Wzory, najważniejsze kroki metod dla każdego tematu i 10 zadań do ćwiczenia, z pełnymi rozwiązaniami na końcu.
Masy worków cementu są niezależne i mają rozkład normalny ze średnią 25 kg i odchyleniem standardowym 0,5 kg. Wyznacz prawdopodobieństwo P, że łączna masa 10 z nich przekroczy 248,4 kg. Zaokrąglij z do dwóch miejsc po przecinku.
Rozkład wyników testu IQ jest normalny ze średnią 100 pkt i odchyleniem standardowym 15 pkt. Przeciągnij wartość graniczną tak, aby zacieniowane dolne 95% leżało na lewo od niej. Znajdź wartość graniczną x.
Próba 25 elementów ma średnią 90,5 i odchylenie standardowe s = 13. Populacja ma w przybliżeniu rozkład normalny. Wyznacz dolną granicę przedziału ufności 99% dla średniej.
Średnice 11 toczonych wałków mają odchylenie standardowe z próby 7,3 µm. Zakładając, że średnice mają rozkład normalny, wyznacz σ: dolna granica przedziału ufności 95 % dla odchylenia standardowego populacji. Przy df = 10 2,5 % rozkładu χ² leży poniżej 3,247, a 2,5 % powyżej 20,483.
Twierdzi się, że średnia populacji wynosi 500; odchylenie standardowe populacji jest znane i wynosi 10. Losowa próba 100 obserwacji ma średnią 500,82. Przetestuj H₀: μ = 500 przeciw H₁: μ > 500. Wyznacz wartość p p.
W badaniu klinicznym wyzdrowiało 75 z 300 pacjentów leczonych metodą A i 27 z 150 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 determinacji r² prostej najmniejszych kwadratów.
Tabela podaje 6 par obserwacji x = wiek samochodu w latach i y = cena w tys. €. Użyj prostej najmniejszych kwadratów ŷ = a + b·x. Wyznacz prognozę ŷ dla x = 2,5.
Tabela kontyngencji pokazuje liczebności obserwowane. W teście niezależności chi-kwadrat wyznacz liczebność oczekiwaną E dla komórki „pracownicy, samochód”.
Test zgodności chi-kwadrat sprawdza, czy liczebności w 4 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: P = 0,8438
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: x = 124,6 pkt
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.
Odpowiedź: dolna granica = 83,23
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: σ = 5,101 µm
Przedział dla wariancji: (n − 1)s²/σ² ma rozkład χ² z n − 1 stopniami swobody. Przedział 95 % dla σ² rozciąga się od (n − 1)s² podzielonego przez górną wartość χ² (2,5 % powyżej niej) do (n − 1)s² podzielonego przez dolną wartość χ² (2,5 % poniżej niej); przedział dla σ to pierwiastki z obu granic. Nie jest on symetryczny względem s.
Przedział 95 % dla σ: [5,101, 12,81] µm.
Odpowiedź: p = 0,2061
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 nie ma podstaw do odrzucenia H₀ na poziomie 5 %.
Odpowiedź: z = 1,672
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 nie ma podstaw do odrzucenia H₀ na poziomie 5 % (test dwustronny).
Odpowiedź: r² = 0,9611
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.
Około 96,11% zmienności y jest wyjaśnione przez prostą.
Odpowiedź: ŷ = 18,86
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: E = 28,68
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.
Odpowiedź: χ²crit = 9,21
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