=0.7x+0.35,那么表中t的值为( )x | 3 | 4 | 5 | 6 |
y | 2.5 | t | 4 | 4.5 |
,需要研究它和原料有效成分含量
之间的相关关系,现收集了4组对照数据。
| 3 | 4 | 5 | 6 |
| 2.5 | 3 | 4 | 4.5 |
(Ⅰ)请根据相关系数
的大小判断回收率
与
之间是否存在高度线性相关关系;
(Ⅱ)请根据上表提供的数据,用最小二乘法求出
关于
的线性回归方程
,并预测当
时回收率
的值.
参考数据: 
| 1 | 0 |
|
| 其他 |
| 完全相关 | 不相关 | 高度相关 | 低度相关 | 中度相关 |
, 

参考公式: 
,预测记忆力为9的同学的判断力.
与物理成绩
如下表:
数据表明
与
之间有较强的线性关系.
参考数据:回归直线的系数
,
.
,
.
关于
的线性回归方程;
和
,且除去抽走的5名同学外,剩下的同学中数学优秀但物理不优秀的同学共有5人.能否在犯错误概率不超过0.01的前提下认为数学优秀与物理优秀有关?
附:线性回归方程
中,
,
.
参考数据:
,
.
(ⅰ)试求
与
之间的线性回归方程;
(ⅱ)预测当
店日纯利润不低于2万元时,
店日纯利润的大致范围(精确到小数点后两位);

其中:
,
, 

关于
的线性回归方程
;(
的值精确到0.01)

(注:
,
,
,
)
关于
的线性回归方程
,并在坐标系中画出回归直线;
个零件需要多少小时?|
年度 |
2008 |
2009 |
2010 |
2011 |
2012 |
2013 |
2014 |
2015 |
2016 |
2017 |
2018 |
|
年份序号 | 1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 | 9 | 10 | 11 |
| 利润 | 6 | 7 | 8 | 9 | 10 | 10 | 11 | 12 | 13 | 13 | 14 |
(Ⅰ)散点图如图所示,根据散点图指出年利润
(单位:万元)和年份序号
之间是否具有线性关系?并用相关系数说明用线性回归模型描述年净利润
与年份序号
之间关系的效果;
(Ⅱ)试用线性回归模型描述年净利润
与年份序号
之间的关系:求出年净利润
关于年份序号
的回归方程(系数精确到0.1),并帮小张估计他2019年可能赚到的净利润.
附注:参考数据
.
参考公式:
.
且
越大拟合效果越好.回归方程
斜率的最小二乘法估计公式为:
.
参考公式:
,
参考数据:
,
.
|
年份 |
2007 |
2008 |
2009 |
2010 |
2011 |
2012 |
2013 |
|
年份代号t |
1 |
2 |
3 |
4 |
5 |
6 |
7 |
|
人均纯收入y |
2.9 |
3.3 |
3.6 |
4.4 |
4.8 |
5.2 |
5.9 |
附:回归直线的斜率和截距的最小二乘估计公式分别为:
(万元)和需求量
之间的一组数据为: | 1 | 2 | 3 | 4 | 5 | |
| 价格 | 1.4 | 1.6 | 1.8 | 2 | 2.2 |
| 需求量 | 12 | 10 | 7 | 5 | 3 |
附:
,
,
,
.
关于
的线性回归方程;
).
,市场占有率为
,得结果如下表: | 年月 | 2018.10 | 2018.11 | 2018.12 | 2019.1 | 2019.2 | 2019.3 |
| | 1 | 2 | 3 | 4 | 5 | 6 |
| | 11 | 13 | 16 | 15 | 20 | 21 |
参考数据:
,
,
,
回归方程
中斜率和截距的最小二乘法估计公式分别为
,
.
与
的关系,请用相关系数加以说明(精确到0.001);
关于
的线性回归方程,并预测该公司2019年4月份的市场占有率;
经测算,平均每辆单车可以为公司带来收入500元,不考虑除采购成本之外的其他成本,假设每辆单车的使用寿命都是整数年,且用频率估计每辆单车使用寿命的概率,以每辆单车产生利润的期望值为决策依据,如果你是该公司的负责人,你会选择采购哪款车型?
| x | 3 | 4 | 5 | 6 |
| y | 30 | 40 | 60 | 50 |
若y与x线性相关,根据上表求得y与x的线性回归方程,
中的
为8,据此模型预报
时y的值为( )
”是“
”的充分不必要条件
B . 若
,且
,则
C . 回归方程为
中,变量
与
具有正的线性相关关系,变量
增加1个单位时,
平均增加0.85个单位
D . 将2本不同的数学书和1本语文书随机排成一行,则2本数学书相邻的概率为
|
单价 | 8 | 8.2 | 8.4 | 8.6 | 8.8 | 9 |
| 销量 | 90 | 84 | 83 | 80 | 75 | 68 |
关于
的线性回归方程;
(参考公式:回归方程
,其中
,
)
(年)与所支出的维修费用
(万元)之间,有如下统计资料: | | 2 | 3 | 4 | 5 | 6 |
| | 2.2 | 3.8 | 5.5 | 6.5 | 7.0 |
假设
与
之间呈线性相关关系.
(万元)与设备使用年限
(年)之间的线性回归方程;(精确到0.01)
参考公式:回归方程
,其中
,
.
参考公式:由最小二乘法所得回归直线的方程是
;
其中,
,
.
本题参考数据:
,
.
(ⅰ)根据以上数据,求游客数y关于当天最高气温x的线性回归方程(系数保留一位小数);
(ⅱ)根据(ⅰ)中的回归方程,估计该景区这100天中最高气温在20℃~26℃内的天数(保留整数).
|
第x天 |
1 |
2 |
3 |
4 |
5 |
|
新接种人数y |
10 |
15 |
19 |
23 |
28 |
和销售额
数据作了初步处理,得到下面的散点图.
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:
.参考数据:其中
.
|
|
|
|
|
|
|
|
|
|
20 |
30 |
3.2 |
900 |
300 |
3.78 |
1600 |
58.21 |

与
哪一个适宜作为年销售额y关于年研发资金投入量x的回归方程类型?(给出判断即可,不必说明理由)
②若下一年销售额y需达到90亿元,预测下一年的研发资金投入量x约为多少亿元?