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. 62.5에서 75 점 사이에 있는 비율은 얼마일까요? P을(를) 소수로 답하세요.
IQ 점수은(는) 평균 100 점, 표준편차 15 점인 정규분포를 따릅니다. 색칠한 상위 15%가 오른쪽에 오도록 기준값을 끌어 놓으세요. 기준값 x을 구하세요.
두 휴대전화 모델의 배터리 수명을 비교한다. 모델 1: 휴대전화 100대, 평균 111 h, 알려진 표준 편차 8 h. 모델 2: 휴대전화 100대, 평균 125 h, 알려진 표준 편차 10 h. μ₁ − μ₂에 대한 90% 신뢰구간의 하한을 구하시오.
모표준편차는 10입니다. 평균에 대한 95% 신뢰구간의 오차 한계가 3 이하가 되려면 표본 크기 n이(가) 얼마나 커야 할까요?
두 교수법을 비교한다. 집단 1: 학생 7명, 평균 점수 59.5, 표준 편차 4. 집단 2: 학생 19명, 평균 점수 49.9, 표준 편차 8. 모집단 분산이 같다고 가정하고 합동 이표본 t 검정을 쓴다. 차이를 x̄₁ − x̄₂(집단 1 빼기 집단 2)로 하여 H₀: μ₁ = μ₂에 대한 검정 통계량 t을(를) 구하시오.
한 임상 시험에서 치료 A를 받은 환자 150명 중 23명, 치료 B를 받은 환자 80명 중 18명이 회복한다. 합동 비율을 써서 H₀: p₁ = p₂에 대한 검정 통계량 z을(를) 구하시오.
표에는 x = 하중(kN), y = 늘음량(mm)의 짝지은 관측값 5쌍이 있습니다. 그 합들이 주어져 있습니다. 이 합들로 피어슨 상관계수 r을(를) 구하세요.
표에는 x = 기온(°C), y = 아이스크림 판매량의 짝지은 관측값 5쌍이 있습니다. 최소제곱 직선 ŷ = a + b·x를 쓰세요. x = 22일 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). 표를 이용해 유의수준 α = 0.05에서 임곗값 χ²crit을(를) 구하세요.
답: P = 0.4401
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 = 115.6 점
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.
답: 하한 = −16.11 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 = 43
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 = 3.011
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.
df = 24에서 양측 5% 임곗값은 2.064입니다. |t|가 더 크므로 H₀를 기각합니다.
답: z = −1.353
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: r = 0.971
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: ŷ = 71
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 = 22
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: χ²crit = 14.07
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.
계산한 χ²이 이 값보다 크면 H₀을 기각합니다.
ExamProblems · examproblems.com/courses/statistics-2-inference