공식 모음, 모든 주제의 핵심 풀이 단계, 연습 문제 10개가 들어 있으며 전체 풀이는 맨 뒤에 있습니다.
시험 점수은(는) 평균 65 점, 표준편차 10 점인 정규분포를 따릅니다. 45에서 80 점 사이에 있는 비율은 얼마일까요? P을(를) 소수로 답하세요.
IQ 점수은(는) 평균 100 점, 표준편차 15 점인 정규분포를 따릅니다. 전체의 90%가 그 아래에 있는 값 x(90 백분위수)을(를) 구하세요.
관측값 100개와 알려진 σ에 근거한 평균의 99% 신뢰구간의 오차 한계는 1.4이다. 같은 자료로 90% 구간을 만들면 오차 한계 E₂은(는) 얼마인가?
기계 가공한 축 11개의 지름의 표본 표준 편차는 11.9 µm이다. 지름이 정규 분포를 따른다고 가정하고, 모집단 표준 편차에 대한 95% 신뢰구간의 상한 σ을(를) 구하시오. df = 10에서 χ² 분포의 2.5%는 3.247 아래에, 2.5%는 20.483 위에 있다.
모집단의 평균은 120이라고 주장되며, 모집단의 표준 편차는 7.5로 알려져 있다. 관측값 25개의 확률 표본의 평균은 116.97이다. H₀: μ = 120 대 H₁: μ < 120을(를) 검정하시오. p값 p을(를) 구하시오.
측정값 81개의 표본 평균은 118.4입니다. 모표준편차는 8입니다. 평균에 대한 99% 신뢰구간의 하한 L를 구하세요.
표에는 x = 기온(°C), y = 아이스크림 판매량의 짝지은 관측값 6쌍이 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. x = 1.5일 때 ŷ을(를) 예측하세요.
분할표는 관측 도수를 보여 줍니다. 카이제곱 독립성 검정을 위해 칸 “교직원, 버스”의 기대 도수 E을(를) 구하세요.
카이제곱 적합도 검정으로 8개 범주의 관측 도수를 완전히 지정된 기대 비율과 비교합니다(자료에서 추정한 모수 없음). 이 검정의 자유도 df은(는) 얼마인가요?
답: P = 0.9104
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: x = 119.2 점
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: E₂ = 0.894
Confidence interval for a mean: x̄ ± margin of error. With a known population σ the margin is z·σ/√n; with only the sample standard deviation s, use t with n − 1 degrees of freedom: t·s/√n. Critical values: z = 1.645 (90%), 1.96 (95%), 2.576 (99%). To get a margin E or smaller, you need n ≥ (z·σ/E)², rounded up.
답: σ = 20.88 µm
분산의 구간: (n − 1)s²/σ²은 자유도 n − 1의 χ² 분포를 따릅니다. σ²의 95% 구간은 (n − 1)s²를 위쪽 χ² 값(그 위에 2.5%)으로 나눈 값에서 아래쪽 χ² 값(그 아래에 2.5%)으로 나눈 값까지이며, σ의 구간은 두 한계의 제곱근입니다. 이 구간은 s를 중심으로 대칭이 아닙니다.
σ의 95% 구간: [8.315, 20.88] µm.
답: p = 0.02169
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: L = 116.1
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 = 0.9807
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 98.07%가 직선으로 설명됩니다.
답: ŷ = 24.5
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 = 23.18
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 = 7
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/statistics-2-inference