Formuleoverzichten, de belangrijkste methodestappen voor elk onderwerp en 10 oefenopgaven, met volledige oplossingen achterin.
De IQ-scores zijn normaal verdeeld met gemiddelde 100 punten en standaardafwijking 15 punten. Welk deel ligt tussen 88 en 118,75 punten? Geef P als decimaal getal.
De levertijden zijn normaal verdeeld met gemiddelde 32 min en standaardafwijking 6 min. Bereken de waarde x waaronder 90% ervan ligt (het 90e percentiel).
De batterijduur van twee telefoonmodellen wordt vergeleken. Model 1: 60 telefoons, gemiddelde 67,5 h, bekende standaardafwijking 16 h. Model 2: 40 telefoons, gemiddelde 61 h, bekende standaardafwijking 9 h. Bereken de bovengrens van het 99%-betrouwbaarheidsinterval voor μ₁ − μ₂.
De standaardafwijking van de populatie is 21. Hoe groot moet de steekproef n zijn zodat een 95%-betrouwbaarheidsinterval voor het gemiddelde een foutmarge van hoogstens 3 heeft?
Een steekproef van 81 studenten heeft een gemiddelde score van 500,8 en een steekproefstandaardafwijking van 10. Bereken de toetsingsgrootheid t voor H₀: μ = 500.
Een eenzijdige z-toets van H₀: μ = 100 tegen H₁: μ < 100 wordt uitgevoerd bij α = 0.05 met een steekproef van 100; de standaardafwijking is bekend en is 25. In werkelijkheid is het gemiddelde 94. Bereken het onderscheidend vermogen 1 − β van de toets in procenten.
De tabel geeft 6 gepaarde waarnemingen van x = belasting in kN en y = verlenging in mm. Hun sommen zijn gegeven. Bereken uit deze sommen de correlatiecoëfficiënt van Pearson r.
De tabel geeft 6 gepaarde waarnemingen van x = belasting in kN en y = verlenging in mm. Gebruik de kleinstekwadratenlijn ŷ = a + b·x. Voorspel ŷ voor x = 7.
De kruistabel toont waargenomen aantallen. Bereken de chikwadraatgrootheid χ² voor de toets op onafhankelijkheid tussen de rij- en kolomvariabele. Gebruik geen continuïteitscorrectie.
Een chikwadraat-aanpassingstoets controleert of aantallen in 8 categorieën een Poissonverdeling volgen waarvan het gemiddelde uit dezelfde data is geschat. Zoek met de tabel de kritieke waarde χ²crit bij significantieniveau α = 0,01.
Antwoord: P = 0,6825
Normale verdeling: reken een waarde x om naar een z-score, z = (x − μ)/σ, die telt hoeveel standaardafwijkingen x van het gemiddelde ligt. Een z-tabel (of Φ(z)) geeft de oppervlakte links van z, en dat is P(X < x). De oppervlakte rechts is 1 − Φ(z), en de oppervlakte tussen twee waarden is het verschil van hun twee oppervlakten.
Antwoord: x = 39,69 min
Normale verdeling: reken een waarde x om naar een z-score, z = (x − μ)/σ, die telt hoeveel standaardafwijkingen x van het gemiddelde ligt. Een z-tabel (of Φ(z)) geeft de oppervlakte links van z, en dat is P(X < x). De oppervlakte rechts is 1 − Φ(z), en de oppervlakte tussen twee waarden is het verschil van hun twee oppervlakten.
Antwoord: bovengrens = 12,96 h
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.
Het interval bevat 0 niet, dus de gemiddelden verschillen significant.
Antwoord: n = 189
Betrouwbaarheidsinterval voor een gemiddelde: x̄ ± foutmarge. Met een bekende populatie-σ is de marge z·σ/√n; heb je alleen de steekproefstandaardafwijking s, gebruik dan t met n − 1 vrijheidsgraden: t·s/√n. Kritieke waarden: z = 1,645 (90%), 1,96 (95%), 2,576 (99%). Voor een marge van E of kleiner heb je n ≥ (z·σ/E)² nodig, naar boven afgerond.
Een steekproefomvang is een geheel getal, en naar beneden afronden zou de marge te groot maken.
Antwoord: t = 0,72
Toetsen van een gemiddelde: de toetsingsgrootheid meet hoeveel standaardfouten het steekproefgemiddelde van de waarde in H₀ af ligt: z = (x̄ − μ₀)/(σ/√n) als σ bekend is, t = (x̄ − μ₀)/(s/√n) als die uit de steekproef wordt geschat. Een betrouwbaarheidsinterval is x̄ ± (kritieke waarde)·(standaardfout).
|t| < 1.99, dus H₀ wordt niet verworpen op het 5%-niveau (tweezijdig).
Antwoord: 1 − β = 77,49 %
Onderscheidend vermogen van een toets: het onderscheidend vermogen 1 − β is de kans dat H₀ wordt verworpen als die onwaar is. Bepaal de grens x̄c uit μ₀ en z_α, en bereken dan met het ware gemiddelde de kans om voorbij x̄c uit te komen: z = (x̄c − μ)/(σ/√n).
Antwoord: r = 0,9985
Kleinstekwadratenregressie: met x̄ en ȳ de gemiddelden, Sxx = Σ(x − x̄)², Syy = Σ(y − ȳ)² en Sxy = Σ(x − x̄)(y − ȳ) heeft de lijn ŷ = a + b·x helling b = Sxy/Sxx en snijpunt a = ȳ − b·x̄, dus gaat ze altijd door (x̄, ȳ). De correlatiecoëfficiënt van Pearson r = Sxy/√(Sxx·Syy) ligt tussen −1 en 1; r² is het deel van de variatie in y dat door de lijn wordt verklaard.
Antwoord: ŷ = 31,33
Kleinstekwadratenregressie: met x̄ en ȳ de gemiddelden, Sxx = Σ(x − x̄)², Syy = Σ(y − ȳ)² en Sxy = Σ(x − x̄)(y − ȳ) heeft de lijn ŷ = a + b·x helling b = Sxy/Sxx en snijpunt a = ȳ − b·x̄, dus gaat ze altijd door (x̄, ȳ). De correlatiecoëfficiënt van Pearson r = Sxy/√(Sxx·Syy) ligt tussen −1 en 1; r² is het deel van de variatie in y dat door de lijn wordt verklaard.
Antwoord: χ² = 6,162
Chikwadraattoetsen: vergelijk waargenomen aantallen O met de onder H₀ verwachte aantallen E met χ² = Σ(O − E)²/E. Aanpassingstoets: E = n·p voor elke categorie, df = k − 1 (en nog één minder voor elke parameter die uit de data is geschat). Onafhankelijkheid in een r × c-tabel: E = rijtotaal × kolomtotaal / totaal, df = (r − 1)(c − 1). Verwerp H₀ als χ² groter is dan de kritieke waarde bij de gekozen α.
df = 2. Bij α = 0,05 is de kritieke waarde 5,991, dus H₀ (onafhankelijkheid) wordt verworpen.
Antwoord: χ²crit = 16,81
Chikwadraattoetsen: vergelijk waargenomen aantallen O met de onder H₀ verwachte aantallen E met χ² = Σ(O − E)²/E. Aanpassingstoets: E = n·p voor elke categorie, df = k − 1 (en nog één minder voor elke parameter die uit de data is geschat). Onafhankelijkheid in een r × c-tabel: E = rijtotaal × kolomtotaal / totaal, df = (r − 1)(c − 1). Verwerp H₀ als χ² groter is dan de kritieke waarde bij de gekozen α.
Verwerp H₀ als de berekende χ² groter is dan deze waarde.
ExamProblems · examproblems.com/courses/statistics-2-inference