Formelsammlungen, die wichtigsten Lösungsschritte zu jedem Thema und 10 Übungsaufgaben, mit vollständigen Lösungen am Ende.
Die IQ-Werte sind normalverteilt mit dem Mittelwert 100 Punkte und der Standardabweichung 15 Punkte. Welcher Anteil liegt zwischen 76 und 108,25 Punkte? Gib P als Dezimalzahl an.
Die Körpergrößen erwachsener Männer sind normalverteilt mit dem Mittelwert 178 cm und der Standardabweichung 7 cm. Ziehe die Grenze so, dass die schattierten unteren 85 % links davon liegen. Bestimme die Grenze x.
Der Blutdruck von 15 Patienten wird vor und nach einer Behandlung gemessen. Die Differenzen d = vorher − nachher (mmHg) haben den Mittelwert 2,7 und die Standardabweichung 7,5. Bestimme die obere Grenze des 95-%-Konfidenzintervalls für die mittlere Differenz.
Die Standardabweichung der Grundgesamtheit ist 27. Wie groß muss die Stichprobe n sein, damit ein 95-%-Konfidenzintervall für den Mittelwert eine Fehlermarge von höchstens 2 hat?
Eine Stichprobe von 81 Studierenden hat einen mittleren Punktwert von 501,6 und eine Stichproben-Standardabweichung von 5. Bestimme die Teststatistik t für H₀: μ = 500.
Ein einseitiger z-Test bei α = 0,05 soll eine Verschiebung des Mittelwerts um 1,5 Einheiten mit einer Teststärke von 95 % erkennen. Die Standardabweichung beträgt 6. Bestimme den Mindeststichprobenumfang n.
Die Tabelle enthält 6 Wertepaare von x = Lernstunden und y = Prüfungspunkte. Ihre Summen sind gegeben. Bestimme daraus den Korrelationskoeffizienten nach Pearson r.
Die Tabelle enthält 5 Wertepaare von x = Last in kN und y = Verlängerung in mm. Verwende die Regressionsgerade ŷ = a + b·x nach der Methode der kleinsten Quadrate. Eine neue Beobachtung (3, 14) 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 „Mitarbeitende, Bus“.
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: P = 0,654
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: x = 185,3 cm
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: obere Grenze = 6,854 mmHg
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: n = 701
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.
Ein Stichprobenumfang ist eine ganze Zahl, und Abrunden würde die Fehlermarge zu groß machen.
Antwort: t = 2,88
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| > 1,99, also wird H₀ auf dem 5-%-Niveau (zweiseitig) verworfen.
Antwort: n = 174
Stichprobenumfang für einen Test: Um eine wahre Verschiebung δ mit der Teststärke 1 − β in einem einseitigen z-Test zum Niveau α zu erkennen, muss der Standardfehler δ = (z_α + z_β)·σ/√n erfüllen, also n = ((z_α + z_β)·σ/δ)², aufgerundet.
Antwort: r = 0,9847
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: e = 5,4
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 = 35,03
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: χ² = 15,26
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 über dem kritischen Wert, also wird H₀ verworfen: Die Variablen scheinen zusammenzuhängen.
ExamProblems · examproblems.com/courses/statistics-2-inference