已知鸡的产蛋量与鸡舍的温度有关,为了确定下一个时段鸡舍的控制温度,某企业需要了解鸡舍的温度 (单位:),对某种鸡的时段产蛋量(单位:) 和时段投入成本(单位:万元)的影响,为此,该企业收集了7个鸡舍的时段控制温度和产蛋量的数据,对数据初步处理后得到了如图所示的散点图和表中的统计量的值.
其中.
(1)根据散点图判断,与哪一个更适宜作为该种鸡的时段产蛋量关于鸡舍时段控制温度的回归方程类型?(给判断即可,不必说明理由)
(2)若用作为回归方程模型,根据表中数据,建立关于的回归方程;
(3)已知时段投入成本与的关系为,当时段控制温度为时,鸡的时段产蛋量及时段投入成本的预报值分别是多少?
附:①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分别为,.
140 |
(1)根据散点图判断,与哪一个更适宜作为该种鸡的时段产蛋量关于鸡舍时段控制温度的回归方程类型?(给判断即可,不必说明理由)
(2)若用作为回归方程模型,根据表中数据,建立关于的回归方程;
(3)已知时段投入成本与的关系为,当时段控制温度为时,鸡的时段产蛋量及时段投入成本的预报值分别是多少?
附:①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分别为,.
0.08 | 0.47 | 2.72 | 20.09 | 1096.63 |
更新时间:2018-02-17 11:51:09
|
相似题推荐
解答题-问答题
|
适中
(0.65)
解题方法
【推荐1】某大型养鸡场为提高鸡的产蛋量需了解鸡舍的温度(单位),对鸡的时段产蛋量(单位:)的影响.为此,该企业收集了7个鸡舍的时段控制温度和产蛋量的数据,对数据初步处理后得到了如图所示的散点图和表中的统计量的值.
其中.
(1)根据散点图判断,与为自然对数的底数)哪一个更适宜作为该种鸡的时段产蛋量关于鸡舍时段控制温度的回归方程类型?(给判断即可,不必说明理由)
(2)由(1)确定的回归方程类型作为回归方程模型,根据表中数据,建立关于的回归方程.
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分别为 .
17.40 | 82.30 | 3.6 | 140 | 9.7 | 2935.1 | 35.0 |
(1)根据散点图判断,与为自然对数的底数)哪一个更适宜作为该种鸡的时段产蛋量关于鸡舍时段控制温度的回归方程类型?(给判断即可,不必说明理由)
(2)由(1)确定的回归方程类型作为回归方程模型,根据表中数据,建立关于的回归方程.
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分别为 .
您最近一年使用:0次
解答题-应用题
|
适中
(0.65)
名校
【推荐2】某公司为确定下一年度投入某种产品的宣传费,需了解年宣传费x(单位:千元)对年销售量y(单位:t)和年利润z(单位:千元)的影响.对近8年的年宣传费xi和年销售量yi(i=1,2,…,8)数据作了初步处理,得到下面的散点图及一些统计量的值.
表中 ,
(Ⅰ)根据散点图判断,y=a+bx与y=c+d哪一个适宜作为年销售量y关于年宣传费x的回归方程类型?(给出判断即可,不必说明理由)
(Ⅱ)根据(Ⅰ)的判断结果及表中数据,建立y关于x的回归方程;
(Ⅲ)已知这种产品的年利润z与x、y的关系为z=0.2y-x.根据(Ⅱ)的结果回答下列问题:
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:
,
表中 ,
(Ⅰ)根据散点图判断,y=a+bx与y=c+d哪一个适宜作为年销售量y关于年宣传费x的回归方程类型?(给出判断即可,不必说明理由)
(Ⅱ)根据(Ⅰ)的判断结果及表中数据,建立y关于x的回归方程;
(Ⅲ)已知这种产品的年利润z与x、y的关系为z=0.2y-x.根据(Ⅱ)的结果回答下列问题:
(ⅰ)年宣传费x=49时,年销售量及年利润的预报值是多少?
(ⅱ)年宣传费x为何值时,年利润的预报值最大?
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:
46.6 | 563 | 6.8 | 289.8 | 1.6 | 1469 | 108.8 |
您最近一年使用:0次
解答题-应用题
|
适中
(0.65)
名校
解题方法
【推荐3】某公司对某产品进行市场调研,获得了该产品的定价x(单位:万元/吨)和一天的销售量y(单位:吨)的一组数据,制作了如下的数据统计表,并作出了散点图.
表中,,.
(1)根据散点图判断,与哪一个更适合作为y关于x的经验回归方程模型:(给出判断即可,不必说明理由)
(2)根据(1)的判断结果,试建立y关于x的经验回归方程;
(3)若生产1吨该产品的成本为0.20万元,依据(2)的经验回归方程,预计定价为多少时,该产品一天的利润最大,并求此时的月利润.(每月按30天计算,计算结果保留两位小数)
参考公式:经验回归方程,其中,.
0.33 | 10 | 3 | 0.164 | 100 | 68 | 350 |
(1)根据散点图判断,与哪一个更适合作为y关于x的经验回归方程模型:(给出判断即可,不必说明理由)
(2)根据(1)的判断结果,试建立y关于x的经验回归方程;
(3)若生产1吨该产品的成本为0.20万元,依据(2)的经验回归方程,预计定价为多少时,该产品一天的利润最大,并求此时的月利润.(每月按30天计算,计算结果保留两位小数)
参考公式:经验回归方程,其中,.
您最近一年使用:0次
解答题-应用题
|
适中
(0.65)
【推荐1】某产品的广告支出(单位:万元)与销售收入(单位:万元)之间有下表所对应的数据:
(1)画出表中数据的散点图;
(2)求出对的线性回归方程;
(3)若广告费为9万元,则销售收入约为多少万元?
参考公式:,.
广告支出x(单位:万元) | 1 | 2 | 3 | 4 |
销售收入支y(单位:万元) | 12 | 28 | 42 | 56 |
(2)求出对的线性回归方程;
(3)若广告费为9万元,则销售收入约为多少万元?
参考公式:,.
您最近一年使用:0次
解答题-问答题
|
适中
(0.65)
【推荐2】滕州市公交公司一切为了市民着想,为方便市区学生的上下学,专门开通了学生公交专线,在学生上学、放学的时间段运行,为了更好地掌握发车间隔时间,公司工作人员对滕州二中车站发车间隔时间与候车人数之间的关系进行了调查研究,现得到如下数据:
调查小组确定的研究方案是:先从这六组数据中选取2组,用剩下的4组数据求线性回归方程,再用被选取的2组数据进行检验.
(1)求选取的2组数据不相邻的概率;
(2)若选取的是前两组数据,请根据后四组数据,求出关于的线性回归方程;
(3)若由线性回归方程得到的估计数据与所选出的检验数据的差均不超过1人,则称为最佳回归方程,在(2)中求出的回归方程是否是最佳回归方程?若规定一辆公交车的载客人数不超过35人,则间隔时间设置为18分钟,是否合适?
参考公式:,.
间隔时间(分钟) | 10 | 11 | 13 | 12 | 15 | 14 |
候车人数(人) | 23 | 25 | 29 | 26 | 31 | 28 |
(1)求选取的2组数据不相邻的概率;
(2)若选取的是前两组数据,请根据后四组数据,求出关于的线性回归方程;
(3)若由线性回归方程得到的估计数据与所选出的检验数据的差均不超过1人,则称为最佳回归方程,在(2)中求出的回归方程是否是最佳回归方程?若规定一辆公交车的载客人数不超过35人,则间隔时间设置为18分钟,是否合适?
参考公式:,.
您最近一年使用:0次
解答题-应用题
|
适中
(0.65)
解题方法
【推荐1】冬季是某种流行疾病的高发季,为了检测预防这种疾病疫苗的免疫效果,对200名志愿者注射该疫苗,一段时间后,统计了这200名志愿者的年龄(单位:岁),并测量他们血液中的抗体医学指标.现作出的散点图,如下:图中,年龄岁的志愿者中抗体医学指标的有64人,的有24人;年龄岁的志愿者中抗体医学指标的有32人,的有80人.
(1)请完成下面的列联表,并根据小概率值的独立性检验,判断能否认为抗体医学指标不小于80与年龄不小于50岁有关.
(2)对数据初步处理后计算得的方差分别为40.5,162,关于的经验回归方程为,且其样本相关系数,求的值.若一名65岁的志愿者注射该疫苗,经过和200名志愿者注射后相同长度的一段时间后,预测这名志愿者的抗体医学指标值.
参考公式:(其中).
经验回归方程为,其中,变量与变量的样本相关系数.
(1)请完成下面的列联表,并根据小概率值的独立性检验,判断能否认为抗体医学指标不小于80与年龄不小于50岁有关.
抗体医学指标 | 年龄 | 合计 | |
合计 |
(2)对数据初步处理后计算得的方差分别为40.5,162,关于的经验回归方程为,且其样本相关系数,求的值.若一名65岁的志愿者注射该疫苗,经过和200名志愿者注射后相同长度的一段时间后,预测这名志愿者的抗体医学指标值.
参考公式:(其中).
0.1 | 0.01 | 0.005 | 0.001 | |
2.706 | 6.635 | 7.879 | 10.828 |
您最近一年使用:0次
解答题-作图题
|
适中
(0.65)
解题方法
【推荐2】某研究机构对高三学生的记忆力和判断力进行统计分析,得下表数据:
(1)请画出上表数据的散点图;
(2)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
(3)试根据求出的线性回归方程,预测记忆力为的同学的判断力.
参考公式:,
(2)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
(3)试根据求出的线性回归方程,预测记忆力为的同学的判断力.
参考公式:,
您最近一年使用:0次
解答题-应用题
|
适中
(0.65)
解题方法
【推荐3】下表是某原料在市场上从2013年至2019年这7年中每年的平均价格(单位:千元/吨)数据:
(1)从表中数据可认为和线性相关性较强,求出以为解释变量为预报变量的线性回归方程(系数精确到);
(2)以(1)的结论为依据,预测2032年该原料价格.预估该原料价格在哪一年突破1万元/吨?
参考数据:,,,
参考公式:回归方程中斜率和截距的最小二乘估计公式分别为:,.
年份 | 2013 | 2014 | 2015 | 2016 | 2017 | 2018 | 2019 |
年份代号 | 1 | 2 | 3 | 4 | 5 | 6 | 7 |
平均价格 (单位:千元/吨) |
(2)以(1)的结论为依据,预测2032年该原料价格.预估该原料价格在哪一年突破1万元/吨?
参考数据:,,,
参考公式:回归方程中斜率和截距的最小二乘估计公式分别为:,.
您最近一年使用:0次