Formelsammlungen, die wichtigsten Lösungsschritte zu jedem Thema und 10 Übungsaufgaben, mit vollständigen Lösungen am Ende.
Gegeben sind Schrauben; ihre Massen sind unabhängig und normalverteilt mit dem Mittelwert 40 g und der Standardabweichung 1,2 g. Bestimme die Wahrscheinlichkeit P, dass die Gesamtmasse von 8 davon unter 314,9 g 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 90 % rechts davon liegen. Bestimme die Grenze x.
Der Blutdruck von 16 Patienten wird vor und nach einer Behandlung gemessen. Die Differenzen d = vorher − nachher (mmHg) haben den Mittelwert −4,6 und die Standardabweichung 5,3. Bestimme die obere Grenze des 99-%-Konfidenzintervalls für die mittlere Differenz.
Die Standardabweichung der Grundgesamtheit ist 8. Wie groß muss die Stichprobe n sein, damit ein 99-%-Konfidenzintervall für den Mittelwert eine Fehlermarge von höchstens 1,5 hat?
Eine Stichprobe von 36 Studierenden hat einen mittleren Punktwert von 50,47 und eine Stichproben-Standardabweichung von 4. Bestimme die Teststatistik t für H₀: μ = 50.
Eine Stichprobe von 16 Messungen hat den Mittelwert 76. Die Standardabweichung der Grundgesamtheit ist 20. Bestimme die untere Grenze L des 90-%-Konfidenzintervalls für den Mittelwert.
Die Tabelle enthält 5 Wertepaare von x = Werbeausgaben in k€ und y = Umsatz in k€. Bestimme den Korrelationskoeffizienten nach Pearson r.
Die Tabelle enthält 6 Wertepaare von x = Lernstunden und y = Prüfungspunkte. Verwende die Regressionsgerade ŷ = a + b·x nach der Methode der kleinsten Quadrate. Eine neue Beobachtung (7,5, 77) 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“.
Ein Chi-Quadrat-Anpassungstest vergleicht die beobachteten Häufigkeiten in 10 Kategorien mit vollständig vorgegebenen erwarteten Anteilen (es werden keine Parameter aus den Daten geschätzt). Bestimme mit der Tabelle den kritischen Wert χ²crit zum Signifikanzniveau α = 0,05.
Antwort: P = 0,06681
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 = 80,8 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: obere Grenze = −0,6952 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 = 189
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 = 0,705
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| < 2.03, also wird H₀ auf dem 5-%-Niveau (zweiseitig) nicht verworfen.
Antwort: L = 67,78
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: r = 0,9791
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 = 4,095
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 = 39,22
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: χ²crit = 16,92
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.
Verwirf H₀, wenn das berechnete χ² größer als dieser Wert ist.
ExamProblems · examproblems.com/courses/statistics-2-inference