표에는 x = 자동차 연식(년), y = 가격(k€)의 짝지은 관측값 6쌍이 있습니다. 최소제곱 직선 ŷ = a + b·x를 쓰세요. x = 2.5일 때 ŷ을(를) 예측하세요.
n = 6x = 2.5
ŷ =
9.카이제곱 검정보통
분할표는 관측 도수를 보여 줍니다. 카이제곱 독립성 검정을 위해 칸 “야간 근무, 중대한 결함”의 기대 도수 E을(를) 구하세요.
행 합계 = 115열 합계 = 79N = 170
E =
10.카이제곱 검정어려움
카이제곱 적합도 검정으로 5개 범주의 관측 도수를 완전히 지정된 기대 비율과 비교합니다(자료에서 추정한 모수 없음). 이 검정의 자유도 df은(는) 얼마인가요?
k = 5
df =
3용액
1.정규분포
답: P = 0.9571
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.
z점수
z₁ = (70 − 100)/15 = −2
z₂ = (130.75 − 100)/15 = 2.05
사이의 넓이
P = Φ(2.05) − Φ(−2) = 0.9798 − 0.02275 = 0.9571
답
P = 0.9571
2.정규분포
답: x = 87.38 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.
백분위수에 해당하는 z
Φ(z) = 0.2 → z = −0.8416
다시 x로
x = 100 + −0.8416·15 = 87.38 점
답
x = 87.38 점
3.신뢰구간
답: E = 3.642
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.
임계값
df = n − 1 = 20, t = 2.086
오차 한계
E = 2.086·8/√21 = 3.642
답
E = 3.642
4.신뢰구간
답: n = 664
비율의 신뢰구간: p̂ ± z·√(p̂(1 − p̂)/n), p̂ = x/n. 오차 한계 E에 도달하려면 n ≥ z²·p(1 − p)/E²이 필요하며 올림합니다. 사전 추정값이 없으면 n이 가장 커지는 p = 0.5를 씁니다.
n에 대해 풀기
n = 2.576²·0.5·0.5/0.05² = 663.6
올림하기
n = 664
답
n = 664
5.가설 검정과 신뢰구간
답: t = −1.403
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.
표준오차
SE = 12/√81 = 12/9 = 1.333
검정통계량
t = (73.13 − 75)/1.333 = −1.403
답
t = −1.403
t0.025; df = 80 = 1.99
|t| < 1.99이므로 5% 수준(양측)에서 H₀를 기각하지 않습니다.
6.가설 검정과 신뢰구간
답: n = 10
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.
n에 대해 풀기
n = (1.96·4/2.5)² = 9.834
올림하기
n = 10
답
n = 10
7.선형 회귀와 상관
답: r = 0.9868
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.
중심화한 합
Sxy = 13350 − 105·609/5 = 561
Sxx = 2295 − 105²/5 = 90
Syy = 77767 − 609²/5 = 3591
상관계수
r = 561/√(90·3591) = 0.9868
답
r = 0.9868
8.선형 회귀와 상관
답: ŷ = 24.3
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.
평균
x̄ = 21/6 = 3.5
ȳ = 135/6 = 22.5
제곱합과 곱의 합
Sxx = Σ(x − x̄)² = 17.5
Sxy = Σ(x − x̄)(y − ȳ) = −31.5
회귀직선
b = −31.5/17.5 = −1.8
a = 22.5 − (−1.8)·3.5 = 28.8
ŷ = 28.8 − 1.8·x
예측
ŷ = 28.8 + (−1.8)·2.5 = 24.3
답
ŷ = 24.3
9.카이제곱 검정
답: E = 53.44
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.
기대 도수
E = 115·79/170 = 53.44
답
E = 53.44
10.카이제곱 검정
답: df = 4
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.