Anteil eine Fehlermarge von höchstens 0,05 hat?
Eine Stichprobe von 100 Studierenden hat einen mittleren Punktwert von 120,6 und eine Stichproben-Standardabweichung von 5. Bestimme die Teststatistik t für H₀: μ = 120.
Ein einseitiger z-Test von H₀: μ = 200 gegen H₁: μ > 200 wird bei α = 0,01 mit einer Stichprobe von 100 durchgeführt; die Standardabweichung ist bekanntermaßen 10. In Wirklichkeit beträgt der Mittelwert 202,6. Bestimme die Wahrscheinlichkeit eines Fehlers 2. Art β in Prozent.
Die Tabelle enthält 5 Wertepaare von x = Lernstunden und y = Prüfungspunkte. Bestimme den Korrelationskoeffizienten nach Pearson r.
Die Tabelle enthält 5 Wertepaare von x = Temperatur in °C und y = verkaufte Eiskugeln. Verwende die Regressionsgerade ŷ = a + b·x nach der Methode der kleinsten Quadrate. Sage ŷ für x = 22,5 voraus.
Die Kontingenztafel zeigt beobachtete Häufigkeiten. Berechne die Chi-Quadrat-Prüfgröße χ² für den Test auf Unabhängigkeit zwischen Zeilen- und Spaltenvariable. Verwende keine Stetigkeitskorrektur.
Die Tabelle zeigt beobachtete Häufigkeiten. Prüfe auf dem Niveau α = 0,01, ob die beiden Variablen unabhängig sind (ohne Stetigkeitskorrektur). Berechne die Prüfgröße χ² und vergleiche sie mit dem kritischen Wert aus der Tabelle.
Antwort: z = 2,26
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.
Finde 0,9881 in der Tabelle und lies z ab.
Antwort: x = 466,3 h
Normalverteilung: Rechne einen Wert x in einen z-Wert um, z = (x − μ)/σ; er gibt an, wie viele Standardabweichungen x vom Mittelwert entfernt liegt. Eine z-Tabelle (oder Φ(z)) liefert die Fläche links von z, also P(X < x). Die Fläche rechts ist 1 − Φ(z), und die Fläche zwischen zwei Werten ist die Differenz ihrer beiden Flächen.
Antwort: untere Grenze = 28,54
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: n = 638
Confidence interval for a proportion: p̂ ± z·√(p̂(1 − p̂)/n), where p̂ = x/n. To reach a margin E you need n ≥ z²·p(1 − p)/E², rounded up; without a prior estimate use p = 0,5, which gives the largest n.
Antwort: t = 1,2
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).
|t| < 1.984, also wird H₀ auf dem 5-%-Niveau (zweiseitig) nicht verworfen.
Antwort: β = 39,2 %
Teststärke: Die Teststärke 1 − β ist die Wahrscheinlichkeit, H₀ zu verwerfen, wenn sie falsch ist. Bestimme die Grenze x̄c aus μ₀ und z_α und berechne dann mit dem wahren Mittelwert die Wahrscheinlichkeit, jenseits von x̄c zu landen: z = (x̄c − μ)/(σ/√n).
Antwort: r = 0,9361
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.
Antwort: ŷ = 94,2
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.
Antwort: χ² = 5,76
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.
df = 1. Bei α = 0,05 ist der kritische Wert 3,841, also wird H₀ (Unabhängigkeit) verworfen.
Antwort: χ² = 6
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.
χ² liegt unter dem kritischen Wert, also wird H₀ nicht verworfen: Es gibt keinen signifikanten Hinweis auf einen Zusammenhang.
ExamProblems · examproblems.com/courses/statistics-2-inference