,且成绩分布在
,分数在
以上(含
)的同学获奖. 按文理科用分层抽样的方法抽取
人的成绩作为样本,得到成绩的频率分布直方图(见下图).
列联表,能否有超过
的把握认为“获奖与学生的文理科有关”?
名学生,记“获奖”学生人数为
,求
的分布列及数学期望.文科生 | 理科生 | 合计 | |
获奖 |
| ||
不获奖 | |||
合计 |
|
附表及公式:
,其中 ![]()
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|

附:回归直线的斜率和截距的最小二乘法估计公式分别为:
, 
关于
的线性回归方程;
注:年份代码1~7分别对应年份2010~2016
参考数据:
,
,
,
.
参考公式:
相关系数
回归方程
中斜率和截距的最小二乘估计公式分别为:
得到的回归直线方程为
,那么下面说法不正确是( )
必经过点
B . 直线
至少经过点
中的一个
C . 直线
的斜率为
D . 直线
和各点
的总偏差
是该坐标平面上所有直线与这些点的偏差中最小的直线
|
年份序号x |
1 |
2 |
3 |
4 |
5 |
6 |
7 |
8 |
9 |
|
年养殖山羊y/万只 |
1.2 |
1.5 |
1.6 |
1.6 |
1.8 |
2.5 |
| 2.6 | 2.7 |
,
;
(单位:个)关于x的回归方程
. 试估计:①该县第一年养殖山羊多少万只?
②到第几年,该县山羊养殖的数量与第一年相比缩小了?
附:回归直线方程的斜率和截距的最小二乘估计公式分别为:
,
.
个家庭的月收入
(单位:千元)与月储蓄
,(单位:千元)的数据资料,算出
,附:线性回归方程
,其中
为样本平均值.
对月收入x的线性回归方程
;
并制作了时间代号x与个人所得税收入的如如图所示的散点图:
根据散点图判断,可用①y=menx与②
作为年个人所得税收入y关于时间代号x的回归方程,经过数据运算和处理,得到如下数据:
以下计算过程中四舍五入保留两位小数.
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别为:
将年份1978,1988,1998,2008,2018分别用1,2,3,4,5代替,并表示为
;
表示全国GDP总量,表中
,
.
| | | | | | |
| 3 | 26.474 | 1.903 | 10 | 209.76 | 14.05 |
参考数据:
| | 4 | 5 | 6 | 7 | 8 |
| | 55 | 148 | 403 | 1097 | 2981 |
与
(其中
为自然对数的底数)哪一个更适宜作为全国GDP总量y关于t的回归方程类型?(给出判断即可,不必说明理由),并求出y关于t的回归方程.
线性回归方程
中斜率和截距的最小二乘法估计公式分别为:
,
.
=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
(分钟)和答对人数
的统计表格如下: | 时间 | 10 | 20 | 30 | 40 | 50 | 60 | 70 | 80 | 90 | 100 |
| 答对人数 | 98 | 70 | 52 | 36 | 30 | 20 | 15 | 11 | 5 | 5 |
| | 1.99 | 1.85 | 1.72 | 1.56 | 1.48 | 1.30 | 1.18 | 1.04 | 0.7 | 0.7 |
时间
与答对人数
的散点图如图:
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别为:
,
.请根据表格数据回答下列问题:
与
,哪个更适宣作为线性回归类型?(给出判断即可,不必说明理由)
的内容,至多间隔多少分钟重新记忆一遍.(参考数据:
,
)
|
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:
,
.
|
年份200x(年) |
0 |
1 |
2 |
3 |
4 |
|
人口数y(十)万 |
5 |
7 |
8 |
11 |
19 |
(参考数值:0×5+1×7+2×8+3×11+4×19=132,
参考公式:用最小二乘法求线性回归方程系数公式
)
,用最小二乘法求出y关于x的线性回归方程
)的身高
和体重
数据.如下表,某调查机构分析发现学生的身高和体重之间有较强的线性相关关系,在编号为6的体检数据丢失之前,调查员甲已进行相关的数据分析并计算出该组数据的线性回归方程为
,且根据回归方程预估一名身高为
的学生体重为
,计算得到的其他数据如下:
. | 学生的编号 | 1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 |
| 身高 | 164 | 176 | 165 | 163 | 170 | 172 | 168 | 182 |
| 体重 | 60 | 72 | 77 | 54 | | | 72 | 55 |
附:回归直线方程
的斜率和截距的最小二乘法估计分别为:
,
.
的值及表格中8名学生体重的平均值
;
,身高数据无误.请你根据调查员乙更正的数据重新计算线性回归方程,并据此预估一名身高为
的学生的体重.
,
的几组对应数据如表: | | 0 | 1 | 2 | 3 | 4 |
| | 2 | 3 | 6 | 9 | 10 |
根据上表利用最小二乘法求得回归直线方程
中的
,那么
.
与腐蚀时向
之间对应的一组数据:
|
时间 |
5 |
10 |
15 |
20 |
35 |
40 |
50 |
|
深度 |
6 |
10 |
I0 |
13 |
16 |
17 |
19 |
(可能用到的公式与数据:
,其中
)
与方差
;
对时间
的回归直线方程,并预测第100秒时产品表面的腐蚀深度(计算结果保留小数点后两位).
,
)
的进步就是源于数学算法的优化.华为公司所研发的Single
算法在部署
基站时可以把原来的
、
基站利用起来以节省开支,华为创始人任正非将之归功于“数学的力量”,近年来,我国加大
基站建设力度,基站已覆盖所有地级市,并逐步延伸到乡村. 附:设
,则
,
,
,
,
,
,
,对于样本
,
的线性回归方程
有
,
.
地和
地
基站覆盖情况,各取100个村,调查情况如下表: | 已覆盖 | 未覆盖 | |
| A地 | 20 | 80 |
| B地 | 25 | 75 |
视样本的频率为总体的概率,假设从
地和
地所有村中各随机抽取2个村,求这4个村中
地
已覆盖的村比
地多的概率;
基站数
与月份
的数据如下表: | | 1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 | 9 | 10 | 11 | 12 |
| | 283 | 340 | 428 | 547 | 701 | 905 | 1151 | 1423 | 1721 | 2109 | 2601 | 3381 |
探究上表中的数据发现,因年初受新冠疫情影响,
基站建设进度比较慢,随着疫情得到有效控制,
基站建设进度越来越快,根据散点图分析,已建成的
基站数呈现先慢后快的非线性变化趋势,采用非线性回归模型
拟合比较合理,请结合参考数据,求
基站数
关于月份
的回归方程.(
的值精确到0.01).
|
年份 |
2017 |
2018 |
2019 |
2020 |
|
x |
2 |
3 |
4 |
5 |
|
y |
26 |
39 |
49 |
54 |
参考数据:
,
;
参考公式:相关系数
,
,
..
|
年份 |
2016 |
2017 |
2018 |
2019 |
2020 |
2021 |
|
年份代码x |
1 |
2 |
3 |
4 |
5 |
6 |
|
新能源乘用车年销售y(万辆) |
50 |
78 |
126 |
121 |
137 |
352 |
参考数据:设u=lny,其中ui=lnyi .
|
|
|
|
|
e3.63 |
e5.94 |
e6.27 |
|
144 |
4.78 |
841 |
5.70 |
37.71 |
380 |
528 |
参考公式:对于一组具有线性相关关系的数据(xi , yi)(i=1,2,3,⋅⋅⋅,n),其回归直线
的斜率和截距的最小二乘估计公式分别为
,
.
,请分别利用(1)与(2)中两个模型,求2022年我国新能源乘用车的年销售量的预测值;
x | 1 | 4 | 5 | 6 | 9 |
y | 15 | 40 | 60 | 70 | 80 |
根据上表,利用最小二乘法得到回归直线方程为
, 据此模型来预测当
时,y的估计值为( )