Formulių lapai, pagrindiniai kiekvienos temos metodų žingsniai ir 10 uždavinių, o pilni sprendimai pateikti gale.
Nuvilkite z, kad nuspalvintas plotas po standartine normaliąja kreive, dešinėje nuo z, būtų 0,6772. Raskite z dviejų ženklų po kablelio tikslumu.
suaugusių vyrų ūgiai pasiskirstę normaliai, vidurkis 178 cm, standartinis nuokrypis 7 cm. Nuvilkite ribą taip, kad nuspalvinti apatiniai 95 % būtų kairėje nuo jos. Raskite ribą x.
13 elementų imties vidurkis – 83,5, standartinis nuokrypis s = 1. Populiacija pasiskirsčiusi apytiksliai normaliai. Raskite vidurkio 90 % pasikliautinojo intervalo paklaidos ribą E.
Populiacijos standartinis nuokrypis – 31. Kokio dydžio imties n reikia, kad vidurkio 95 % pasikliautinojo intervalo paklaidos riba būtų ne didesnė kaip 1,5?
Dvi gamybos linijos gamina tą pačią detalę. 1 linija: 50 detalių imties vidutinis ilgis 148,5 mm, o žinomas linijos standartinis nuokrypis 18 mm. 2 linija: 80 detalių imties vidurkis 153,5 mm, žinomas standartinis nuokrypis 6 mm. Raskite testo statistiką z hipotezei H₀: μ₁ = μ₂, skirtumą imdami kaip x̄₁ − x̄₂ (1 linija atėmus 2 liniją).
Kokia didelė turi būti imtis, kad vidurkio 95 % pasikliautinojo intervalo paklaidos riba būtų ne didesnė kaip 3? Standartinis nuokrypis – 20. Raskite mažiausią imties dydį n.
Lentelėje pateikta 6 porinių stebėjimų: x = temperatūra °C ir y = parduoti ledai. Raskite mažiausiųjų kvadratų tiesės determinacijos koeficientą r².
Lentelėje pateikta 6 porinių stebėjimų: x = automobilio amžius metais ir y = kaina k€. Naudokite mažiausiųjų kvadratų tiesę ŷ = a + b·x. Kuriai reikšmei x tiesė prognozuoja ŷ = 25?
Kryžminėje lentelėje pateikti stebėti dažniai. Apskaičiuokite eilučių ir stulpelių kintamųjų nepriklausomumo testo chi kvadrato statistiką χ². Tolydumo pataisos nenaudokite.
Lentelėje pateikti stebėti dažniai. Esant α = 0,05 patikrinkite, ar abu kintamieji nepriklausomi (be tolydumo pataisos). Apskaičiuokite testo statistiką χ², tada palyginkite ją su kritine reikšme iš lentelės.
Atsakymas: z = −0,46
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.
Lentelėje suraskite 0,3228 ir nuskaitykite z.
Atsakymas: x = 189,5 cm
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: E = 0,4942
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: n = 1641
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.
Imties dydis yra sveikasis skaičius, o apvalinant žemyn paklaidos riba būtų per didelė.
Atsakymas: z = −1,899
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 neatmetama 5 % reikšmingumo lygmeniu (dvipusis testas).
Atsakymas: n = 171
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: r² = 0,9388
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.
Apie 93,88% y kitimo paaiškinama tiese.
Atsakymas: x = 2,396
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: χ² = 5,458
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.
df = 2. Kai α = 0,05, kritinė reikšmė yra 5,991, todėl H₀ (nepriklausomumas) neatmetama.
Atsakymas: χ² = 6,25
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.
χ² didesnis už kritinę reikšmę, todėl H₀ atmetama: atrodo, kad kintamieji susiję.
ExamProblems · examproblems.com/courses/statistics-2-inference