Formulių lapai, pagrindiniai kiekvienos temos metodų žingsniai ir 10 uždavinių, o pilni sprendimai pateikti gale.
varžtai masės yra nepriklausomos ir normaliosios, jų vidurkis 40 g, standartinis nuokrypis 1,2 g. Raskite tikimybę P, kad 16 iš jų bendra masė viršija 647,2 g. Suapvalinkite z iki dviejų skaitmenų po kablelio.
egzamino rezultatai pasiskirstę normaliai, vidurkis 65 tšk., standartinis nuokrypis 10 tšk.. Nuvilkite ribą taip, kad nuspalvinti apatiniai 70 % būtų kairėje nuo jos. Raskite ribą x.
15 elementų imties vidurkis – 36, standartinis nuokrypis s = 5. Populiacija pasiskirsčiusi apytiksliai normaliai. Raskite vidurkio 90 % pasikliautinojo intervalo viršutinį rėžį.
Bandomos dvi trąšos. 1 sklypų grupė: 5 sklypų, vidutinis derlius 60,5 kg, standartinis nuokrypis 1,5 kg. 2 sklypų grupė: 12 sklypų, vidurkis 70,5 kg, standartinis nuokrypis 6 kg. Laikykite, kad dispersijos lygios (jungtinis t, df = n₁ + n₂ − 2). Raskite μ₁ − μ₂ 99 % pasikliautinojo intervalo viršutinį rėžį.
Dvi gamybos linijos gamina tą pačią detalę. 1 linija: 40 detalių imties vidutinis ilgis 104,5 mm, o žinomas linijos standartinis nuokrypis 19 mm. 2 linija: 40 detalių imties vidurkis 114,8 mm, žinomas standartinis nuokrypis 9 mm. Raskite testo statistiką z hipotezei H₀: μ₁ = μ₂, skirtumą imdami kaip x̄₁ − x̄₂ (1 linija atėmus 2 liniją).
49 matavimų imties vidurkis – 501,9. Populiacijos standartinis nuokrypis – 5. Raskite vidurkio 99 % pasikliautinojo intervalo viršutinį rėžį U.
Lentelėje pateikta 5 porinių stebėjimų: x = mokymosi valandos ir y = egzamino rezultatas. Pateiktos jų sumos. Pagal šias sumas raskite Pirsono koreliacijos koeficientą r.
Lentelėje pateikta 6 porinių stebėjimų: x = reklamos išlaidos k€ ir y = pardavimai k€. Naudokite mažiausiųjų kvadratų tiesę ŷ = a + b·x. Gautas naujas stebėjimas (10, 68). Raskite jo liekaną e = y − ŷ.
Kryžminėje lentelėje pateikti stebėti dažniai. Chi kvadrato nepriklausomumo testui raskite langelio „kaimo, žemas“ tikėtiną dažnį E.
Chi kvadrato nepriklausomumo testas atliekamas kryžminei lentelei, turinčiai 3 eilutes ir 5 stulpelius (neskaičiuojant sumų). Kiek laisvės laipsnių df turi testas?
Atsakymas: P = 0,06681
Normaliųjų dydžių sumos ir skirtumai: jei X ir Y yra nepriklausomi ir normalieji, tai X + Y ir X − Y taip pat normalieji. Vidurkiai sudedami arba atimami: E(X ± Y) = μX ± μY. Dispersijos visada sudedamos, net ir skirtumui: Var(X ± Y) = σX² + σY², todėl σ = √(σX² + σY²). Standartiniai nuokrypiai tiesiogiai niekada nesudedami. n nepriklausomų vienodai pasiskirsčiusių elementų sumos vidurkis yra n·μ, o standartinis nuokrypis σ·√n. Tada standartizuokite kaip įprasta: z = (x − vidurkis)/σ ir raskite Φ(z).
Atsakymas: x = 70,2 tšk.
Nuo ploto atgal prie z: Φ(z) yra plotas kairėje nuo z. Kairiosios uodegos plotui A lentelėje raskite z, kai Φ(z) = A. Dešiniosios uodegos plotas A reiškia Φ(z) = 1 − A. Centrinis plotas A tarp −z ir z palieka (1 − A)/2 kiekvienoje uodegoje, taigi Φ(z) = (1 + A)/2. Reikšmei x naudokite x = μ + zσ.
Atsakymas: viršutinis rėžis = 38,27
Vidurkio pasikliautinasis intervalas: x̄ ± paklaidos riba. Kai populiacijos σ žinomas, paklaidos riba yra z·σ/√n; kai žinomas tik imties standartinis nuokrypis s, naudokite t su n − 1 laisvės laipsniu: t·s/√n. Kritinės reikšmės: z = 1,645 (90 %), 1,96 (95 %), 2,576 (99 %). Kad paklaidos riba būtų ne didesnė kaip E, reikia n ≥ (z·σ/E)², suapvalinus aukštyn.
Atsakymas: viršutinis rėžis = −1,849 kg
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.
Atsakymas: z = −3,099
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| > 1,96, todėl H₀ atmetama 5 % reikšmingumo lygmeniu (dvipusis testas).
Atsakymas: U = 503,7
Vidurkio tikrinimas: testo statistika parodo, per kiek standartinių paklaidų imties vidurkis nutolęs nuo H₀ teigiamos reikšmės: z = (x̄ − μ₀)/(σ/√n), kai σ žinomas, t = (x̄ − μ₀)/(s/√n), kai jis vertinamas iš imties. Pasikliautinasis intervalas yra x̄ ± (kritinė reikšmė)·(standartinė paklaida).
Atsakymas: r = 0,9457
Mažiausiųjų kvadratų regresija: kai x̄ ir ȳ – vidurkiai, Sxx = Σ(x − x̄)², Syy = Σ(y − ȳ)² ir Sxy = Σ(x − x̄)(y − ȳ), tiesės ŷ = a + b·x krypties koeficientas b = Sxy/Sxx, o laisvasis narys a = ȳ − b·x̄, todėl ji visada eina per tašką (x̄, ȳ). Pirsono koreliacijos koeficientas r = Sxy/√(Sxx·Syy) yra tarp −1 ir 1; r² – tiese paaiškinama y kitimo dalis.
Atsakymas: e = 2,333
Mažiausiųjų kvadratų regresija: kai x̄ ir ȳ – vidurkiai, Sxx = Σ(x − x̄)², Syy = Σ(y − ȳ)² ir Sxy = Σ(x − x̄)(y − ȳ), tiesės ŷ = a + b·x krypties koeficientas b = Sxy/Sxx, o laisvasis narys a = ȳ − b·x̄, todėl ji visada eina per tašką (x̄, ȳ). Pirsono koreliacijos koeficientas r = Sxy/√(Sxx·Syy) yra tarp −1 ir 1; r² – tiese paaiškinama y kitimo dalis.
Taškas yra virš tiesės.
Atsakymas: E = 17,35
Chi kvadrato testai: stebėtus dažnius O palyginkite su pagal H₀ tikėtinais dažniais E naudodami χ² = Σ(O − E)²/E. Suderinamumo kriterijus: kiekvienai kategorijai E = n·p, df = k − 1 (ir dar minus vienas už kiekvieną iš duomenų įvertintą parametrą). Nepriklausomumas r × c lentelėje: E = eilutės suma × stulpelio suma / bendra suma, df = (r − 1)(c − 1). H₀ atmeskite, kai χ² viršija pasirinktą α atitinkančią kritinę reikšmę.
Atsakymas: df = 8
Chi kvadrato testai: stebėtus dažnius O palyginkite su pagal H₀ tikėtinais dažniais E naudodami χ² = Σ(O − E)²/E. Suderinamumo kriterijus: kiekvienai kategorijai E = n·p, df = k − 1 (ir dar minus vienas už kiekvieną iš duomenų įvertintą parametrą). Nepriklausomumas r × c lentelėje: E = eilutės suma × stulpelio suma / bendra suma, df = (r − 1)(c − 1). H₀ atmeskite, kai χ² viršija pasirinktą α atitinkančią kritinę reikšmę.
ExamProblems · examproblems.com/courses/statistics-2-inference