- TI nspire
[TI-nspire] 통계, (모평균의) 신뢰 구간 구하는 방법(예제). Statistics - Confidence Intervals
-
- 2024.10.28 - 02:34 2015.12.24 - 11:26 2114 4
1. 다음 샘플의 모평균에 대한 95% 신뢰구간을 추정하시오.
샘플 = {20,20,25,21,21,23,19,18,22}
문제 출처 : http://math7.tistory.com/66
2. 기본 통계값을 구함 (생략하고 3으로 뛰어도 됨)
【menu】【6】【1】【1】 : One Variable Statistics
3. 신뢰구간 Confidence Intervals 을 구함
- tInterval 프로그램은 DATA 를 직접 이용할 수도 있고, 통계값을 이용할 수도 있다.
tInterval List [, Freq [, CLevel ]]
(Data list input)
tInterval , sx, n[, CLevel]
(Summary stats input)
- 신뢰구간에 대한 요약된 결과는 stat.results 에 저장된다.
다른 통계 프로그램이 사용하는 변수명과 동일하므로 overwrite 될 수 있다.
- sx는 모편차(σx)가 아닌, 표본의 편차임에 주의하자.
- 변수명
Output variableDescriptionstat.CLower, stat.CUpperConfidence interval for an unknown population meanstat.$\overline{x}$Sample mean of the data sequence from the normal random distributionstat.MEMargin of errorstat.dfDegrees of freedomstat.σxSample standard deviationstat.nLength of the data sequence with sample mean
-
25
댓글4
-
-
세상의모든계산기
Sample DATA가 아니라, 통계치가 주어졌을 때
문제:
어느 회사에서 전자기기용 부품인 힌지를 만들고 있습니다.
생산 라인은 안정화되어, 샘플 테스트시 고장이 발생할 때까지 접힐 수 있는 횟수는 정규 분포를 이룹니다.
평균 접히는 횟수는 25만번이고, 표준편차는 2만번으로 나타났습니다.
이번 Lot 생산품중 100개의 샘플을 수거하여 조사하였을 때
제품이 고장날 때까지 접힐 수 있는 평균 횟수의 95% 신뢰구간을 구하세요.
주어진 값
- 모집단 평균 (\(\mu\)): 250,000
- 모집단 표준편차 (\(\sigma\)): 20,000
- 샘플 크기 (\(n\)): 100
- 신뢰수준 = 95% (\( Z = 1.96 \))풀이
1. 표준 오차 (Standard Error, SE) 계산:
$ SE = \dfrac{\sigma}{\sqrt{n}} = \dfrac{20,000}{\sqrt{100}} = \dfrac{20,000}{10} \approx 2,000 $2. 95% 신뢰구간 계산: \[
\text{신뢰 구간} = \bar{X} \pm z_{\alpha/2} \times SE
\]
여기서 \(\bar{X} = \mu = 250,000\)이므로,
\[
\text{신뢰 구간} = 250000 \pm 1.96 \times 2000
\]3. 결과:
$ \text{95% 신뢰구간} = (246080, 253920) $ -
1
세상의모든계산기
6: Statistics - 6: Confidence Intervals - 1: z Interval
Data Input method : Stats
(Data list input) zInterval σ,List[,Freq[,CLevel]]
(Summary stats input) zInterval σ,$ \overline{x} $,n [,CLevel]
-
세상의모든계산기
z-interval vs t-interval 차이점
통계 프로그램에서 t-interval과 z-interval은 모집단의 평균을 추정할 때 사용하는 신뢰 구간 계산 방법으로, 모집단의 분산(또는 표준편차) 정보 유무와 표본 크기에 따라 선택됩니다.
1. z-interval (Z 신뢰 구간)
- 사용 조건: 모집단의 표준편차(\(\sigma\))를 알고 있을 때 사용합니다.
- 표본 크기 요건: 일반적으로 표본 크기가 충분히 큰 경우(보통 \( n \geq 30 \))에 사용하면 정규분포에 가깝게 추정할 수 있습니다.
- 계산: 신뢰 구간의 한계는 표준 정규분포를 이용해 계산됩니다.
- 예: \( \text{z-interval} = \bar{X} \pm Z_{\alpha/2} \times \frac{\sigma}{\sqrt{n}} \)2. t-interval (T 신뢰 구간)
- 사용 조건: 모집단의 표준편차를 모르는 경우 사용하며, 표본 표준편차(\(s\))를 대신 사용합니다.
- 표본 크기 요건: 표본 크기가 작을 때(보통 \( n < 30 \)) 또는 모집단의 분산을 알 수 없을 때 주로 사용됩니다.
- 계산: 신뢰 구간의 한계는 t-분포를 이용해 계산합니다. 이때 자유도(\(n-1\))가 필요합니다.
- 예: \( \text{t-interval} = \bar{X} \pm t_{\alpha/2, \, n-1} \times \frac{s}{\sqrt{n}} \)
세상의모든계산기 님의 최근 댓글
HP-39gII 에 ExistOS 설치하기 https://allcalc.org/38526 2025 11.07 1. 왜 검은색이 아닌 다른 색으로 보일까? (제공된 LUT 필터) 제가 제공해 드린 magenta_lens.cube LUT 필터는 540~560nm(녹색-노란색) 파장대의 색상을 '완전히 제거(검은색으로 만듦)'하는 대신, '다른 색상으로 왜곡/변환'하도록 설계되었습니다. * 원리: LUT(Look-Up Table)는 특정 입력 색상(Input RGB)을 미리 정해진 다른 출력 색상(Output RGB)으로 매핑하는 테이블입니다. 이 LUT는 540~560nm에 해당하는 RGB 값들이 들어오면, 검은색(0, 0, 0)이 아닌, 매우 어둡거나 채도가 낮은 특정 색(예: 어두운 올리브색, 갈색 등)으로 변환하라고 지시합니다. * 의도: * 현실적인 물리 필터 시뮬레이션: 실제 고가의 색약 보정 안경도 특정 파장을 100% 완벽하게 차단하지는 못합니다. 빛의 일부를 흡수하고 일부는 통과시키거나 변환하는데, 이 LUT는 그러한 현실 세계의 필터 효과를 더 비슷하게 흉내 냈을 수 있습니다. * 시각적 정보 유지: 특정 색을 완전히 검게 만들면 그 부분의 형태나 질감 정보가 완전히 사라집니다. 하지만 다른 어두운 색으로 대체하면, 색상 정보는 왜곡되더라도 밝기나 형태 정보는 어느 정도 유지되어 전체적인 이미지가 덜 어색하게 보일 수 있습니다. 결론적으로, 스펙트럼 그림에서 해당 대역의 색이 갑자기 '다른 색으로 툭 바뀌는' 현상은, LUT 필터가 "이 파장대의 색은 앞으로 이 색으로 표시해!"라고 강제적으로 지시한 결과이며, 이것이 바로 이 필터가 작동하는 방식 그 자체입니다. 2. 왜 'Color Vision Helper' 앱은 검은색으로 보일까? 비교하신 'Color Vision Helper' 앱은 노치 필터의 원리를 더 이상적(Ideal)이고 교과서적으로 구현했을 가능성이 높습니다. * 원리: "L-콘과 M-콘의 신호가 겹치는 540~560nm 파장의 빛은 '완전히 차단'되어야 한다"는 개념에 매우 충실한 방식입니다. * 구현: 따라서 해당 파장에 해당하는 색상 정보가 들어오면, 어떠한 타협도 없이 그냥 '검은색(RGB 0, 0, 0)'으로 처리해 버립니다. 이는 "이 파장의 빛은 존재하지 않는 것으로 처리하겠다"는 가장 강력하고 직접적인 표현입니다. 2025 11.06 적용사례 4 - 파장 스펙트럼 https://news.samsungdisplay.com/26683 ㄴ (좌) 연속되는 그라데이션 ➡️ (우) 540 이하 | 구분되는 층(색) | 560 이상 - 겹치는 부분, 즉 540~560 nm 에서 색상이 차단? 변형? 된 것을 확인할 수 있음. 그럼 폰에서 Color Vision Helper 앱으로 보면? ㄴ 540~560 nm 대역이 검은 띠로 표시됨. 완전 차단됨을 의미 2025 11.05 빨간 셀로판지로도 이시하라 테스트 같은 숫자 구분에서는 유사한 효과를 낼 수 있다고 합니다. 색상이 다양하다면 빨강이나, 노랑, 주황 등도 테스트해보면 재밌겠네요. 2025 11.05 안드로이드 앱 - "Color Vision Helper" 다운받아 본문 내용을 카메라로 찍어 보니, 본문 프로그램에서는 애매하게 보이던 부분에서도 구분이 완전 확실하게 되네요. 숫자 구분 능력 & 편의성 면에서 압도적이라고 할 수 있겠습니다. 2025 11.05