Formulari, i passaggi chiave del metodo per ogni argomento e 10 esercizi, con le soluzioni complete in fondo.
X è normale con media 60 s e deviazione standard 5 s; Y è indipendente e normale con media 45 s e deviazione standard 4 s. Trova la probabilità P che X + Y sia maggiore di 101,8 s. Arrotonda z a due decimali.
Supponi che le altezze degli uomini adulti abbiano una distribuzione normale con media 178 cm e deviazione standard 7 cm. Trova il valore x sotto il quale si trova il 99 % dei dati (il 99° percentile).
Un campione di 30 elementi ha media 95,5 e deviazione standard s = 20. La popolazione è approssimativamente normale. Trova il margine di errore E di un intervallo di confidenza al 90 % per la media.
La deviazione standard della popolazione è 33. Quanto deve essere grande il campione n perché un intervallo di confidenza al 90 % per la media abbia un margine di errore non superiore a 2,5?
Un campione di 81 studenti ha un punteggio medio di 123,8 e una deviazione standard campionaria di 20. Trova la statistica test t per H₀: μ = 120.
Un test z unilaterale di H₀: μ = 200 contro H₁: μ > 200 viene eseguito con α = 0,01 su un campione di 25; la deviazione standard è nota e vale 12,5. In realtà la media è 204,25. Trova la potenza 1 − β del test in percentuale.
La tabella riporta 5 osservazioni appaiate di x = età dell’auto in anni e y = prezzo in k€. Le loro somme sono date. Trova il coefficiente di correlazione di Pearson r a partire da queste somme.
La tabella riporta 6 osservazioni appaiate di x = ore di studio e y = voto all’esame. Usa la retta dei minimi quadrati ŷ = a + b·x. Prevedi ŷ per x = 4,5.
La tabella di contingenza riporta le frequenze osservate. Calcola la statistica chi quadrato χ² per il test di indipendenza tra la variabile di riga e quella di colonna. Non usare la correzione di continuità.
Un test chi quadrato di bontà dell’adattamento confronta le frequenze osservate in 10 categorie con proporzioni attese completamente specificate (nessun parametro è stimato dai dati). Quanti gradi di libertà df ha il test?
Risposta: P = 0,6915
Somme e differenze di variabili normali: se X e Y sono indipendenti e normali, anche X + Y e X − Y sono normali. Le medie si sommano o si sottraggono: E(X ± Y) = μX ± μY. Le varianze si sommano sempre, anche per una differenza: Var(X ± Y) = σX² + σY², quindi σ = √(σX² + σY²). Le deviazioni standard non si sommano mai direttamente. Il totale di n elementi indipendenti con la stessa distribuzione ha media n·μ e deviazione standard σ·√n. Poi standardizza come al solito: z = (x − media)/σ e leggi Φ(z).
Risposta: x = 194,3 cm
Distribuzione normale: trasforma un valore x in un punteggio z, z = (x − μ)/σ, che indica a quante deviazioni standard dalla media si trova. Una tavola z (o Φ(z)) dà l’area a sinistra di z, cioè P(X < x). L’area a destra è 1 − Φ(z), e l’area tra due valori è la differenza delle loro due aree.
Risposta: E = 6,204
Intervallo di confidenza per una media: x̄ ± margine di errore. Con σ della popolazione nota il margine è z·σ/√n; se hai solo la deviazione standard campionaria s, usa t con n − 1 gradi di libertà: t·s/√n. Valori critici: z = 1,645 (90 %), 1,96 (95 %), 2,576 (99 %). Per ottenere un margine pari a E o inferiore serve n ≥ (z·σ/E)², arrotondato per eccesso.
Risposta: n = 472
Intervallo di confidenza per una media: x̄ ± margine di errore. Con σ della popolazione nota il margine è z·σ/√n; se hai solo la deviazione standard campionaria s, usa t con n − 1 gradi di libertà: t·s/√n. Valori critici: z = 1,645 (90 %), 1,96 (95 %), 2,576 (99 %). Per ottenere un margine pari a E o inferiore serve n ≥ (z·σ/E)², arrotondato per eccesso.
La numerosità campionaria è un numero intero, e arrotondare per difetto renderebbe il margine troppo grande.
Risposta: t = 1,71
Test su una media: la statistica test misura a quanti errori standard la media campionaria si trova dal valore dichiarato in H₀: z = (x̄ − μ₀)/(σ/√n) se σ è nota, t = (x̄ − μ₀)/(s/√n) se viene stimata dal campione. Un intervallo di confidenza è x̄ ± (valore critico)·(errore standard).
|t| < 1.99, quindi H₀ non viene rifiutata al livello del 5% (bilaterale).
Risposta: 1 − β = 26,57 %
Potenza di un test: la potenza = 1 − β è la probabilità di rifiutare H₀ quando è falsa. Trova la soglia x̄c da μ₀ e z_α, poi calcola la probabilità di cadere oltre x̄c usando la media vera: z = (x̄c − μ)/(σ/√n).
Risposta: r = −0,9184
Regressione ai minimi quadrati: con x̄ e ȳ le medie, Sxx = Σ(x − x̄)², Syy = Σ(y − ȳ)² e Sxy = Σ(x − x̄)(y − ȳ), la retta ŷ = a + b·x ha pendenza b = Sxy/Sxx e intercetta a = ȳ − b·x̄, quindi passa sempre per (x̄, ȳ). Il coefficiente di correlazione di Pearson r = Sxy/√(Sxx·Syy) è compreso tra −1 e 1; r² è la frazione della variabilità di y spiegata dalla retta.
Risposta: ŷ = 66,14
Regressione ai minimi quadrati: con x̄ e ȳ le medie, Sxx = Σ(x − x̄)², Syy = Σ(y − ȳ)² e Sxy = Σ(x − x̄)(y − ȳ), la retta ŷ = a + b·x ha pendenza b = Sxy/Sxx e intercetta a = ȳ − b·x̄, quindi passa sempre per (x̄, ȳ). Il coefficiente di correlazione di Pearson r = Sxy/√(Sxx·Syy) è compreso tra −1 e 1; r² è la frazione della variabilità di y spiegata dalla retta.
Risposta: χ² = 6,861
Test chi quadrato: confronta le frequenze osservate O con le frequenze E attese sotto H₀ usando χ² = Σ(O − E)²/E. Bontà dell’adattamento: E = n·p per ogni categoria, gl = k − 1 (meno uno in più per ogni parametro stimato dai dati). Indipendenza in una tabella r × c: E = totale di riga × totale di colonna / totale generale, gl = (r − 1)(c − 1). Rifiuta H₀ quando χ² supera il valore critico per l’α scelto.
gl = 2. Con α = 0,05 il valore critico è 5,991, quindi H₀ (indipendenza) viene rifiutata.
Risposta: df = 9
Test chi quadrato: confronta le frequenze osservate O con le frequenze E attese sotto H₀ usando χ² = Σ(O − E)²/E. Bontà dell’adattamento: E = n·p per ogni categoria, gl = k − 1 (meno uno in più per ogni parametro stimato dai dati). Indipendenza in una tabella r × c: E = totale di riga × totale di colonna / totale generale, gl = (r − 1)(c − 1). Rifiuta H₀ quando χ² supera il valore critico per l’α scelto.
ExamProblems · examproblems.com/courses/statistics-2-inference