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 0.9051이 되도록 z를 끌어 놓으세요. z을 소수 둘째 자리까지 구하세요.
성인 남성의 키은(는) 평균 178 cm, 표준편차 7 cm인 정규분포를 따릅니다. 전체의 99%가 그 아래에 있는 값 x(99 백분위수)을(를) 구하세요.
항목 7개의 표본 평균은 59, 표준편차는 s = 18.5입니다. 모집단은 대략 정규분포를 따릅니다. 평균에 대한 95% 신뢰구간의 상한을 구하세요.
불량품 비율에 대해서는 사전에 알려진 것이 없다. 비율에 대한 99% 신뢰구간의 오차 한계가 최대 0.04이(가) 되려면 제품을 몇 개 n 검사해야 하는가?
두 생산 라인이 같은 부품을 만든다. 라인 1: 부품 50개 표본의 평균 길이는 90 mm이고, 라인의 알려진 표준 편차는 17 mm이다. 라인 2: 부품 40개 표본의 평균은 80.5 mm, 알려진 표준 편차는 12 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 2.5단위 이동을 검정력 80%로 검출해야 한다. 표준 편차는 23이다. 최소 표본 크기 n을(를) 구하시오.
표에는 x = 광고비(k€), y = 매출(k€)의 짝지은 관측값 5쌍이 있습니다. 최소제곱 직선의 결정계수 r²을(를) 구하세요.
표에는 x = 하중(kN), y = 늘음량(mm)의 짝지은 관측값 5쌍이 있습니다. 최소제곱 직선 ŷ = a + b·x를 쓰세요. 새 관측값 (3, 7)이(가) 얻어졌습니다. 잔차 e = y − ŷ를 구하세요.
분할표는 관측 도수를 보여 줍니다. 행 변수와 열 변수 사이의 독립성 검정을 위한 카이제곱 통계량 χ²을(를) 계산하세요. 연속성 수정은 쓰지 마세요.
표는 관측 도수를 보여 줍니다. α = 0.05에서 두 변수가 독립인지 검정하세요(연속성 수정 없음). 검정 통계량 χ²을(를) 계산한 다음 표의 임곗값과 비교하세요.
답: z = 1.67
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 0.9525을 찾아 z를 읽으세요.
답: x = 194.3 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: 상한 = 76.11
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 = 1037
Confidence interval for a proportion: p̂ ± z·√(p̂(1 − p̂)/n), where p̂ = x/n. To reach a margin E you need n ≥ z²·p(1 − p)/E², rounded up; without a prior estimate use p = 0.5, which gives the largest n.
답: z = 3.102
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 기각합니다.
답: n = 524
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 = 0.6992
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 69.92%가 직선으로 설명됩니다.
답: e = −2.1
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.
점이 직선 아래쪽에 있습니다.
답: χ² = 11.81
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: χ² = 31.08
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.
χ²이 임곗값보다 크므로 H₀을 기각합니다. 두 변수는 관련이 있는 것으로 보입니다.
ExamProblems · examproblems.com/courses/statistics-2-inference