기술통계
- 평균
- x̄ = Σx/n
- 표본 표준편차
- s = √(Σ(x − x̄)²/(n − 1))
- 중앙값
- 정렬한 데이터의 가운데 값
- z 점수
- z = (x − μ)/σ
- 정규분포
- ±1σ 안에 68%, ±2σ 안에 95%
공식 모음, 모든 주제의 핵심 풀이 단계, 연습 문제 16개가 들어 있으며 전체 풀이는 맨 뒤에 있습니다.
정규분포에서 점수의 약 몇 %가 평균으로부터 1 표준편차 이내에 있습니까?
질적 연구에서 성찰성(reflexivity)이란 연구자가 무엇을 하는 것입니까?
자료의 표본 표준편차 s를 구하세요: 33, 31, 58, 33, 46.
시험 점수는 평균 50, 표준편차 12인 정규분포를 따릅니다. 26점의 z점수 z를 구하세요.
표의 분포에 대해 X의 표준편차 σ을(를) 구하시오.
X의 분포가 표와 같고 Y = 2X − 3입니다. Y의 표준편차 σY을(를) 구하시오.
X는 평균 12 min, 표준편차 1.5 min인 정규분포를 따르고, Y는 독립이며 평균 20 min, 표준편차 2 min인 정규분포를 따릅니다. X + Y가 35.8 min보다 클 확률 P을(를) 구하시오. z는 소수 둘째 자리로 반올림하시오.
주자 A의 한 바퀴 시간 X와 주자 B의 한 바퀴 시간 Y은(는) 독립이며 정규분포를 따릅니다. X는 평균 52 s, 표준편차 4 s이고 Y는 평균 48 s, 표준편차 3 s입니다. X가 Y보다 클 확률 P을(를) 구하시오. z는 소수 둘째 자리로 반올림하시오.
두 휴대전화 모델의 배터리 수명을 비교한다. 모델 1: 휴대전화 50대, 평균 117.5 h, 알려진 표준 편차 12 h. 모델 2: 휴대전화 100대, 평균 122 h, 알려진 표준 편차 12 h. μ₁ − μ₂에 대한 90% 신뢰구간의 상한을 구하시오.
모표준편차는 13입니다. 평균에 대한 90% 신뢰구간의 오차 한계가 0.5 이하가 되려면 표본 크기 n이(가) 얼마나 커야 할까요?
모집단의 평균은 50이라고 주장되며, 모집단의 표준 편차는 24로 알려져 있다. 관측값 36개의 확률 표본의 평균은 41.84이다. H₀: μ = 50 대 H₁: μ ≠ 50을(를) 검정하시오. p값 p을(를) 구하시오.
평균에 대한 90% 신뢰구간의 오차 한계가 3 이하가 되려면 표본이 얼마나 커야 할까요? 표준편차는 12입니다. 최소 표본 크기 n를 구하세요.
표에는 x = 하중(kN), y = 늘음량(mm)의 짝지은 관측값 5쌍이 있습니다. 최소제곱 직선의 결정계수 r²을(를) 구하세요.
표에는 x = 자동차 연식(년), y = 가격(k€)의 짝지은 관측값 5쌍이 있습니다. 최소제곱 직선 ŷ = a + b·x를 쓰세요. 직선이 ŷ = 20을(를) 예측하는 값 x은(는) 얼마인가요?
분할표는 관측 도수를 보여 줍니다. 카이제곱 독립성 검정을 위해 칸 “주간 근무, 결함 없음”의 기대 도수 E을(를) 구하세요.
행 2개, 열 6개(합계 제외)인 분할표로 카이제곱 독립성 검정을 합니다. 이 검정의 자유도 df은(는) 얼마인가요?
답: C · 68%
점수의 약 68%가 ±1 SD, 약 95%가 ±2 SD, 약 99.7%가 ±3 SD 이내에 있습니다.
답: D · 자신의 배경과 가정이 분석을 어떻게 형성할 수 있는지 성찰한다
성찰성은 자료 수집과 해석에 대한 연구자의 영향을 인정하는 것이며, 질적 연구의 핵심 질 기준입니다.
답: s = 11.61
기술통계: 평균은 합을 n으로 나눈 값이고, 중앙값은 정렬된 자료의 가운데 값입니다(n이 짝수면 가운데 두 값의 평균). 표본 표준편차는 s = √(Σ(x − x̄)²/(n − 1)). z점수 z = (x − μ)/σ는 어떤 값이 평균에서 표준편차 몇 개만큼 떨어져 있는지를 나타냅니다.
답: z = −2
기술통계: 평균은 합을 n으로 나눈 값이고, 중앙값은 정렬된 자료의 가운데 값입니다(n이 짝수면 가운데 두 값의 평균). 표본 표준편차는 s = √(Σ(x − x̄)²/(n − 1)). z점수 z = (x − μ)/σ는 어떤 값이 평균에서 표준편차 몇 개만큼 떨어져 있는지를 나타냅니다.
답: σ = 1.108
이산 확률변수: 확률분포는 변수가 가질 수 있는 모든 값 x와 그 확률 p(x)를 나열합니다. 확률은 0과 1 사이이며 합이 1입니다. 기댓값(평균)은 E(X) = Σx·p(x)로, 장기적인 평균입니다. 분산은 Var(X) = Σ(x − μ)²·p(x) = E(X²) − μ²이고, 표준편차는 σ = √Var(X)입니다. 일차 변환 Y = aX + b에서는 E(Y) = a·E(X) + b, Var(Y) = a²·Var(X), σY = |a|·σX입니다. 상수를 더해도 퍼짐은 변하지 않습니다.
답: σY = 2.289
이산 확률변수: 확률분포는 변수가 가질 수 있는 모든 값 x와 그 확률 p(x)를 나열합니다. 확률은 0과 1 사이이며 합이 1입니다. 기댓값(평균)은 E(X) = Σx·p(x)로, 장기적인 평균입니다. 분산은 Var(X) = Σ(x − μ)²·p(x) = E(X²) − μ²이고, 표준편차는 σ = √Var(X)입니다. 일차 변환 Y = aX + b에서는 E(Y) = a·E(X) + b, Var(Y) = a²·Var(X), σY = |a|·σX입니다. 상수를 더해도 퍼짐은 변하지 않습니다.
평균은 실제로 이동합니다: E(Y) = 2·2.7 − 3 = 2.4.
답: P = 0.06426
정규 변수의 합과 차: X와 Y가 독립이고 정규분포를 따르면 X + Y와 X − Y도 정규분포를 따릅니다. 평균은 더하거나 뺍니다: E(X ± Y) = μX ± μY. 분산은 차일 때도 항상 더합니다: Var(X ± Y) = σX² + σY²이므로 σ = √(σX² + σY²)입니다. 표준편차를 직접 더해서는 안 됩니다. 같은 분포를 따르는 독립인 n개 항목의 합은 평균 n·μ, 표준편차 σ·√n입니다. 그다음 평소처럼 표준화하여 z = (x − 평균)/σ를 구하고 Φ(z)를 읽습니다.
답: P = 0.7881
정규 변수의 합과 차: X와 Y가 독립이고 정규분포를 따르면 X + Y와 X − Y도 정규분포를 따릅니다. 평균은 더하거나 뺍니다: E(X ± Y) = μX ± μY. 분산은 차일 때도 항상 더합니다: Var(X ± Y) = σX² + σY²이므로 σ = √(σX² + σY²)입니다. 표준편차를 직접 더해서는 안 됩니다. 같은 분포를 따르는 독립인 n개 항목의 합은 평균 n·μ, 표준편차 σ·√n입니다. 그다음 평소처럼 표준화하여 z = (x − 평균)/σ를 구하고 Φ(z)를 읽습니다.
답: 상한 = −1.081 h
Interval for a difference: estimate ± critical value × standard error. For two independent means with known σ: SE = √(σ₁²/n₁ + σ₂²/n₂) and z. With equal unknown variances: pooled s_p and t with n₁ + n₂ − 2 degrees of freedom. For paired data, work with the differences: d̄ ± t·s_d/√n.
구간이 0을 포함하지 않으므로 두 평균은 유의하게 다릅니다.
답: n = 1830
평균에 대한 신뢰구간: x̄ ± 오차 한계. 모집단의 σ를 알면 오차 한계는 z·σ/√n이고, 표본 표준편차 s만 있으면 자유도 n − 1인 t를 써서 t·s/√n입니다. 임계값: z = 1.645 (90%), 1.96 (95%), 2.576 (99%). 오차 한계를 E 이하로 하려면 n ≥ (z·σ/E)²이 필요하며, 올림합니다.
표본 크기는 정수이고, 내림하면 오차 한계가 너무 커집니다.
답: p = 0.04135
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 ≤ 0.05이므로 5% 수준에서 H₀를 기각합니다.
답: n = 44
평균 검정: 검정통계량은 표본평균이 H₀에서 주장하는 값과 표준오차 몇 개만큼 떨어져 있는지를 나타냅니다: σ를 알면 z = (x̄ − μ₀)/(σ/√n), 표본에서 추정하면 t = (x̄ − μ₀)/(s/√n). 신뢰구간은 x̄ ± (임계값)·(표준오차)입니다.
답: r² = 0.9259
최소제곱 회귀: 평균을 x̄, ȳ라 하고 Sxx = Σ(x − x̄)², Syy = Σ(y − ȳ)², Sxy = Σ(x − x̄)(y − ȳ)라 하면, 직선 ŷ = a + b·x의 기울기는 b = Sxy/Sxx, 절편은 a = ȳ − b·x̄이므로 이 직선은 항상 (x̄, ȳ)를 지납니다. 피어슨 상관계수 r = Sxy/√(Sxx·Syy)는 −1과 1 사이에 있으며, r²은 y의 변동 중 직선으로 설명되는 비율입니다.
y의 변동 중 약 92.59%가 직선으로 설명됩니다.
답: x = 2.417
최소제곱 회귀: 평균을 x̄, ȳ라 하고 Sxx = Σ(x − x̄)², Syy = Σ(y − ȳ)², Sxy = Σ(x − x̄)(y − ȳ)라 하면, 직선 ŷ = a + b·x의 기울기는 b = Sxy/Sxx, 절편은 a = ȳ − b·x̄이므로 이 직선은 항상 (x̄, ȳ)를 지납니다. 피어슨 상관계수 r = Sxy/√(Sxx·Syy)는 −1과 1 사이에 있으며, r²은 y의 변동 중 직선으로 설명되는 비율입니다.
답: E = 33.69
카이제곱 검정: 관측 도수 O를 H₀에서의 기대 도수 E와 χ² = Σ(O − E)²/E로 비교합니다. 적합도 검정: 각 범주에 E = n·p, df = k − 1(자료에서 추정한 모수마다 1씩 더 뺌). r × c 표의 독립성 검정: E = 행 합계 × 열 합계 / 총합계, df = (r − 1)(c − 1). χ²이 선택한 α의 임곗값을 넘으면 H₀을 기각합니다.
답: df = 5
카이제곱 검정: 관측 도수 O를 H₀에서의 기대 도수 E와 χ² = Σ(O − E)²/E로 비교합니다. 적합도 검정: 각 범주에 E = n·p, df = k − 1(자료에서 추정한 모수마다 1씩 더 뺌). r × c 표의 독립성 검정: E = 행 합계 × 열 합계 / 총합계, df = (r − 1)(c − 1). χ²이 선택한 α의 임곗값을 넘으면 H₀을 기각합니다.
ExamProblems · examproblems.com/courses/research-methods-psychology