①某校高三一班和高三二班的人数分别是m,n,某次测试数学平均分分别是a,b,则这两个班的数学平均分为
;
②10名工人某天生产同一零件,生产的件数是15,17,14,10,15,17,17,16,14,12,设其平均数为a,中位数为b,众数为c,则有c>a>b;
③从总体中抽取的样本(x1 , y1),(x2 , y2),…,(xn , yn),若记
=
xi ,
=
yi则回归直线y=bx+a必过点(
,
);
④已知ξ服从正态分布N(0,σ2),且p(﹣2≤ξ≤0)=0.3,则p(ξ>2)=0.2;
其中正确的个数有( )
=80,
=20,
yi=184,
=720.
附:线性回归方程y=bx+a中,b=
,a=
﹣b
,其中
,
为样本平均值.

(Ⅰ)地产数据研究院研究发现,3月至7月的各月均价y(万元/平方米)与月份x之间具有较强的线性相关关系,试建立y关于x的回归方程(系数精确到0.01),政府若不调控,依次相关关系预测第12月份该市新建住宅销售均价;
(Ⅱ)地产数据研究院在2016年的12个月份中,随机抽取三个月份的数据作样本分析,若关注所抽三个月份的所属季度,记不同季度的个数为X,求X的分布列和数学期望.
参考数据:
=25,
=5.36,
=0.64
回归方程
中斜率和截距的最小二乘估计公式分别为:
=
,
.
优秀 | 非优秀 | 总计 | |
甲班 | 10 | 55 | |
乙班 | 30 | ||
合计 | 105 |
参考公式:
为样本容量)
随机变量K2的概率分布:
p(K2≥k) | 0.25 | 0.15 | 0.10 | 0.05 | 0.025 | 0.010 | 0.005 | 0.001 |
k | 1.323 | 2.072 | 2.706 | 3.841 | 5.024 | 6.635 | 7.879 | 10.828 |
(单位:cm)与体重
(单位kg)的数据,身高 | 170 | 171 | 166 | 178 | 160 |
体重 | 75 | 80 | 70 | 85 | 65 |
若两个量间的回归直线方程为
,则
的值为 ( )
121.04
B . 123.2
C . 21
D .
45.12
X | 10 | 11.3 | 11.8 | 12.5 | 13 | U | 10 | 11.3 | 11.8 | 12.5 | 13 | |
Y | 1 | 2 | 3 | 4 | 5 | V | 5 | 4 | 3 | 2 | 1 |
用b1表示变量Y与X之间的回归系数,b2表示变量V与U之间的回归系数,则b1与b2的大小关系是。
|
日期 |
1月10号 |
2月10号 |
3月10号 |
4月10号 |
5月10号 |
6月10号 |
|
昼夜温差x(℃) |
10 |
11 |
13 |
12 |
8 |
6 |
|
就诊人数y(人) |
22 |
25 |
29 |
26 |
16 |
12 |
该兴趣小组确定的研究方案是先从这6组数据中选取2组,用剩下的4组数据求线性回归方程,再用被选出的2组数据进行检验.
附;
关
于的线性回归方程;
(单位:天)表示活动推出的天次,
(单位:十人次)表示当天使用扫码支付的人次,整理后得到如图所示的统计表1和散点图. 表1:
| x | 第1天 | 第2天 | 第3天 | 第4天 | 第5天 | 第6天 | 第7天 |
| y | 7 | 12 | 20 | 33 | 54 | 90 | 148 |
参考公式:对于一组数据
,其回归直线
的斜率和截距的最小二乘估计分别为
参考数据:
,
,
.
作为该线路公交车在活动推广期使用扫码支付的人次
关于活动推出天次
的回归方程,根据表2的数据,求此回归方程,并预报第8天使用扫码支付的人次(精确到整数). 表2:
| | | | | | |
| 4 | 52 | 3.5 | 140 | 2069 | 112 |
表中
,
.
表3:
|
支付方式 |
现金 |
乘车卡 |
扫码 |
|
频率 |
10% |
60% |
30% |
|
优惠方式 |
无优惠 |
按7折支付 |
随机优惠(见下面统计结果) |
统计结果显示,扫码支付中享受5折支付的频率为
,享受7折支付的频率为
,享受9折支付的频率为
.已知该线路公交车票价为1元,将上述频率作为相应事件发生的概率,记随机变量
为在活动期间该线路公交车搭载乘客一次的收入(单位:元),求
的分布列和期望.
|
对服务好评 |
对服务不满意 |
合计 |
|
|
对商品好评 |
80 |
40 |
120 |
|
对商品不满意 |
70 |
10 |
80 |
|
合计 |
150 |
50 |
200 |
|
| | | | | | | |
| | | | | | | | |
(
,其中
)
| X | | | | | | | | | | |
| y | | | | | | | | | | |
则两变量之间的线性回归方程为( )
B .
C .
D .
|
x |
2 |
4 |
5 |
6 |
8 |
|
y |
30 |
40 |
60 |
50 |
70 |
参考公式用最小二乘法求线性回归方程系数公式:
,
.
,那么表中m的值为( ) | x | 3 | 4 | 5 | 6 |
| y | 2.5 | 3 | m | 4.5 |
;
|
P(K2≥k) |
0.050 |
0.010 |
0.001 |
|
k |
3.841 |
6.635 |
10.828 |
|
肥胖 |
不肥胖 |
合计 |
|
|
高血压 |
|||
|
非高血压 |
|||
|
合计 |
附:
,
|
购买金额(元) |
| | | | | |
| 人数 | 10 | 15 | 20 | 15 | 20 | 10 |
列联表,并判断是否有95%的把握认为购买金额是否少于60元与性别有关; | 不少于60元 | 少于60元 | 合计 | |
| 男 | 40 | ||
| 女 | 18 | ||
| 合计 |
的分布列及期望. 附:参考公式和数据:
,
.
附表:
| k0 | 2.072 | 2.706 | 3.841 | 6.635 | 7.879 |
| P(K2≥k0) | 0.150 | 0.100 | 0.050 | 0.010 | 0.005 |
①15名志愿者身高的极差小于臂展的极差;
②15名志愿者身高和臂展成正相关关系;
③身高相差10厘米的两人臂展都相差11.6厘米;
④可估计身高为190厘米的人臂展大约为189.65厘米.
来刻画回归效果,
越小说明拟合效果越好
B . 已知随机变量
,若
,则
C . 某人每次投篮的命中率为
,现投篮5次,设投中次数为随机变量
.则
D . 对于独立性检验,随机变量
的观测值
值越小,判定“两分类变量有关系”犯错误的概率越大
,变量x增加1个单位时,y平均减少5个单位
C . 线性相关系数r越大,两个变量的线性相关性越强;反之,线性相关性越弱
D . 在某项测量中,测量结果ξ服从正态分布N(1,σ2)(σ>0),则P(ξ>1)=0.5
经计算得
,
,
,
,
.

附:(i)相关系数:
;相关系数
时相关性较强,
时相关性一般,
时相关性较弱.
(ii)线性回归方程:
, 其中
, 
年份 | 2017 | 2018 | 2019 | 2020 | 2021 |
年份代码 | 1 | 2 | 3 | 4 | 5 |
| 2 | 4 | 4 | 7 | 8 |
经过相关系数的计算和绘制散点图分析,我们发现
与
的线性相关程度很高.请建立
关于
的回归方程
, 并据此回归方程预测该校2023年的毕业生中,去从事大学生村官工作的人数.
附:
,
.
附参考公式及参考数据:
, 其中
.
| 0.40 | 0.25 | 0.10 | 0.010 |
| 0.708 | 1.323 | 2.706 | 6.635 |
列联表:喜欢运动 | 不喜欢运动 | 总计 | |
男 | |||
女 | |||
总计 |
根据小概率值
的
独立性检验,能否据此推断性别与喜爱运动有关?
, 求
的分布列.