Jeśli te same osoby rozwiązują kilka zadań w losowej kolejności i chcemy porównać rozkłady czasów ich rozwiązywania, użyjemy:

Zbiór wartości, który z prawdopodobieństwem $1-\alpha$ pokrywa prawdziwą wartość nieznanego parametru populacji, to:

Funkcja `binom.test` w R służy między innymi do:

Do weryfikacji hipotezy o dwóch średnich populacyjnych nie użyjemy:

Jeżeli $X_1,\ldots,X_n$ jest próbą z rozkładu normalnego o średniej $\mu$ i odchyleniu standardowym $\sigma$, to średnia z próby $\overline{X}$ ma rozkład:

Błąd II rodzaju polega na:

Która z poniższych funkcji nie jest przeznaczona do testowania normalności rozkładu?

Wykres pudełkowy pozwala odczytać:

Załóżmy, że pobrane zostały losowo dwie próby z rozkładów normalnych. Do oceny przedziałowej ilorazu wariancji populacyjnych można wykorzystać funkcję:

Notacji H0:p≤0.9, H1:p>0.9 użyjemy do zapisu:

Do testowania hipotezy o normalności rozkładu populacji można użyć:

Jeżeli $y=b_0+b_1x$ jest równaniem prostej regresji, to w teście istotności regresji hipoteza alternatywna ma postać:

Funkcja `lillie.test` służy do:

Rozważmy eksperyment, w którym badana jest liczba niedopełnionych puszek w zależności od automatu napełniającego (jest 6 automatów). Eksperymentator zauważył, że z upływem czasu ilość napoju w puszce maleje, niezależnie od tego, który automat je napełnia. Zatem założenie o normalności rozkładu liczby niedopełnionych puszek nie ma sensu. Którego testu użyć do sprawdzenia, czy wybór automatu ma wpływ na liczbę niedopełnionych puszek?

Jeśli równanie prostej regresji ma postać y=b0+b1x, to dodatnia wartość współczynnika regresji b1 informuje:

Z wykresu pudełkowego nie odczytamy wartości:

Jeśli równanie prostej regresji ma postać y=b0+b1x, to ujemna wartość współczynnika regresji informuje:

Estymatorów współczynników równania regresji nie wyznaczymy za pomocą:

Dla ciągłej zmiennej losowej dystrybuanta jest zwykle:

Do weryfikacji hipotezy o dwóch proporcjach populacyjnych można wykorzystać funkcję: