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。
箱 の質量は互いに独立で、平均 12 kg、標準偏差 0.8 kg の正規分布に従います。そのうち 12 個の合計質量が 148.2 kg を下回る確率 P を求めなさい。z は小数第 2 位に丸めなさい。
IQ スコア は、平均 100 点、標準偏差 15 点 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。
21 個からなる標本の平均は 10.5、標準偏差は s = 5.5 です。母集団はほぼ正規分布に従います。 平均の 90% 信頼区間の誤差の幅 E を求めなさい。
機械加工した 11 本の軸の直径の標本標準偏差は 3.9 µm です。直径が正規分布に従うと仮定して、母標準偏差の 95% 信頼区間の上限 σ を求めなさい。df = 10 のとき、χ² 分布の 2.5% は 3.247 より下に、2.5% は 20.483 より上にあります。
学生 100 人の標本の平均点は 201.4、標本標準偏差は 5 です。H₀: μ = 200 に対する検定統計量 t を求めなさい。
ある臨床試験で、治療 A の患者 250 人中 125 人、治療 B の患者 300 人中 159 人が回復しました。プールした比率を使って、H₀: p₁ = p₂ の検定統計量 z を求めなさい。
表は x = 荷重 (kN) と y = 伸び (mm) の 6 組の対になった観測値を示しています。 最小二乗直線の決定係数 r² を求めなさい。
表は x = 荷重 (kN) と y = 伸び (mm) の 5 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。 直線が ŷ = 15 と予測するのは、どの値 x のときですか？
分割表は観測度数を示しています。カイ二乗独立性検定のために、セル「職員、自転車」の期待度数 E を求めなさい。
カイ二乗適合度検定で、4 個のカテゴリーの観測度数を、完全に指定された期待割合と比べます（データから推定するパラメータはありません）。 この検定の自由度 df はいくつですか？
答え: P = 0.9357
正規変数の和と差：X と Y が独立で正規分布に従うなら、X + Y と X − Y も正規分布に従います。平均は足したり引いたりします：E(X ± Y) = μX ± μY。分散は差の場合でも常に足します：Var(X ± Y) = σX² + σY²、したがって σ = √(σX² + σY²) です。標準偏差を直接足すことはありません。同じ分布に従う独立な n 個の合計は、平均 n·μ、標準偏差 σ·√n です。そのあとはいつもどおり標準化します：z = (x − 平均)/σ とし、Φ(z) を読み取ります。
答え: x = 96.3 点
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: E = 2.07
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: σ = 6.844 µm
分散の区間：(n − 1)s²/σ² は自由度 n − 1 の χ² 分布に従います。σ² の 95% 区間は、(n − 1)s² を上側の χ² 値（その上に 2.5%）で割った値から、下側の χ² 値（その下に 2.5%）で割った値までです。σ の区間は両方の限界の平方根です。s に関して対称ではありません。
σ の 95% 区間：[2.725, 6.844] µm。
答え: t = 2.8
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: z = −0.701
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 なので、有意水準 5%（両側）で H₀ は棄却されません。
答え: r² = 0.982
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。
y の変動の約 98.2% が直線で説明されます。
答え: x = 9.385
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 = 26.48
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。
答え: df = 3
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。
ExamProblems · examproblems.com/courses/statistics-2-inference