공식 모음, 모든 주제의 핵심 풀이 단계, 연습 문제 10개가 들어 있으며 전체 풀이는 맨 뒤에 있습니다.
표준 정규 곡선 아래에서 −z와 z 사이의 색칠한 넓이가 0.3759이 되도록 z를 끌어 놓으세요. z을 소수 둘째 자리까지 구하세요.
성인 남성의 키은(는) 평균 178 cm, 표준편차 7 cm인 정규분포를 따릅니다. 전체의 5%가 그 아래에 있는 값 x(5 백분위수)을(를) 구하세요.
항목 20개의 표본 평균은 16.5, 표준편차는 s = 3입니다. 모집단은 대략 정규분포를 따릅니다. 평균에 대한 90% 신뢰구간의 상한을 구하세요.
모표준편차는 10입니다. 평균에 대한 99% 신뢰구간의 오차 한계가 1 이하가 되려면 표본 크기 n이(가) 얼마나 커야 할까요?
학생 36명 표본의 평균 점수는 98.27, 표본 표준편차는 4입니다. H₀: μ = 100에 대한 검정통계량 t를 구하세요.
한 임상 시험에서 치료 A를 받은 환자 80명 중 44명, 치료 B를 받은 환자 100명 중 66명이 회복한다. 합동 비율을 써서 H₀: p₁ = p₂에 대한 검정 통계량 z을(를) 구하시오.
표에는 x = 기온(°C), y = 아이스크림 판매량의 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 = 19을(를) 예측하는 값 x은(는) 얼마인가요?
분할표는 관측 도수를 보여 줍니다. 행 변수와 열 변수 사이의 독립성 검정을 위한 카이제곱 통계량 χ²을(를) 계산하세요. 연속성 수정은 쓰지 마세요.
표는 관측 도수를 보여 줍니다. α = 0.01에서 두 변수가 독립인지 검정하세요(연속성 수정 없음). 검정 통계량 χ²을(를) 계산한 다음 표의 임곗값과 비교하세요.
답: z = 0.49
넓이에서 z로 되돌아가기: Φ(z)는 z의 왼쪽 넓이입니다. 왼쪽 꼬리 넓이 A이면 표에서 Φ(z) = A인 z를 찾습니다. 오른쪽 꼬리 넓이 A이면 Φ(z) = 1 − A입니다. −z와 z 사이의 가운데 넓이 A이면 양쪽 꼬리에 (1 − A)/2씩 남으므로 Φ(z) = (1 + A)/2입니다. 값 x에는 x = μ + zσ를 쓰세요.
표 안에서 0.6879을 찾아 z를 읽으세요.
답: x = 166.5 cm
정규분포: 값 x를 z점수 z = (x − μ)/σ로 바꾸면 평균에서 표준편차 몇 개만큼 떨어져 있는지 알 수 있습니다. z표(또는 Φ(z))는 z 왼쪽의 넓이, 즉 P(X < x)를 줍니다. 오른쪽 넓이는 1 − Φ(z)이고, 두 값 사이의 넓이는 두 넓이의 차입니다.
답: 상한 = 17.66
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.
답: n = 664
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: t = −2.595
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.
|t| > 2.03이므로 5% 수준(양측)에서 H₀를 기각합니다.
답: z = −1.504
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| < 1.96이므로 5% 수준(양측)에서 H₀를 기각하지 않습니다.
답: r² = 0.9781
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 97.81%가 직선으로 설명됩니다.
답: x = 3.457
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: χ² = 10.77
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.
df = 1. α = 0.05에서 임곗값은 3.841이므로 H₀(독립)은 기각됩니다.
답: χ² = 1.381
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.
χ²이 임곗값보다 작으므로 H₀을 기각하지 않습니다. 관련성에 대한 유의한 증거가 없습니다.
ExamProblems · examproblems.com/courses/statistics-2-inference