广告费用x(万元) | 4 | 2 | 3 | 5 |
销售额y(万元) | 49 | 26 | 39 | 54 |
根据上表可得回归方程
=
x+
中的
为9.4,据此模型预报广告费用为6万元时销售额为( )
成绩 编号 | 1 | 2 | 3 | 4 | 5 |
物理(x) | 90 | 85 | 74 | 68 | 63 |
数学(y) | 130 | 125 | 110 | 95 | 90 |
=
x+
(
精确到0.1).若某位学生的物理成绩为80分,预测他的数学成绩;
=
,
=
﹣
) (参考数据:902+852+742+682+632=29394,90××125+74×110+68×95+63×90=42595)
(百元)与日销售量
(件)之间有如下关系: 
关于
的回归直线方程;
相关公式:
,
.
,则变量
增加
个单位时,
平均( )
个单位
B . 增加
个单位
C . 减少
个单位
D . 减少
个单位
的浓度是否相关,现采集到华中某城市2015年12月份某星期星期一到星期日某一时间段车流量与
的数据如表:
参考公式:回归直线的方程是
,其中
,
.
与
具有线性相关关系,求
关于
的线性回归方程;(提示数据:
)
的浓度.
(吨)与利润
(万元)的对应数据,下表是其中的几组对应数据,由此表中的数据得到了
关于
的线性回归方程
,若每日销售量达到10吨,则每日利润大约是( )
| 3 | 4 | 5 | 6 |
| 2.5 | 3 | 4 | 4.5 |
注:回归方程
中斜率和截距最小二乘估计公式分别为
.
,有观测数据
,已知它们之间的线性回归方程是
,若
,则
( )
,请结合(1)中的线性回归方程,估算该公司应在A区开设多少个分店时,才能使A区平均每个分店的年利润最大? (参考公式:
,其中
,
)
吨与相应的消耗木材
吨的统计数据,经计算得到
关于
的线性回归方程
,由于某些原因
处的数据看不清楚了,则根据运算可得
. | | 3 | 4 | 5 | 6 |
| | 2.2 | 3.5 | 4.8 | |
| x/℃ | 20 | 22 | 24 | 21 | 23 |
| y/百元 | 1 | 3 | 6 | 2 | 3 |
若y与x 具有线性相关关系,则y与x的线性回归方程
必过的点为( )
B .
C .
D .
,
的数据如下: | 东部城市A | 东部城市B | 东部城市C | 西部城市D | 西部城市E | |
| | 40 | 50 | 60 | 20 | 30 |
| | 110 | 180 | 210 | 30 | 70 |
参考公式:
,
;
,其中
.
临界值表:
| | 0.15 | 0.01 | 0.05 | 0.025 | 0.010 | 0.005 | 0.001 |
| | 2.072 | 2.076 | 3.841 | 5.024 | 6.635 | 7.879 | 10.828 |
和销售量
大致满足线性相关关系,求出
关于
的线性回归方程
;
|
单价x(元) |
8 |
8.2 |
8.4 |
8.6 |
8.8 |
9 |
|
销量y(件) |
90 |
84 |
83 |
80 |
75 |
68 |
时,求回归直线方程
;
|
年份 |
2015 |
2016 |
2017 |
2018 |
2019 |
|
年份编号t |
1 |
2 |
3 |
4 |
5 |
|
参与人数y(单位:十万) |
0.5 |
0.6 |
1 |
1.4 |
1.7 |
参考公式:①回归方程:
,其中
,
;
②
,
,
;
③若随机变量Z服从正态分布
,则
,
,
.
,并预测2020年“跨年夜”参与该商品促销活动的人数;
|
报价(千元) |
[1,2) |
[2,3) |
[3,4) |
[4,5) |
[5,6) |
[6,7) |
|
频数 |
200 |
600 |
600 |
300 |
200 |
100 |
①求这2000位参与人员报价的平均值
和样本方差
(同一区间的报价可用该价格区间的中点值代替);
②假设所有参与该商品促销活动人员的报价X可视为服从正态分布
,且μ与
可分别由①中所求的样本平均值
和样本方差
估值.若预计2020年“跨年夜”该商品最终销售量为31730件,请你合理预测(需说明理由)该商品的最低成交价.
(单位:元/
)与需求量
(单位:kg)之间的对应数据如下表所示: | | 10 | 15 | 20 | 25 | 30 |
| | 11 | 10 | 8 | 6 | 5 |
根据表中的数据可得回归直线方程为
,则以下结论正确的是( )
与
正相关
B .
与
负相关
C . 样本中心为
D . 该产品价格为35元/kg时,日需求量大约为
(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:
;
,
.
(元)与生产该产品的数量
(千件)有关,经统计得到如下数据:
| 1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 |
| 112 | 61 | 44.5 | 35 | 30.5 | 28 | 25 | 24 |
对历史数据对比分析,考虑用函数模型①
, ②
分别对两个变量的关系进行拟合,令模型①中
上,模型②中
, 对数据作了初步处理,已计算得到如下数据:
|
|
|
|
|
|
|
|
0.34 | 45 | 0.115 | 22385.5 | 1.53 | 183.4 | 61.4 | 0.135 |
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:
,
, 相关系数
.
和
的样本相关系数为
,
和
的样本相关系数为
, 已经计算得出
, 请从样本相关系数(精确到0.01)的角度判断,哪个模型拟合效果更好?
关于
的非线性回归方程,并用其估计当每件产品的非原料成本为21元时,产量约为多少千件?
|
x |
10 |
15 |
20 |
25 |
30 |
|
y |
11 |
10 |
8 |
6 |
5 |
根据表中的数据可得回归直线方程为
, 则以下结论正确的是( )
表示活动推出的天数,
表示每天网络预约通过的人次(单位:十人次),统计数据如表1所示:表1:
| 1 | 2 | 3 | 4 | 5 | 6 | 7 |
| 6 | 11 | 21 | 34 | 66 | 101 | 196 |
根据以上数据,绘制了如图1所示的散点图.

参考数据:
|
|
|
|
|
62.14 | 1.54 | 2535 | 50.12 | 3.47 |
其中
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
.
与
(
均为正常数)哪种模型建立
关于
的回归方程更合适?(给出判断即可,不必说明理由)
关于
的回归方程,并预测惠民活动推出第12天是否超限?
色差x | 21 | 23 | 25 | 27 | 29 | 31 |
色度y | 15 | 16 | 19 | 20 | 21 | 23 |
已知该产品的色度y和色差x之间满足线性相关关系,且
, 现有一对测量数据为
, 则该数据的残差为( )