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 0.9780이 되도록 z를 끌어 놓으세요. z을 소수 둘째 자리까지 구하세요.
봉지 무게은(는) 평균 250 g, 표준편차 5 g인 정규분포를 따릅니다. 색칠한 하위 80%가 왼쪽에 오도록 기준값을 끌어 놓으세요. 기준값 x을 구하세요.
관측값 36개와 알려진 σ에 근거한 평균의 90% 신뢰구간의 오차 한계는 11.8이다. 관측값 72개에 근거한 99% 구간의 오차 한계 E₂은(는) 얼마인가?
모표준편차는 14입니다. 평균에 대한 95% 신뢰구간의 오차 한계가 4 이하가 되려면 표본 크기 n이(가) 얼마나 커야 할까요?
두 교수법을 비교한다. 집단 1: 학생 13명, 평균 점수 96, 표준 편차 11.5. 집단 2: 학생 13명, 평균 점수 101.5, 표준 편차 6.5. 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.
H₀: μ = 200 대 H₁: μ > 200의 단측 z 검정을 표본 크기 100, α = 0.10에서 실시한다. 표준 편차는 25로 알려져 있다. 실제 평균은 204.25이다. 검정력 1 − β을(를) 퍼센트로 구하시오.
표에는 x = 광고비(k€), y = 매출(k€)의 짝지은 관측값 6쌍이 있습니다. 최소제곱 직선의 결정계수 r²을(를) 구하세요.
표에는 x = 기온(°C), y = 아이스크림 판매량의 짝지은 관측값 6쌍이 있습니다. 최소제곱 직선 ŷ = a + b·x를 쓰세요. 직선이 ŷ = 32을(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.
카이제곱 적합도 검정으로 3개 범주의 관측 도수를 완전히 지정된 기대 비율과 비교합니다(자료에서 추정한 모수 없음). 표를 이용해 유의수준 α = 0.05에서 임곗값 χ²crit을(를) 구하세요.
답: z = 2.29
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 0.9890을 찾아 z를 읽으세요.
답: x = 254.2 g
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: E₂ = 13.07
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 = 48
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 = −1.501
가설 검정: 검정 통계량 = (추정값 − H₀에서의 값)/(H₀에서의 표준 오차). p값은 H₀가 참이라고 가정할 때 관측된 것만큼 또는 그보다 극단적인 통계량이 나올 확률입니다. 단측 H₁이면 한쪽 꼬리의 면적, 양측 H₁이면 꼬리 면적의 두 배입니다. p ≤ α이면 H₀를 기각합니다.
df = 24에서 양측 5% 임곗값은 2.064입니다. |t|가 더 작으므로 H₀를 기각하지 않습니다.
답: 1 − β = 66.2 %
검정력: 검정력 = 1 − β는 H₀가 거짓일 때 H₀를 기각할 확률입니다. μ₀와 z_α에서 기준값 x̄c를 구한 다음, 참 평균을 써서 x̄c 너머에 들어갈 확률을 계산합니다: z = (x̄c − μ)/(σ/√n).
답: r² = 0.9673
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 96.73%가 직선으로 설명됩니다.
답: x = 16.9
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 = 10.71
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: χ²crit = 5.991
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