Wzory, najważniejsze kroki metod dla każdego tematu i 10 zadań do ćwiczenia, z pełnymi rozwiązaniami na końcu.
Rozkład wyników egzaminu jest normalny ze średnią 65 pkt i odchyleniem standardowym 10 pkt. Jaka część wartości leży między 49 a 77 pkt? Podaj P w postaci dziesiętnej.
Średnice otworów D mają rozkład normalny ze średnią 25,04 mm i odchyleniem standardowym 0,02 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 20 elementów ma średnią 66 i odchylenie standardowe s = 17,5. Populacja ma w przybliżeniu rozkład normalny. Wyznacz dolną granicę przedziału ufności 95% dla średniej.
Odchylenie standardowe populacji wynosi 5. Jak liczna musi być próba n, aby przedział ufności 95% dla średniej miał margines błędu co najwyżej 1,5?
Twierdzi się, że średnia populacji wynosi 100; odchylenie standardowe populacji jest znane i wynosi 36. Losowa próba 144 obserwacji ma średnią 105,4. Przetestuj H₀: μ = 100 przeciw H₁: μ > 100. Wyznacz wartość p p.
Jednostronny test z na poziomie α = 0,01 ma wykryć przesunięcie średniej o 1,5 jednostek z mocą 80 %. Odchylenie standardowe wynosi 4. Wyznacz minimalną liczebność próby n.
Tabela podaje 6 par obserwacji x = liczba godzin nauki i y = wynik egzaminu. 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. Dla jakiej wartości x prosta przewiduje ŷ = 24?
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 porównuje liczebności obserwowane w 3 kategoriach z w pełni określonymi oczekiwanymi udziałami (żadne parametry nie są estymowane z danych). Ile stopni swobody df ma test?
Odpowiedź: P = 0,8301
Rozkład normalny: zamień wartość x na wynik z, z = (x − μ)/σ, który mówi, o ile odchyleń standardowych wartość leży od średniej. Tablica rozkładu normalnego (czyli Φ(z)) podaje pole na lewo od z, czyli P(X < x). Pole na prawo to 1 − Φ(z), a pole między dwiema wartościami to różnica ich dwóch pól.
Odpowiedź: P = 0,9207
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 = 57,81
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 = 43
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 = 0,03593
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: n = 72
Liczebność próby dla testu: aby wykryć prawdziwe przesunięcie δ z mocą 1 − β w jednostronnym teście z na poziomie α, błąd standardowy musi spełniać δ = (z_α + z_β)·σ/√n, więc n = ((z_α + z_β)·σ/δ)², zaokrąglone w górę.
Odpowiedź: r² = 0,9898
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 98,98% zmienności y jest wyjaśnione przez prostą.
Odpowiedź: x = 2,57
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 = 2,667
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 = 1. Przy α = 0,05 wartość krytyczna wynosi 3,841, więc decyzja dotycząca H₀ (niezależności): brak podstaw do odrzucenia.
Odpowiedź: df = 2
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.
ExamProblems · examproblems.com/courses/statistics-2-inference