AP Statistics alıştırma soruları: hızlı tekrar paketi

Betimsel istatistik: ortalama, toplamın n'ye bölümüdür; medyan, sıralanmış verinin ortadaki değeridir (n çiftse ortadaki iki değerin ortalaması). Örneklem standart sapması s = √(Σ(x − x̄)²/(n − 1)). z puanı z = (x − μ)/σ, bir değerin ortalamadan kaç standart sapma uzakta olduğunu söyler.

Betimsel istatistik: ortalama, toplamın n'ye bölümüdür; medyan, sıralanmış verinin ortadaki değeridir (n çiftse ortadaki iki değerin ortalaması). Örneklem standart sapması s = √(Σ(x − x̄)²/(n − 1)). z puanı z = (x − μ)/σ, bir değerin ortalamadan kaç standart sapma uzakta olduğunu söyler.

Kesikli rastgele değişkenler: bir olasılık dağılımı, bir değişkenin alabileceği her x değerini p(x) olasılığıyla listeler; olasılıklar 0 ile 1 arasındadır ve toplamları 1’dir. Beklenen değer (ortalama) E(X) = Σx·p(x)’tir, yani uzun vadeli ortalamadır. Varyans Var(X) = Σ(x − μ)²·p(x) = E(X²) − μ²’dir ve standart sapma σ = √Var(X)’tir. Doğrusal bir değişimde Y = aX + b: E(Y) = a·E(X) + b, Var(Y) = a²·Var(X) ve σ_Y = |a|·σ_X’tir; sabit eklemek yayılımı değiştirmez.

Olasılık: eşit olasılıklı sonuçlarda P(A) = uygun/toplam. Bağımsız olaylarda çarpılır: P(A ve B) = P(A)·P(B). Tümleyen çoğu zaman işe yarar: P(en az bir) = 1 − P(hiç). Binom: başarı olasılığı p olan n bağımsız denemede P(X = k) = C(n, k)·pᵏ·(1 − p)ⁿ⁻ᵏ.

Normal değişkenlerin toplamı ve farkı: X ve Y bağımsız ve normal ise X + Y ve X − Y de normaldir. Ortalamalar toplanır ya da çıkarılır: E(X ± Y) = μ_X ± μ_Y. Varyanslar fark için de her zaman toplanır: Var(X ± Y) = σ_X² + σ_Y², dolayısıyla σ = √(σ_X² + σ_Y²). Standart sapmalar asla doğrudan toplanmaz. Aynı dağılıma sahip n bağımsız parçanın toplamının ortalaması n·μ, standart sapması σ·√n’dir. Sonra her zamanki gibi standartlaştırın: z = (x − ortalama)/σ ve Φ(z)’yi okuyun.

Normal dağılım: bir x değerini z = (x − μ)/σ ile z puanına çevirin; z, ortalamadan kaç standart sapma uzakta olunduğunu sayar. z tablosu (ya da Φ(z)) z’nin solundaki alanı, yani P(X < x) değerini verir. Sağdaki alan 1 − Φ(z), iki değer arasındaki alan ise bu iki alanın farkıdır.

En küçük kareler regresyonu: x̄ ve ȳ ortalamalar olmak üzere Sxx = Σ(x − x̄)², Syy = Σ(y − ȳ)² ve Sxy = Σ(x − x̄)(y − ȳ) ise ŷ = a + b·x doğrusunun eğimi b = Sxy/Sxx ve kesişimi a = ȳ − b·x̄’dir; bu yüzden doğru her zaman (x̄, ȳ) noktasından geçer. Pearson korelasyon katsayısı r = Sxy/√(Sxx·Syy) −1 ile 1 arasındadır; r², y’deki değişimin doğru tarafından açıklanan oranıdır.

En küçük kareler regresyonu: x̄ ve ȳ ortalamalar olmak üzere Sxx = Σ(x − x̄)², Syy = Σ(y − ȳ)² ve Sxy = Σ(x − x̄)(y − ȳ) ise ŷ = a + b·x doğrusunun eğimi b = Sxy/Sxx ve kesişimi a = ȳ − b·x̄’dir; bu yüzden doğru her zaman (x̄, ȳ) noktasından geçer. Pearson korelasyon katsayısı r = Sxy/√(Sxx·Syy) −1 ile 1 arasındadır; r², y’deki değişimin doğru tarafından açıklanan oranıdır.

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.

Ortalama için güven aralığı: x̄ ± hata payı. Anakütle σ’sı biliniyorsa hata payı z·σ/√n’dir; yalnızca örneklem standart sapması s biliniyorsa n − 1 serbestlik dereceli t kullanın: t·s/√n. Kritik değerler: z = 1,645 (%90), 1,96 (%95), 2,576 (%99). E veya daha küçük bir hata payı için n ≥ (z·σ/E)² gerekir, yukarı yuvarlanır.

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.

Ortalama testi: test istatistiği, örneklem ortalamasının H₀'da iddia edilen değerden kaç standart hata uzakta olduğunu ölçer: σ biliniyorsa z = (x̄ − μ₀)/(σ/√n), örneklemden tahmin ediliyorsa t = (x̄ − μ₀)/(s/√n). Güven aralığı x̄ ± (kritik değer)·(standart hata)'dır.

Ki-kare testleri: gözlenen frekansları O, H₀ altında beklenen frekanslar E ile χ² = Σ(O − E)²/E kullanarak karşılaştırın. Uyum iyiliği: her kategori için E = n·p, sd = k − 1 (verilerden tahmin edilen her parametre için bir eksik). r × c tablosunda bağımsızlık: E = satır toplamı × sütun toplamı / genel toplam, sd = (r − 1)(c − 1). χ² seçilen α için kritik değeri aşarsa H₀’ı reddedin.

Ki-kare testleri: gözlenen frekansları O, H₀ altında beklenen frekanslar E ile χ² = Σ(O − E)²/E kullanarak karşılaştırın. Uyum iyiliği: her kategori için E = n·p, sd = k − 1 (verilerden tahmin edilen her parametre için bir eksik). r × c tablosunda bağımsızlık: E = satır toplamı × sütun toplamı / genel toplam, sd = (r − 1)(c − 1). χ² seçilen α için kritik değeri aşarsa H₀’ı reddedin.