Wzory, najważniejsze kroki metod dla każdego tematu i 10 zadań do ćwiczenia, z pełnymi rozwiązaniami na końcu.
Przeciągnij z tak, aby zacieniowane pole pod standardową krzywą normalną, na prawo od z, wynosiło 0,6950. Znajdź z z dokładnością do dwóch miejsc po przecinku.
Średnice otworów D mają rozkład normalny ze średnią 25,04 mm i odchyleniem standardowym 0,01 mm. Średnice wałów d są niezależne i mają rozkład normalny ze średnią 25 mm i odchyleniem standardowym 0,02 mm. Losowo wybrany wał pasuje, gdy D − d > 0. Wyznacz prawdopodobieństwo P, że pasuje. Zaokrąglij z do dwóch miejsc po przecinku.
Próba 6 elementów ma średnią 98,5 i odchylenie standardowe s = 3,5. Populacja ma w przybliżeniu rozkład normalny. Wyznacz dolną granicę przedziału ufności 99% dla średniej.
Odchylenie standardowe populacji wynosi 10. Jak liczna musi być próba n, aby przedział ufności 95% dla średniej miał margines błędu co najwyżej 2,5?
Twierdzi się, że średnia populacji wynosi 500; odchylenie standardowe populacji jest znane i wynosi 15. Losowa próba 36 obserwacji ma średnią 504,9. Przetestuj H₀: μ = 500 przeciw H₁: μ > 500. Wyznacz wartość p p.
W badaniu klinicznym wyzdrowiało 98 z 150 pacjentów leczonych metodą A i 158 z 200 pacjentów leczonych metodą B. Korzystając z frakcji łącznej, wyznacz statystykę testową z dla H₀: p₁ = p₂.
Tabela podaje 5 par obserwacji x = temperatura w °C i y = liczba sprzedanych lodów. Wyznacz współczynnik korelacji Pearsona r.
Tabela podaje 5 par obserwacji x = obciążenie w kN i y = wydłużenie w mm. Użyj prostej najmniejszych kwadratów ŷ = a + b·x. Wyznacz prognozę ŷ dla x = 7.
Tabela kontyngencji pokazuje liczebności obserwowane. Oblicz statystykę chi-kwadrat χ² testu niezależności zmiennych wierszowej i kolumnowej. Nie stosuj poprawki na ciągłość.
Test zgodności chi-kwadrat sprawdza, czy liczebności w 5 kategoriach mają rozkład Poissona, którego średnią estymuje się z tych samych danych. Korzystając z tabeli, wyznacz wartość krytyczną χ²crit na poziomie istotności α = 0,01.
Odpowiedź: z = −0,51
Od pola z powrotem do z: Φ(z) to pole na lewo od z. Dla pola lewego ogona A znajdź w tablicy z, dla którego Φ(z) = A. Pole prawego ogona A oznacza Φ(z) = 1 − A. Pole środkowe A między −z a z zostawia (1 − A)/2 w każdym ogonie, więc Φ(z) = (1 + A)/2. Dla wartości x użyj x = μ + zσ.
Znajdź 0,3050 wewnątrz tablicy i odczytaj z.
Odpowiedź: P = 0,9633
Sumy i różnice zmiennych normalnych: jeśli X i Y są niezależne i mają rozkład normalny, to X + Y i X − Y również mają rozkład normalny. Średnie dodają się lub odejmują: E(X ± Y) = μX ± μY. Wariancje zawsze się dodają, także dla różnicy: Var(X ± Y) = σX² + σY², więc σ = √(σX² + σY²). Odchylenia standardowe nigdy nie dodają się bezpośrednio. Suma n niezależnych elementów o tym samym rozkładzie ma średnią n·μ i odchylenie standardowe σ·√n. Potem standaryzuj jak zwykle: z = (x − średnia)/σ i odczytaj Φ(z).
Odpowiedź: dolna granica = 92,74
Przedział ufności dla średniej: x̄ ± margines błędu. Przy znanym σ populacji margines wynosi z·σ/√n; gdy znasz tylko odchylenie standardowe z próby s, użyj t z n − 1 stopniami swobody: t·s/√n. Wartości krytyczne: z = 1,645 (90%), 1,96 (95%), 2,576 (99%). Aby uzyskać margines E lub mniejszy, potrzebujesz n ≥ (z·σ/E)², zaokrąglone w górę.
Odpowiedź: n = 62
Przedział ufności dla średniej: x̄ ± margines błędu. Przy znanym σ populacji margines wynosi z·σ/√n; gdy znasz tylko odchylenie standardowe z próby s, użyj t z n − 1 stopniami swobody: t·s/√n. Wartości krytyczne: z = 1,645 (90%), 1,96 (95%), 2,576 (99%). Aby uzyskać margines E lub mniejszy, potrzebujesz n ≥ (z·σ/E)², zaokrąglone w górę.
Liczebność próby jest liczbą całkowitą, a zaokrąglenie w dół dałoby za duży margines.
Odpowiedź: p = 0,025
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.
p ≤ 0,05, więc H₀ odrzuca się na poziomie 5 %.
Odpowiedź: z = −2,855
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, więc H₀ odrzuca się na poziomie 5 % (test dwustronny).
Odpowiedź: r = 0,9593
Regresja metodą najmniejszych kwadratów: przy średnich x̄ i ȳ oraz Sxx = Σ(x − x̄)², Syy = Σ(y − ȳ)² i Sxy = Σ(x − x̄)(y − ȳ) prosta ŷ = a + b·x ma współczynnik kierunkowy b = Sxy/Sxx i wyraz wolny a = ȳ − b·x̄, więc zawsze przechodzi przez punkt (x̄, ȳ). Współczynnik korelacji Pearsona r = Sxy/√(Sxx·Syy) leży między −1 a 1; r² to część zmienności y wyjaśniona przez prostą.
Odpowiedź: ŷ = 19,9
Regresja metodą najmniejszych kwadratów: przy średnich x̄ i ȳ oraz Sxx = Σ(x − x̄)², Syy = Σ(y − ȳ)² i Sxy = Σ(x − x̄)(y − ȳ) prosta ŷ = a + b·x ma współczynnik kierunkowy b = Sxy/Sxx i wyraz wolny a = ȳ − b·x̄, więc zawsze przechodzi przez punkt (x̄, ȳ). Współczynnik korelacji Pearsona r = Sxy/√(Sxx·Syy) leży między −1 a 1; r² to część zmienności y wyjaśniona przez prostą.
Odpowiedź: χ² = 25,85
Testy chi-kwadrat: porównaj liczebności obserwowane O z liczebnościami E oczekiwanymi przy H₀ za pomocą χ² = Σ(O − E)²/E. Test zgodności: E = n·p dla każdej kategorii, df = k − 1 (minus jeden za każdy parametr estymowany z danych). Niezależność w tabeli r × c: E = suma wiersza × suma kolumny / suma ogólna, df = (r − 1)(c − 1). Odrzuć H₀, gdy χ² przekracza wartość krytyczną dla wybranego α.
df = 2. Przy α = 0,05 wartość krytyczna wynosi 5,991, więc decyzja dotycząca H₀ (niezależności): odrzucona.
Odpowiedź: χ²crit = 11,35
Testy chi-kwadrat: porównaj liczebności obserwowane O z liczebnościami E oczekiwanymi przy H₀ za pomocą χ² = Σ(O − E)²/E. Test zgodności: E = n·p dla każdej kategorii, df = k − 1 (minus jeden za każdy parametr estymowany z danych). Niezależność w tabeli r × c: E = suma wiersza × suma kolumny / suma ogólna, df = (r − 1)(c − 1). Odrzuć H₀, gdy χ² przekracza wartość krytyczną dla wybranego α.
Odrzuć H₀, jeśli obliczone χ² jest większe od tej wartości.
ExamProblems · examproblems.com/courses/statistics-2-inference