)(i=1,2,…,n),用最小二乘法建立的回归方程为
=0.85x—85.71,则下列结论其中正确的个数是( )
,
)x | 1 | 2 | 3 | 4 | 5 |
y | 2 | 4 | 6 | 8 | 5 |
若由最小二乘法原理得到回归方程
=
x+0.5,则
的值为( )
x | 2 | 4 | 5 | 6 | 8 |
y | 30 | 40 | 60 | 50 | 70 |
由资料显示y对x呈线性相关关系.根据上表提供的数据得到回归方程
中的b=6.5,预测销售额为115万元时约需万元广告费.
=1.23x+0.08
B .
=0.08x+1.23
C .
=1.23x+4
D .
=1.23x+5
连锁店 |
|
|
| |||
售价 | 80 | 86 | 82 | 88 | 84 | 90 |
销量 | 88 | 78 | 85 | 75 | 82 | 66 |
附:
,
.
;
月份电量(单位:万度)的一组数据:月份 |
|
|
|
|
用电量 |
|
|
|
|
由散点图可知,用电量
与月份
间有较好的线性相关关系,其线性回归直线方程是
,则
等于( )
|
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;
与销售额
(单位:万元)之间有如下对应数据: | | 2 | 3 | 5 | 6 |
| | 30 | 40 | 50 | 60 |
(单位:万元)与销售额
(单位:万元)之间有如表对应数据根据表中数据可得回归方程
,其中
,据此估计,当投入6万元广告费时,销售额约为( )万元 | | 1 | 2 | 3 | 4 | 5 |
| | 10 | 15 | 30 | 45 | 50 |
,用最小二乘法求得其线性回归方程为
.若
的平均数为
,则
( )
B .
C .
D .
与
的统计数据如表: | x | 9 | 9.5 | 10 | 10.5 | 11 |
| y | 11 | 10 | 8 | 6 | 5 |
其回归直线方程是
,则相对应于点
的残差为( )
现对一批该设备进行调查,得到这批设备自购入使用之日起,前五年平均每台设备每年的维护费用大致如表: | 年份 | 1 | 2 | 3 | 4 | 5 |
| 维护费 | 1.1 | 1.5 | 1.8 | 2.2 | 2.4 |
Ⅰ
求y关于t的线性回归方程;
Ⅱ
若该设备的价格是每台5万元,甲认为应该使用满五年换一次设备,而乙则认为应该使用满十年换一次设备,你认为甲和乙谁更有道理?并说明理由.
参考公式:
,
个季度的销售额数据统计如下表(其中
表示
年第一季度,以此类推): | 季度 | | | | | |
| 季度编号x | 1 | 2 | 3 | 4 | 5 |
| 销售额y(百万元) | 46 | 56 | 67 | 86 | 96 |
附:线性回归方程:
其中
,
参考数据:
.
关于
的线性回归方程,并预测该公司
的销售额.
年为这台设备支出的年度保养维修费
(单位:千元)的部分数据: | | 2 | 3 | 4 | 5 | 6 |
| | 2.1 | 3.4 | 5.9 | 6.6 | 7.0 |
画出散点图如下:
通过计算得
与
的相关系数
.由散点图和相关系数
的值可知,
与
的线性相关程度很高.
附:
,
.
关于
的线性回归方程
;
(单位:
)和每日平均增长高度
(单位:mm)的数据,现分别用模型①
和模型②
对以上数据进行拟合,得到回归模型,并计算出模型的残差如下表:(模型①和模型②的残差分别为
和
,残差
) | | 5 | 6 | 7 | 8 | 9 | 10 |
| | 0.4 | 3.5 | 5.2 | 7.0 | 8.6 | 10.7 |
| | -0.6 | 0.54 | 0.28 | 0.12 | -0.24 | -0.1 |
| | -0.63 | 1.71 | 2.10 | 1.63 | -0.7 | -5.42 |
剔除,根据剩余的5组数据,求该模型的回归方程,并预测光照时间为11h时,该植物的平均增长高度. (剔除数据前的参考数据:
,
,
,
,
,
,
,
,
.)参考公式:
,
.
,变量
每增加1个单位,变量
平均增加4个单位
B . 由样本数据得到的回归直线方程
必经过点
C . 两个相关变量的线性相关系数越接近0,这两个变量的相关性越强
D . 如果一组数据代表的散点全部落到一条斜率为3的直线上,则相关指数
指数是用体重公斤数除以身高米数的平方得出的数字,是国际上常用的衡量人体胖瘦程度以及是否健康的一个标准.对于高中男体育特长生而言,当
数值大于或等于20.5时,我们说体重较重,当
数值小于20.5时,我们说体重较轻,身高大于或等于
我们说身高较高,身高小于170cm我们说身高较矮.
【参考公式】
,
,
,
,
.
【参考数据】
,
,
,
,
.
| 0.10 | 0.05 | 0.01 | 0.005 |
| 2.706 | 3.811 | 6.635 | 7.879 |
指数的数据如散点图,请根据所得信息,完成下述列联表,并判断是否有
的把握认为男生的身高对
指数有影响.身高较矮 | 身高较高 | 合计 | |
体重较轻 | |||
体重较重 | |||
合计 |
编号 | 1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 |
身高 | 166 | 167 | 160 | 173 | 178 | 169 | 158 | 173 |
体重 | 57 | 58 | 53 | 61 | 66 | 57 | 50 | 66 |
根据最小二乘法的思想与公式求得线性回归方程为
.利用已经求得的线性回归方程,请完善下列残差表,并求解释变量(身高)对于预报变量(体重)变化的贡献值(保留两位有效数字)
;
编号 | 1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 |
体重 | 57 | 58 | 53 | 61 | 66 | 57 | 50 | 66 |
残差 | 0.1 | 0.3 | 0.9 |
|
|
②通过残差分析,对于残差的最大(绝对值)的那组数据,需要确认在样本点的采集中是否有人为的错误,已知通过重新采集发现,该组数据的体重应该为
.请重新根据最最小二乘法的思想与公式,求出男体育特长生的身高与体重的线性回归方程.
根据收集到的数据可知
,由最小二乘法求得回归直线方程为
,则
.
中,y与x具有负线性相关关系
B . 两个随机变量的线性相关性越强,则相关系数的绝对值就越接近于1
C . 在回归直线方程
中,当解释变量x每增加1个单位时,预报变量
平均增加0.2个单位
D . 对分类变量
与
, 随机变量
的观测值
越大,则判断“
与
有关系”的把握程度越小