공식 모음, 모든 주제의 핵심 풀이 단계, 연습 문제 10개가 들어 있으며 전체 풀이는 맨 뒤에 있습니다.
X는 평균 12 min, 표준편차 1.5 min인 정규분포를 따르고, Y는 독립이며 평균 20 min, 표준편차 2 min인 정규분포를 따릅니다. X + Y가 35.8 min보다 클 확률 P을(를) 구하시오. z는 소수 둘째 자리로 반올림하시오.
성인 남성의 키은(는) 평균 178 cm, 표준편차 7 cm인 정규분포를 따릅니다. 전체의 80%가 그 아래에 있는 값 x(80 백분위수)을(를) 구하세요.
관측값 64개와 알려진 σ에 근거한 평균의 95% 신뢰구간의 오차 한계는 8.5이다. 같은 연구에서 관측값을 576개로 하면 오차 한계 E₂은(는) 얼마인가?
불량품 비율에 대해서는 사전에 알려진 것이 없다. 비율에 대한 95% 신뢰구간의 오차 한계가 최대 0.02이(가) 되려면 제품을 몇 개 n 검사해야 하는가?
두 생산 라인이 같은 부품을 만든다. 라인 1: 부품 60개 표본의 평균 길이는 77 mm이고, 라인의 알려진 표준 편차는 9 mm이다. 라인 2: 부품 60개 표본의 평균은 72.8 mm, 알려진 표준 편차는 18 mm이다. 차이를 x̄₁ − x̄₂(라인 1 빼기 라인 2)로 하여 H₀: μ₁ = μ₂에 대한 검정 통계량 z을(를) 구하시오.
α = 0.05의 단측 z 검정이 평균의 4단위 이동을 검정력 95%로 검출해야 한다. 표준 편차는 17이다. 최소 표본 크기 n을(를) 구하시오.
표에는 x = 자동차 연식(년), y = 가격(k€)의 짝지은 관측값 6쌍이 있습니다. 최소제곱 직선의 결정계수 r²을(를) 구하세요.
표에는 x = 자동차 연식(년), y = 가격(k€)의 짝지은 관측값 6쌍이 있습니다. 최소제곱 직선 ŷ = a + b·x를 쓰세요. x = 4.5일 때 ŷ을(를) 예측하세요.
분할표는 관측 도수를 보여 줍니다. 카이제곱 독립성 검정을 위해 칸 “학생, 자동차”의 기대 도수 E을(를) 구하세요.
행 2개, 열 11개(합계 제외)인 분할표로 카이제곱 독립성 검정을 합니다. 표를 이용해 유의수준 α = 0.05에서 임곗값 χ²crit을(를) 구하세요.
답: P = 0.06426
정규 변수의 합과 차: X와 Y가 독립이고 정규분포를 따르면 X + Y와 X − Y도 정규분포를 따릅니다. 평균은 더하거나 뺍니다: E(X ± Y) = μX ± μY. 분산은 차일 때도 항상 더합니다: Var(X ± Y) = σX² + σY²이므로 σ = √(σX² + σY²)입니다. 표준편차를 직접 더해서는 안 됩니다. 같은 분포를 따르는 독립인 n개 항목의 합은 평균 n·μ, 표준편차 σ·√n입니다. 그다음 평소처럼 표준화하여 z = (x − 평균)/σ를 구하고 Φ(z)를 읽습니다.
답: x = 183.9 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: E₂ = 2.833
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 = 2401
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.
답: z = 1.617
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.
|z| < 1.96이므로 5% 수준(양측)에서 H₀를 기각하지 않습니다.
답: n = 196
검정의 표본 크기: 수준 α의 단측 z 검정에서 참 이동 δ를 검정력 1 − β로 검출하려면 표준 오차가 δ = (z_α + z_β)·σ/√n을 만족해야 하므로 n = ((z_α + z_β)·σ/δ)²이고, 올림합니다.
답: r² = 0.9631
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 96.31%가 직선으로 설명됩니다.
답: ŷ = 17.1
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 = 39.66
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 = 18.31
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