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 12 davon 482,1 g übersteigt. Runde z auf zwei Dezimalstellen.
Die Gewichte von Beuteln sind normalverteilt mit dem Mittelwert 250 g und der Standardabweichung 5 g. Ziehe die Grenze so, dass die schattierten unteren 30 % links davon liegen. Bestimme die Grenze x.
Ein 95-%-Konfidenzintervall für einen Mittelwert, basierend auf 64 Beobachtungen und bekanntem σ, hat eine Fehlermarge von 7,6. Wie groß ist die Fehlermarge E₂ eines 99-%-Intervalls auf Basis von 16 Beobachtungen?
Die Standardabweichung der Grundgesamtheit ist 28. Wie groß muss die Stichprobe n sein, damit ein 90-%-Konfidenzintervall für den Mittelwert eine Fehlermarge von höchstens 3 hat?
Zwei Fertigungslinien stellen dasselbe Teil her. Linie 1: Eine Stichprobe von 40 Teilen hat die mittlere Länge 119,5 mm, und die bekannte Standardabweichung der Linie ist 4 mm. Linie 2: Eine Stichprobe von 40 Teilen hat den Mittelwert 117,1 mm, bekannte Standardabweichung 7 mm. Bestimme die Teststatistik z für H₀: μ₁ = μ₂, mit der Differenz x̄₁ − x̄₂ (Linie 1 minus Linie 2).
Wie groß muss eine Stichprobe sein, damit das 95-%-Konfidenzintervall für einen Mittelwert eine Fehlermarge von höchstens 2 hat? Die Standardabweichung ist 12. Bestimme den kleinsten Stichprobenumfang n.
Die Tabelle enthält 6 Wertepaare von x = Fahrzeugalter in Jahren und y = Preis in k€. 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 = 24,5 voraus.
Die Kontingenztafel zeigt beobachtete Häufigkeiten. Bestimme für einen Chi-Quadrat-Unabhängigkeitstest die erwartete Häufigkeit E für die Zelle „städtisch, niedrig“.
Die Tabelle zeigt beobachtete Häufigkeiten. Prüfe auf dem Niveau α = 0,05, ob die beiden Variablen unabhängig sind (ohne Stetigkeitskorrektur). Berechne die Prüfgröße χ² und vergleiche sie mit dem kritischen Wert aus der Tabelle.
Antwort: P = 0,305
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 = 247,4 g
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: E₂ = 19,98
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 = 236
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: z = 1,883
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.
|z| < 1.96, also wird H₀ auf dem 5-%-Niveau (zweiseitig) nicht verworfen.
Antwort: n = 139
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 = −0,983
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 = 130,5
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 = 16,9
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 = 13,02
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