Formelsammlungen, die wichtigsten Lösungsschritte zu jedem Thema und 10 Übungsaufgaben, mit vollständigen Lösungen am Ende.
Die Gewichte von Beuteln sind normalverteilt mit dem Mittelwert 250 g und der Standardabweichung 5 g. Welcher Anteil liegt zwischen 242,75 und 252,75 g? Gib P als Dezimalzahl an.
Die Gewichte von Beuteln sind normalverteilt mit dem Mittelwert 250 g und der Standardabweichung 5 g. Bestimme den Wert x, unter dem 10 % von ihnen liegen (das 10. Perzentil).
Ein 99-%-Konfidenzintervall für einen Mittelwert, basierend auf 50 Beobachtungen und bekanntem σ, hat eine Fehlermarge von 9,3. Wie groß ist die Fehlermarge E₂, wenn dieselbe Studie stattdessen 200 Beobachtungen verwendet?
Über den Anteil fehlerhafter Produkte ist vorab nichts bekannt. Wie viele Produkte n müssen geprüft werden, damit ein 95-%-Konfidenzintervall für den Anteil eine Fehlermarge von höchstens 0,025 hat?
Der Mittelwert einer Grundgesamtheit soll 100 betragen; die Standardabweichung der Grundgesamtheit ist bekanntermaßen 10. Eine Zufallsstichprobe von 100 Beobachtungen hat den Mittelwert 97,9. Teste H₀: μ = 100 gegen H₁: μ < 100. Bestimme den p-Wert p.
Eine Stichprobe von 81 Messungen hat den Mittelwert 98,2. Die Standardabweichung der Grundgesamtheit ist 15. Bestimme die obere Grenze U des 99-%-Konfidenzintervalls für den Mittelwert.
Die Tabelle enthält 6 Wertepaare von x = Fahrzeugalter in Jahren und y = Preis in k€. Bestimme das Bestimmtheitsmaß r² der Regressionsgeraden.
Die Tabelle enthält 6 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 = 24,5 voraus.
Die Kontingenztafel zeigt beobachtete Häufigkeiten. Berechne die Chi-Quadrat-Prüfgröße χ² für den Test auf Unabhängigkeit zwischen Zeilen- und Spaltenvariable. Verwende keine Stetigkeitskorrektur.
Ein Chi-Quadrat-Anpassungstest prüft, ob die Häufigkeiten in 4 Kategorien einer Poisson-Verteilung folgen, deren Mittelwert aus denselben Daten geschätzt wird. Bestimme mit der Tabelle den kritischen Wert χ²crit zum Signifikanzniveau α = 0,05.
Antwort: P = 0,6353
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 = 243,6 g
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: E₂ = 4,65
Confidence interval for a mean: x̄ ± margin of error. With a known population σ the margin is z·σ/√n; with only the sample standard deviation s, use t with n − 1 degrees of freedom: t·s/√n. Critical values: z = 1,645 (90%), 1,96 (95%), 2,576 (99%). To get a margin E or smaller, you need n ≥ (z·σ/E)², rounded up.
Antwort: n = 1537
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: p = 0,01786
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.
p ≤ 0,05, also wird H₀ auf dem 5-%-Niveau verworfen.
Antwort: U = 102,5
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 = 0,9542
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 95,42 % der Streuung von y werden durch die Gerade erklärt.
Antwort: ŷ = 95,42
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 = 5,25
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: χ²crit = 5,991
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