x | 0 | 1 | 2 | 3 |
y | 1 | 3 | 5 | 7 |
B .
C .
D .
车型 | A型 | B型 | C型 |
频数 | 20 | 40 | 40 |
假设该店采用分层抽样的方法从上维修的100辆该品牌三种类型汽车中随机抽取10辆进行问卷回访.
价格(万元) | 25 | 23.5 | 22 | 20.5 |
销售量(辆) | 30 | 33 | 36 | 39 |
已知A型汽车的购买量y与价格x符合如下线性回归方程:
=
x+80,若A型汽车价格降到19万元,请你预测月销售量大约是多少?
=0.85x﹣85.71,则下列结论中不正确的是( )
,
)
C . 若该大学某女生身高增加1cm,则其体重约增加0.85kg
D . 若该大学某女生身高为170cm,则可断定其体重必为58.79kg
商店名称 | A | B | C | D | E |
销售额x(千万元) | 3 | 5 | 6 | 7 | 9 |
利润额y(百万元) | 2 | 3 | 3 | 4 | 5 |
x | 2 | 3 | 4 | 5 | 6 |
y | 2.2 | 3.8 | t | 6.5 | 7.0 |
根据上表提供的数据,求出了y关于x的线性回归方程为
=1.23x+0.08,那么统计表中t的值为( )
=80,
=20,
iyi=184,
=720.(b=
)
x | 3 | 4 | 5 | 6 |
y | 2.5 | 3 | 4 | 4.5 |
(
=
,
=
﹣
)
=
x+
;
日 期 | 1月11日 | 1月12日 | 1月13日 | 1月14日 | 1月15日 |
平均气温x(℃) | 9 | 10 | 12 | 11 | 8 |
销量y(杯) | 23 | 25 | 30 | 26 | 21 |
(Ⅰ)若先从这五组数据中抽出2组,求抽出的2组数据恰好是相邻2天数据的概率;
(Ⅱ)请根据所给五组数据,求出y关于x的线性回归方程
=
x+
;
(Ⅲ)根据(Ⅱ)中所得的线性回归方程,若天气预报1月16日的白天平均气温7(℃),请预测该奶茶店这种饮料的销量.
(参考公式:
=
,
=
﹣
)
,则下列说法错误的是( )Z | 1 | 2 | 3 | 4 |
y | 6 | 5 | 3 | 2 |
,则可预测当x=5时,y=0.5
D . 相关系数r=-1.4
空气质量指数t | (0,50] | (50,100] | (100,150] | (150,200) | (200,300] | (300,+∞) |
质量等级 | 优 | 良 | 轻微污染 | 轻度污染 | 中度污染 | 严重污染 |
天数K | 5 | 23 | 22 | 25 | 15 | 10 |
(
取整数)存在如下关系
且当t>300时,y>500,估计在某一医院收治此类病症人数超过200人的概率;
,现已取出了10对样本数据(ti , yi)(i=1,2,3,…,10),且知
试用可线性化的回归方法,求拟合曲线的表达式.(附:线性回归方程
中,
,
.)

为了研究计算的方便,工作人员将上表的数据进行了处理,
得到下表:

关于
的线性回归方程;
(万元)与年产量
(万吨)满足
,且每年该农产品都能售完,当年产量
为何值时,销售额
最大?附: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別为:
.
,样本点的中心为
,则回归直线方程为.
|
年份 |
2011 |
2012 |
2013 |
2014 |
2015 |
2016 |
2017 |
|
年份代号 | 1 | 2 | 3 | 4 | 5 | 6 | 7 |
| 销售价格 | 3 | 3.4 | 3.7 | 4.5 | 4.9 | 5.3 | 6 |
附:参考公式:
,
,其中
为样本平均值。
参考数据:
.
关于x的线性回归方程;
的线性回归方程为
,由此可得:当广告支出5万元时,随机误差的效应(残差)为( ) | | 2 | 4 | 5 | 6 | 8 |
| | 30 | 40 | 60 | 50 | 70 |
(Ⅰ)求总人数N和分数在110~115分的人数n;
(Ⅱ)现准备从分数在110~115分的n名学生(女生占
)中任选2人,求其中恰好含有一名女生的概率;
(Ⅲ)为了分析某个学生的学习状态,对其下一阶段的学习提供指导性建议,对他前7次考试的数学成绩x,物理成绩y进行分析,下面是该生7次考试的成绩.
| 数学 | 88 | 83 | 117 | 92 | 108 | 100 | 112 |
| 物理 | 94 | 91 | 108 | 96 | 104 | 101 | 106 |
已知该生的物理成绩y与数学成绩x是线性相关的,若该生的数学成绩达到130分,请你估计他的物理成绩大约是多少?
附:对于一组数据
其回归线
的斜率和截距的最小二乘估计分别为
.
|
工龄x(单位:年) |
6 |
8 |
12 |
10 |
14 |
|
生产速度y(单位:件/小时) |
40 |
55 |
60 |
60 |
65 |
根据上述数据求每名工人的生产速度y关于他的工龄x的回归方程
,并据此估计该车间某位有18年工龄的工人的生产速度.
回归方程
中斜率和截距的最小二乘估计公式分别为:
,
.
(只)与温度
(摄氏度)之间可以用回归方程
来拟合,其中
,
是大于0的常数,经计算得
,
,
,
.
关于
的回归方程(结果保留小数点后两位有效数字);
附:对于一组具有线性相关关系的数据
, 其回归直线
的斜率和截距的最小二乘估计公式分别为:
,
.
参考数据:
;
,
.
, 且销量y的方差为
, 年份x的方差为
. 附:(i)线性回归方程:
, 其中
,
;
(ii)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.
(iii)
| 0.10 | 0.05 | 0.025 | 0.010 | 0.005 | 0.001 |
| 2.706 | 3.841 | 5.024 | 6.635 | 7.879 | 10.828 |
, 其中
.
购买非电动汽车 | 购买电动汽车 | 总计 | |
男性 | 30 | 20 | 50 |
女性 | 15 | 35 | 50 |
总计 | 45 | 55 | 100 |
能否有99.5%的把握认为购买电动汽车与性别有关?
的散点图中,若所有样本点
都在直线
上,则这组样本数据的样本相关系数为