İstatistiğe Giriş: 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.

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.

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.

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.

Bir alandan z’ye geri dönmek: Φ(z), z’nin solundaki alandır. Sol kuyruk alanı A için tabloda Φ(z) = A olan z’yi bulun. Sağ kuyruk alanı A, Φ(z) = 1 − A demektir. −z ile z arasındaki merkezî alan A, her kuyrukta (1 − A)/2 bırakır, yani Φ(z) = (1 + A)/2. Bir x değeri için x = μ + zσ kullanın.

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.

Confidence interval for a proportion: p̂ ± z·√(p̂(1 − p̂)/n), where p̂ = x/n. To reach a margin E you need n ≥ z²·p(1 − p)/E², rounded up; without a prior estimate use p = 0,5, which gives the largest n.

Testing a mean: the test statistic measures how many standard errors the sample mean lies from the value claimed in H₀: z = (x̄ − μ₀)/(σ/√n) when σ is known, t = (x̄ − μ₀)/(s/√n) when it is estimated from the sample. A confidence interval is x̄ ± (critical value)·(standard error).

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.

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.