Probability and Statistics Homework 9  Due Monday February 21  Objectives: Apply fundamental properties and theorems seen in class to compute probabilities of events;  Identify fundamental distributions when they arise in real‐world problems (Bernoulli

, binomial, geometric,  Poisson, uniform, normal, exponential); Use the central limit theorem to derive confidence intervals and  hypothesis tests for means, proportions; Create and interpret data using various methods of displaying circle  graphs, histograms, and frequency curves; Describe the role of sampling, randomness, bias, and sample size in  data collection and interpretation.  1. Fun with hypothesis testing!  The calibration of a scale is to be checked by weighing a 10‐kg test specimen 25 times.  Suppose that the  results of different weighings are independent of one another and that the weight on each trial is  normally distributed with σ=0.200 kg.  Let μ denote the true average weight reading on the scale.  a. What hypotheses should be tested?  b. Suppose the scale is to be recalibrated if either  ≥10.1032 or   ≤ 9.8968.  What is the probability  that recalibration is carried out when it is actually unnecessary?  c. What is the probability that recalibration is judged unnecessary when in fact μ=10.1?  d. What is the appropriate rejection region if we have instead a sample size of 10 (rather than 25) and  would like α=0.05?  e. Using the test of part (f), what would you conclude from the following sample data:  9.981  10.006    9.857    10.107    9.888  9.728  10.439    10.214    10.190    9.793  [Hint: What assumptions must you make in order to use the methods from class?  State but do not  test these assumptions on this problem.]  f. Construct a 95% confidence interval for the mean using the sample data of part (e).  What does this  confidence interval tell you about your hypothesis test?    2. The article “Evaluating Tunnel Kiln Performances” (Amer. Ceramic Soc. Bull., Aug. 1997: 59‐63) gave the  following summary information for the fracture strengths (MPa) of n=169 ceramic bars fired in a  particular kiln:   = 89.10m, s=3.73.  a. Calculate a two‐sided confidence interval for the true average fracture strength using a  confidence level of 95%.  Does it appear that true average fracture strength has been precisely  estimated?  b. Suppose the investigators had believed a priori that the population standard deviation was  about 4 MPa.  Based on this supposition, how large a sample would have been required to  estimate µ to within 0.5 MPa with 95% confidence?    3.  A random sample of n=8 E‐glass fiber test specimens of a certain type yielded a sample mean interfacial  shear yield stress of 30.2 and a sample standard deviation of 3.1 (“On Interfacial Failure in Notched  Unidirectional Glass/Epoxy Composites,” J. of Composite Materials, 1985: 276‐286).  Assuming that  interfacial shear yield stress is normally distributed, compute a 95% CI for true average stress (as did the  authors in the cited article).    4.  [Minitab required.  Instructions for using Minitab for hypothesis testing appear at the end of this  assignment.]  Automatic identification of the boundaries of significant structures within a medical image  is an area of ongoing research.  The paper “Automatic Segmentation of Medical Images Using Image  Registration: Diagnostic and Simulation Applications” (J. of Medical Engineering and Technology, 2005:  53‐63) discussed a new technique for such identification.  A measure of the accuracy of the automatic 

00  1.58  0.83  0.01 is to be based on a random  sample of 10 insulators.06  0.    9.99  0. The true average breaking strength of ceramic insulators of a certain type is supposed to be at least 10  psi.58  0.    1.67  9.25  0.85  9.0?  Carry out an appropriate test of hypotheses using Minitab.  Then using that rejection region.85  0. What sample size would be necessary to have a 75% chance of detecting that the true average  breaking strength is 9.    5.95  9.44  1.75  0.46  0.66  0.66  1.57  0. Is it plausible that ALD is at least approximately normally distributed?  c. Carry out an appropriate hypothesis test at the 5% significance level using the three methods  discussed in class (rejection region. first  determine the rejection region of the hypothesis test that the mean is at least 10 psi.  A test of hypotheses using alpha = 0.82  1.04  0.  b. Must normality be assumed prior to calculating a CI for true average ALD or testing hypotheses about  true average ALD? Explain.75  9.80.28  0.   How likely is it that insulators will be judged  satisfactory when the true average breaking strength is actually only 9.89  9.  d.05  0.  Does the data suggest that this condition has not been met?  To answer this.5.0.   (Use Minitab to do this.44  1.64  1.  a.62  1.56  0.93  9. hint hint).30  0. of Testing and Evaluation.67  9.34  1.5?    6.  Assume that the breaking‐strength distribution is normal with standard  deviation of 0.43  0.92    .  The data are below.38  0.65  0.99  9. The authors commented that in most cases.82  1.54  0. the ALD is better (less) than or of the order of 1.28  0.52  0.  They will be used for a particular application unless sample data indicates conclusively that this  specification has not been met.)  b.  Suppose a true average flame  time of at most 9.  Summarize/describe the data using descriptive statistics and graphical analysis. by a specified amount.70  0.87  9.58  1.  The paper gave the following ALD observations for a  sample of 49 kidneys (units of pixel dimensions). confidence interval and p‐value).  That is. it is the probability of rejecting H0 when the true mean deviates from the  hypothesized mean.95    9. Be sure to state and test your assumptions (you may use Minitab if you would like to graph the  data in a particular way. as stated  in the problem.39  0.54  0.5?  [To solve this. [Minitab required] The accompanying observations on residual flame time (sec) for strips of treated  children’s nightwear were given in the article.75 seconds had been mandated. calculate the probability that the test statistic  computed from your data will fall in that rejection region if the true mean is actually 9.41  0.51  a.45  0.09  0.10  0.45  0. “An Introduction to Some Precision and Accuracy of  Measurement Problems” (J.  Does  the data in fact provide strong evidence for concluding that the true average ALD under these  circumstances is less than 1. µ0.77  9.92  9.51  1.59  0. The power of a test is the probability that it will correctly identify when the null hypothesis no  longer holds.56  0. 1982: 132‐140). and are also available on Sakai.]  b.11  0.83  0.93  9.94  9.74          9.38  1.83  9.88  9.75  9.64  0.51  0.85  9. do the following:  a.region is the average linear displacement (ALD).

 and the alternate  hypothesis. you can choose whether to compare two sets using the samples in different columns  option. you have the option to compare columns of data that are given to you or to simply enter the summary of  a data set. you can change the assumed  confidence level. slight modifications to your procedure can make things much easier than trying to do it out  by hand.    Paired t Test:  The Paired t Test to compare the means of paired samples is performed very similarly to the Two‐Sample t Test.  If  you are given summarized data. mean. samples in two columns. or large  samples).  Under the options menu you can change the confidence level.  Note that if you click on options.    Other Statistical Tests  Two‐Sample t Test:  There are several ways to use the Two‐Sample t Test in Minitab to quickly determine confidence intervals and T‐ values for the difference in means of two independent samples. and standard deviation of each data set.    Other hypothesis tests in Minitab (Can be accessed via Stat   Basic Statistics):    . as this could change your results.  Depending on whether you have the actual  data or a summary.Confidence Intervals and Hypothesis Testing  Wyatt Toolson 11/18/05   (Revised 12/1/07 by Susan Martonosi)    Minitab can help you calculate confidence intervals and conduct hypothesis tests on your experimental data. and standard deviation of each data set. test difference.  Again.    One‐Sample t Test:  The one‐sample t Test (for normally distributed samples with unknown standard deviation) is performed very  similarly to the One‐Sample Z test.  Make sure that you do not have the  “Assume equal variances” box checked unless you are told that the variances are equal or if you have tested this  hypothesis. sample mean.  If you are given summarized  data.  If you are given  actual data.  To get to the Two‐Sample t Test.  Clicking on Graphs will produce the graphs you  need to test your assumptions about the normality of your data. or summarized data. you can choose which column contains your data. test difference.    You then have the option of looking at samples in one column. and also the alternate hypothesis. or you can have it differentiate between subscripts if you have a single column of data and then another  column specifying what the result was. simply enter the sample size.    One‐Sample Z Test:  To get to the One‐Sample Z Test (for normally distributed samples with known standard deviation. go to    Stat ‐> Basic Statistics ‐> 2‐Sample t. go to    Stat ‐> Basic Statistics ‐> 1‐Sample Z.   To get to it. you can change  the assumed confidence level.  Minitab can make things much easier than trying to do it out by hand. and also the alternate hypothesis.  whether you have the full data set. simply enter the sample size.  Note that if you click on options. or just summary information like the sample mean and sample standard  deviation. go to    Stat ‐> Basic Statistics ‐> Paired t.    You then have the option of looking at samples in one column or summarized data.  If  you are given actual data.

      .  Given an estimate of the population standard deviation. as well  as storage options for the results.  Under Options.      Stat   Power and Sample Sizes   Select the appropriate test    Provide the estimated standard deviation and any two of the three quantities and Minitab gives you the third. the difference you want to detect and  the sample size. Minitab can do a power analysis and sample size  determination. Minitab can compute the power (1 – P(Type II error)).  Given an estimate of the population  standard deviation.Single Proportion Test: Tests whether the true proportion of a population having a particular property differs  from a hypothesized value    Two Proportion Test: Tests the difference between two proportions from two independent samples. P(Type I error)) and a two‐sided hypothesis test. you  can select a different alpha for your experiment and specify what type of hypothesis test you are doing.    Power Tests: For all the tests we have seen in class. the difference you want to detect and the desired power.   The default setting is for alpha = 0.    Two Variances Test: Tests the equality of variances of two samples.05 (i. Minitab can compute the  necessary sample size.e.

Sign up to vote on this title
UsefulNot useful

Master Your Semester with Scribd & The New York Times

Special offer for students: Only $4.99/month.

Master Your Semester with a Special Offer from Scribd & The New York Times

Cancel anytime.