公式集、全トピックの解法の要点、10 問の演習問題。完全な解答は巻末にあります。
標準正規曲線の下で、z の右側の色つき面積が 0.2358 になるように z をドラッグします。z を小数第 2 位まで求めなさい。
袋の重さ は、平均 250 g、標準偏差 5 g の正規分布に従います。色つきの下位 40% が左側になるように、しきい値をドラッグします。しきい値 x を求めなさい。
7 個からなる標本の平均は 88、標準偏差は s = 15 です。母集団はほぼ正規分布に従います。 平均の 99% 信頼区間の上限を求めなさい。
母標準偏差は 13 です。平均の 95% 信頼区間の誤差の幅を 2.5 以下にするには、どれだけの標本サイズ n が必要ですか？
学生 100 人の標本の平均点は 505.8、標本標準偏差は 20 です。H₀: μ = 500 に対する検定統計量 t を求めなさい。
α = 0.05 の片側 z 検定で、平均の 1.5 単位のずれを検出力 90% で検出しなければなりません。標準偏差は 8 です。最小の標本サイズ n を求めなさい。
表は x = 気温 (°C) と y = アイスクリームの販売数 の 6 組の対になった観測値を示しています。 それらの和が与えられています。これらの和からピアソンの相関係数 r を求めなさい。
表は x = 広告費（k€） と y = 売上高（k€） の 6 組の対になった観測値を示しています。 最小二乗直線 ŷ = a + b·x を用います。 新しい観測値 (10, 86) が得られました。その残差 e = y − ŷ を求めなさい。
分割表は観測度数を示しています。行の変数と列の変数の独立性の検定について、カイ二乗統計量 χ² を計算しなさい。連続性の補正は使いません。
表は観測度数を示しています。2 つの変数が独立かどうかを α = 0.01 で検定しなさい（連続性の補正なし）。検定統計量 χ² を計算し、表の臨界値と比べなさい。
答え: z = 0.72
面積から z へ戻る：Φ(z) は z の左側の面積です。左側の裾の面積 A なら、表で Φ(z) = A となる z を見つけます。右側の裾の面積 A なら Φ(z) = 1 − A です。−z から z の間の中央の面積 A なら、各裾に (1 − A)/2 が残るので、Φ(z) = (1 + A)/2 です。値 x には x = μ + zσ を使います。
表の中で 0.7642 を見つけ、z を読み取ります。
答え: x = 248.8 g
面積から z へ戻る：Φ(z) は z の左側の面積です。左側の裾の面積 A なら、表で Φ(z) = A となる z を見つけます。右側の裾の面積 A なら Φ(z) = 1 − A です。−z から z の間の中央の面積 A なら、各裾に (1 − A)/2 が残るので、Φ(z) = (1 + A)/2 です。値 x には x = μ + zσ を使います。
答え: 上限 = 109
平均の信頼区間：x̄ ± 誤差の幅。母集団の σ が既知なら誤差の幅は z·σ/√n、標本標準偏差 s しかなければ自由度 n − 1 の t を使って t·s/√n です。臨界値：z = 1.645（90%）、1.96（95%）、2.576（99%）。誤差の幅を E 以下にするには n ≥ (z·σ/E)² が必要で、端数は切り上げます。
答え: n = 104
平均の信頼区間：x̄ ± 誤差の幅。母集団の σ が既知なら誤差の幅は z·σ/√n、標本標準偏差 s しかなければ自由度 n − 1 の t を使って t·s/√n です。臨界値：z = 1.645（90%）、1.96（95%）、2.576（99%）。誤差の幅を E 以下にするには n ≥ (z·σ/E)² が必要で、端数は切り上げます。
標本サイズは整数であり、切り捨てると誤差の幅が大きくなりすぎます。
答え: t = 2.9
平均の検定：検定統計量は、標本平均が H₀ で主張された値から標準誤差何個分離れているかを表します：σ が既知なら z = (x̄ − μ₀)/(σ/√n)、標本から推定するなら t = (x̄ − μ₀)/(s/√n)。信頼区間は x̄ ±（臨界値）·（標準誤差）です。
|t| > 1.984 なので、有意水準 5%（両側）で H₀ は棄却されます。
答え: n = 244
検定に必要な標本サイズ：有意水準 α の片側 z 検定で、真のずれ δ を検出力 1 − β で検出するには、標準誤差が δ = (z_α + z_β)·σ/√n を満たす必要があるので、n = ((z_α + z_β)·σ/δ)² を切り上げます。
答え: r = 0.9583
最小二乗回帰：x̄ と ȳ を平均とし、Sxx = Σ(x − x̄)²、Syy = Σ(y − ȳ)²、Sxy = Σ(x − x̄)(y − ȳ) とすると、直線 ŷ = a + b·x の傾きは b = Sxy/Sxx、切片は a = ȳ − b·x̄ なので、この直線は必ず (x̄, ȳ) を通ります。ピアソンの相関係数 r = Sxy/√(Sxx·Syy) は −1 から 1 の間の値をとります。r² は y の変動のうち直線で説明される割合です。
答え: e = 4.248
最小二乗回帰：x̄ と ȳ を平均とし、Sxx = Σ(x − x̄)²、Syy = Σ(y − ȳ)²、Sxy = Σ(x − x̄)(y − ȳ) とすると、直線 ŷ = a + b·x の傾きは b = Sxy/Sxx、切片は a = ȳ − b·x̄ なので、この直線は必ず (x̄, ȳ) を通ります。ピアソンの相関係数 r = Sxy/√(Sxx·Syy) は −1 から 1 の間の値をとります。r² は y の変動のうち直線で説明される割合です。
点は直線より上にあります。
答え: χ² = 14.67
カイ二乗検定：観測度数 O と H₀ のもとでの期待度数 E を χ² = Σ(O − E)²/E で比べます。適合度検定：各カテゴリーで E = n·p、自由度 df = k − 1（データから推定したパラメータ 1 つごとにさらに 1 を引く）。r × c 表での独立性の検定：E = 行の合計 × 列の合計 / 総計、df = (r − 1)(c − 1)。χ² が選んだ α での臨界値を超えたら H₀ を棄却します。
df = 1。α = 0.05 での臨界値は 3.841 なので、H₀（独立）は棄却される。
答え: χ² = 33.08
カイ二乗検定：観測度数 O と H₀ のもとでの期待度数 E を χ² = Σ(O − E)²/E で比べます。適合度検定：各カテゴリーで E = n·p、自由度 df = k − 1（データから推定したパラメータ 1 つごとにさらに 1 を引く）。r × c 表での独立性の検定：E = 行の合計 × 列の合計 / 総計、df = (r − 1)(c − 1)。χ² が選んだ α での臨界値を超えたら H₀ を棄却します。
χ² は臨界値より大きいので、H₀ は棄却されます：変数の間には関連があるようです。
ExamProblems · examproblems.com/courses/statistics-2-inference