A 300 halálos baleset felmérése azt mutatta, hogy 123 volt alkohollal kapcsolatos. 95% -os konfidencia intervallumot kell megállapítani az alkoholhoz kapcsolódó halálos balesetek arányához?
Hol lesz szűkebb az előrejelzési intervallum vagy a konfidencia intervallum: közel az átlaghoz vagy az átlaghoz képest?
Mind az előrejelzés, mind a konfidencia intervallumok szűkebbek az átlag közelében, ez könnyen látható a megfelelő hibahatárban. A következőkben a konfidencia intervallum hibahatára van. E = t _ {alfa / 2, df = n-2}, s_eqrt {{fr {1} {n} + fr {(x_0 - {{}} ^ 2} {S_ {xx }})} A következő az E = t _ {alfa / 2, df = n-2} predikciós intervallum hibahatára, ha s_eqrt {(1 + fr {1} {n} + frac {( x_0 - {{}} ^ 2} {S_ {xx}})} Mindkét esetben látjuk a (x_0 - bar {x}) ^ 2 kifejezést, amely a az előrejelzési pont az átlagtól. Ezért a CI
Hogyan használjuk a közbenső érték tételét annak ellenőrzésére, hogy a [0,1] intervallumban f (x) = x ^ 3 + x-1 intervallumban van-e nulla?
![Hogyan használjuk a közbenső érték tételét annak ellenőrzésére, hogy a [0,1] intervallumban f (x) = x ^ 3 + x-1 intervallumban van-e nulla?](https://img.go-homework.com/algebra/how-do-you-use-the-distributive-property-to-multiply-63r4s.jpg "Hogyan használjuk a közbenső érték tételét annak ellenőrzésére, hogy a [0,1] intervallumban f (x) = x ^ 3 + x-1 intervallumban van-e nulla?")
Ebben az intervallumban pontosan 1 nulla van. A közbenső érték tétel azt állítja, hogy az [a, b] intervallumban definiált folyamatos függvényhez c lehet egy szám, ahol f (a) <c <f (b), és hogy EE x [a, b] -nél olyan, hogy f (x) = c. Ennek az az következménye, hogy ha az f (a)! = Jelének f (b) jele azt jelenti, hogy az x, a [b, b] -ben kell lennie úgy, hogy f (x) = 0, mert 0 nyilvánvalóan a negatívok és pozitívok. Tehát a végpontokban legyen alpont: f (0) = 0 ^ 3 + 0 -1 = -1 f (1) = 1 ^ 3 + 1 - 1 = 1 ez&#