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 0,0721. Raskite z dviejų ženklų po kablelio tikslumu.
Tarkime, kad egzamino rezultatai pasiskirstę normaliai, vidurkis 65 tšk., standartinis nuokrypis 10 tšk.. Raskite reikšmę x, už kurią mažesnės yra 5 % reikšmių (5-asis procentilis).
Vidurkio 95 % pasikliautinojo intervalo, pagrįsto 50 stebėjimais ir žinomu σ, paklaidos riba yra 5. Kokia bus paklaidos riba E₂, jei tame pačiame tyrime bus naudojama 450 stebėjimų?
Populiacijos standartinis nuokrypis – 23. Kokio dydžio imties n reikia, kad vidurkio 99 % pasikliautinojo intervalo paklaidos riba būtų ne didesnė kaip 3?
Lyginami du mokymo metodai. 1 grupė: 6 studentų, vidutinis rezultatas 54,5, standartinis nuokrypis 10,5. 2 grupė: 11 studentų, vidutinis rezultatas 41,8, standartinis nuokrypis 6. Laikykite, kad populiacijų dispersijos lygios, ir taikykite jungtinės dispersijos dviejų imčių t testą. Raskite testo statistiką t hipotezei H₀: μ₁ = μ₂, skirtumą imdami kaip x̄₁ − x̄₂ (1 grupė atėmus 2 grupę).
Kokia didelė turi būti imtis, kad vidurkio 95 % pasikliautinojo intervalo paklaidos riba būtų ne didesnė kaip 0,5? Standartinis nuokrypis – 4. 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 5 porinių stebėjimų: x = temperatūra °C ir y = parduoti ledai. Naudokite mažiausiųjų kvadratų tiesę ŷ = a + b·x. Prognozuokite ŷ, kai x = 20.
Kryžminėje lentelėje pateikti stebėti dažniai. Apskaičiuokite eilučių ir stulpelių kintamųjų nepriklausomumo testo chi kvadrato statistiką χ². Tolydumo pataisos nenaudokite.
Chi kvadrato nepriklausomumo testas atliekamas kryžminei lentelei, turinčiai 3 eilutes ir 4 stulpelius (neskaičiuojant sumų). Naudodami lentelę, raskite kritinę reikšmę χ²crit, kai reikšmingumo lygmuo α = 0,01.
Atsakymas: z = 1,46
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 0,9279 ir nuskaitykite z.
Atsakymas: x = 48,55 tšk.
Normalusis skirstinys: reikšmę x paverskite z įverčiu z = (x − μ)/σ, kuris parodo, per kiek standartinių nuokrypių reikšmė nutolusi nuo vidurkio. z lentelė (arba Φ(z)) duoda plotą į kairę nuo z, t. y. P(X < x). Plotas į dešinę lygus 1 − Φ(z), o plotas tarp dviejų reikšmių – jų plotų skirtumui.
Atsakymas: E₂ = 1,667
Confidence interval for a mean: x̄ ± margin of error. With a known population σ the margin is z·σ/√n; with only the sample standard deviation s, use t with n − 1 degrees of freedom: t·s/√n. Critical values: z = 1,645 (90%), 1,96 (95%), 2,576 (99%). To get a margin E or smaller, you need n ≥ (z·σ/E)², rounded up.
Atsakymas: n = 391
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: t = 3,211
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.
Kai df = 15, dvipusio 5 % testo kritinė reikšmė yra 2,131; |t| didesnis, todėl H₀ atmetama.
Atsakymas: n = 246
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 = 0,9483
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 94,83% y kitimo paaiškinama tiese.
Atsakymas: ŷ = 52,45
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 = 26,67
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 = 1. Kai α = 0,05, kritinė reikšmė yra 3,841, todėl H₀ (nepriklausomumas) atmetama.
Atsakymas: χ²crit = 16,81
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.
H₀ atmeskite, jei apskaičiuotas χ² didesnis už šią reikšmę.
ExamProblems · examproblems.com/courses/statistics-2-inference