单价x(元) | 8 | 8.2 | 8.4 | 8.6 | 8.8 | 9 |
销量y(件) | 90 | 84 | 83 | 80 | 75 | 68 |
(2)预计在今后的销售中,销量与单价仍然服从(1)中的关系,且该产品的成本是4元/件,为使工厂获得最大利润,该产品的单价应定为多少元?(利润=销售收入-成本)
单价(元) | 18 | 19 | 20 | 21 | 22 |
销量(册) | 61 | 56 | 50 | 48 | 45 |
(2)预计今后的销售中,销量(册)与单价(元)服从(l)中的回归方程,已知每册书的成本是12元,书店为了获得最大利润,该册书的单价应定为多少元?
附:,,,.
(1)网箱产量不低于为“理想网箱”,填写下面列联表,并根据列联表判断是否有的把握认为“理想网箱”的数目与养殖方法有关:
箱产量 | 箱产量 | 合计 | |
旧养殖法 | |||
新养殖法 | |||
合计 |
(2)已知旧养殖法个网箱需要成本元,新养殖法个网箱需要增加成本元,该水产品的市场价格为元/,根据箱产量的频率分布直方图(说明:同一组中的数据用该组区间的中间值作代表),采用哪种养殖法,请给养殖户一个较好的建议,并说明理由.
附参考公式及参考数据:
(1)根据频率分布直方图求该蔬果日需求量的平均数(同组数据用区间中点值代表);
(2)该经销商某天购进了250千克蔬果,假设当天的日需求量为千克(),利润为元.
①求关于的函数表达式;
②根据频率分布直方图估计利润不小于1750元的概率.
月份 | 1 | 2 | 3 | 4 | 5 | 6 |
销售单价(元) | 9 | 9.5 | 10 | 10.5 | 11 | 8 |
销售量(件) | 11 | 10 | 8 | 6 | 5 | 14.2 |
(2)预计在今后的销售中,销售量与销售单价仍然服从(1)中的回归关系,如果该种机器配件的成本是元/件,那么该配件的销售单价应定为多少元才能获得最大利润?(注:利润=销售收入-成本).
参考数据:,.
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:,.
第个月 | 第个月 | 第个月 | 第个月 | 第个月 | 第个月 | |
利润(单位:万元) |
(1)根据表中数据,求关于的回归方程(系数精确到);
(2)由(1)中的回归方程预测该企业第个月的利润是多少万元?(结果精确到整数部分,如万元万元)
(3)已知关于的线性相关系数为.从相关系数的角度看,与的拟合关系式更适合用还是,说明你的理由.
参考数据:,,取.
附:样本(,2,,)的相关系数,
线性回归方程中的系数,.
x | 1.08 | 1.12 | 1.19 | 1.28 | 1.36 | 1.48 | 1.59 | 1.68 | 1.80 | 1.87 |
y | 2.25 | 2.37 | 2.40 | 2.55 | 2.64 | 2.75 | 2.92 | 3.03 | 3.14 | 3.26 |
(2)①建立月总成本y与月产量x之间的回归方程;
②通过建立的y关于x的回归方程,估计某月产量为1.98万件时,此时产品的总成本为多少万元?(均精确到0.001)
附注:①参考数据:=14.45,=27.31,=0.850,=1.042,=1.222.
②参考公式:相关系数:r=.回归方程=x+中斜率和截距的最小二乘估计公式分别为:=,=-
8 . 某超市计划按月订购一种酸奶,每天进货量相同,进货成本每瓶4元,售价每瓶6元,未售出的酸奶降价处理,以每瓶2元的价格当天全部处理完.根据往年销售经验,每天需求量与当天最高气温(单位:℃)有关.如果最高气温不低于25,需求量为500瓶;如果最高气温位于区间[20,25),需求量为300瓶;如果最高气温低于20,需求量为200瓶.为了确定六月份的订购计划,统计了前三年六月份各天的最高气温数据,得下面的频数分布表:
最高气温 | [10,15) | [15,20) | [20,25) | [25,30) | [30,35) | [35,40) |
天数 | 2 | 16 | 36 | 25 | 7 | 4 |
以最高气温位于各区间的频率估计最高气温位于该区间的概率.
(1)求六月份这种酸奶一天的需求量不超过300瓶的概率;
(2)设六月份一天销售这种酸奶的利润为Y(单位:元),当六月份这种酸奶一天的进货量为450瓶时,写出Y的所有可能值,并估计Y大于零的概率.
年份 | 2014 | 2015 | 2016 | 2017 | 2018 |
投资金额/万元 | 4.0 | 5.0 | 6.0 | 7.0 | 8.0 |
年利润增长量/万元 | 6.0 | 7.0 | 9.0 | 11.0 | 12.0 |
(2)请用最小二乘法求出关于的回归直线方程;如果2019年该企业对生产环节改进的投资金额为10万元,试估计该企业在2019年的年利润增长量为多少?
参考公式:,;
参考数据:,.
月份 | 1 | 2 | 3 | 4 | 5 |
销售量x(万件) | 3 | 6 | 4 | 7 | 8 |
利润y(万元) | 19 | 34 | 26 | 41 | 46 |
(2)已知销售量x与利润y大致满足线性相关关系,请根据前4个月的数据,求出y关于x的线性回归方程x+;
(3)若由线性回归方程得到的利润的估计数据与真实数据的误差不超过2万元,则认为得到的利润的估计数据是理想的.请用表格中第5个月的数据检验由(2)中回归方程所得的第5个月的利润的估计数据是否理想?
参考公式:,