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 0.7454 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。
ライン 1 の製品の質量 X とライン 2 の製品の質量 Y は独立な正規変数です：X は平均 500 g、標準偏差 8 g、Y は平均 490 g、標準偏差 6 g です。X が Y より大きい確率 P を求めなさい。z は小数第 2 位に丸めなさい。
25 個からなる標本の平均は 53、標準偏差は s = 9 です。母集団はほぼ正規分布に従います。 平均の 99% 信頼区間の下限を求めなさい。
母標準偏差は 2 です。平均の 90% 信頼区間の誤差の幅を 0.5 以下にするには、どれだけの標本サイズ n が必要ですか？
ある母集団の平均は 120 であると主張されています。母標準偏差は 36 であることがわかっています。144 個の観測値からなる無作為標本の平均は 122.88 です。H₀: μ = 120 対 H₁: μ > 120 を検定します。p 値 p を求めなさい。
H₀: μ = 100 対 H₁: μ > 100 の片側 z 検定を、α = 0.01、標本サイズ 36 で行います。標準偏差は 12 であることがわかっています。実際の平均は 105.8 です。 検定の検出力 1 − β をパーセントで求めなさい。
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。 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 = 車の年数（年） と y = 価格（k€） 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。 x = 2.5 のときの ŷ を予測しなさい。
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「日勤、軽微」の期待度数 E を求めなさい。
カイ二乗適合度検定で、4 個のカテゴリーの度数が、同じデータから平均を推定したポアソン分布に従うかどうかを調べます。 この検定の自由度 df はいくつですか？
答え: z = −0.66
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 0.2546 を見つけ、z を読み取ります。
答え: P = 0.8413
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: 下限 = 47.97
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 = 44
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: p = 0.1685
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 なので、有意水準 5% で H₀ は棄却されません。
答え: 1 − β = 71.7 %
検定の検出力：検出力 = 1 − β は、H₀ が誤っているときに H₀ を棄却する確率です。μ₀ と z_α から境界値 x̄c を求め、真の平均を使って x̄c を超える確率を計算します：z = (x̄c − μ)/(σ/√n)。
答え: r = 0.9926
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: ŷ = 23.65
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 = 43.67
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。
答え: df = 2
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