(1)求样本(,2…,15)的相关系数;
(2)假设该植物的寿命为随机变量X(X可取任意正整数).研究人员统计大量数据后发现:对于任意的,寿命为的样本在寿命超过k的样本里的数量占比与寿命为1的样本在全体样本中的数量占比相同,均等于0.1,这种现象被称为“几何分布的无记忆性”.
(ⅰ)求()的表达式;
(ⅱ)推导该植物寿命期望的值.
附:相关系数.
学生编号i | 1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 | 9 | 10 |
数学成绩 | 100 | 99 | 96 | 93 | 90 | 88 | 85 | 83 | 80 | 77 |
知识竞赛成绩 | 290 | 160 | 220 | 200 | 65 | 70 | 90 | 100 | 60 | 270 |
学生编号i | 11 | 12 | 13 | 14 | 15 | 16 | 17 | 18 | 19 | 20 |
数学成绩 | 75 | 74 | 72 | 70 | 68 | 66 | 60 | 50 | 39 | 35 |
知识竞赛成绩 | 45 | 35 | 40 | 50 | 25 | 30 | 20 | 15 | 10 | 5 |
(1)求这组学生的数学成绩和知识竞赛成绩的样本相关系数(精确到0.01);
(2)设,变量和变量的一组样本数据为,其中两两不相同,两两不相同.记在中的排名是第位,在中的排名是第位,.定义变量和变量的“斯皮尔曼相关系数”(记为)为变量的排名和变量的排名的样本相关系数.
(i)记,.证明:;
(ii)用(i)的公式求得这组学生的数学成绩和知识竞赛成绩的“斯皮尔曼相关系数”约为0.91,简述“斯皮尔曼相关系数”在分析线性相关性时的优势.
注:参考公式与参考数据.
;;.
(1)根据散点图判断,与(其中…为自然对数的底数)哪一个更适合作为平均产卵数y(个)关于平均温度x(℃)的回归方程类型?(给出判断即可,不必说明理由)
(2)由(1)的判断结果及表中数据,求出y关于x的回归方程.(计算结果精确到0.1)
附:回归方程中,,
参考数据() | |||||
5215 | 17713 | 714 | 27 | 81.3 | 3.6 |
在每年价格不变,无虫害的情况下,某果园年产值为200万元,根据以上数据,以得到最高收益(收益=产值-防害费用)为目标,请为果农从以下几个方案中推荐最佳防害方案,并说明理由.
方案1:选择防害措施A,可以防止各种气温的红蜘蛛虫害不减产,费用是18万;
方案2:选择防害措施B,可以防治22℃至28℃的蜘蛛虫害,但无法防治28℃以上的红蜘蛛虫害,费用是10万;
方案3:不采取防虫害措施.
固定资产价值x | 3 | 3 | 5 | 6 | 6 | 7 | 8 | 9 | 9 | 10 |
工业增加值y | 15 | 17 | 25 | 28 | 30 | 36 | 37 | 42 | 40 | 45 |
甲醛浓度 /() | 18 | 20 | 22 | 24 | 26 | 28 | 30 |
缩醛化度 /克分子% | 26.86 | 28.35 | 28.75 | 28.87 | 29.75 | 30.00 | 30.36 |
(2)求线性回归方程;
(3)求相关系数
x | 100 | 150 | 200 | 300 | 450 |
t | 90 | 65 | 45 | 30 | 20 |
(1)令z=ln x,由散点图判断与,哪个更合适于此模型(给出判断即可,不必说明理由)?并根据你的判断结果求回归方程;(,的结果精确到0.1)
(2)根据第(1)问所求的回归方程,试估计收费标准为多少时,100天销售额L最大?(100天销售额L=100×入住率×收费标准x)
参考数据:,
7 . 某校20名学生的数学成绩和知识竞赛成绩如下表:
学生编号 | 1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 | 9 | 10 |
数学成绩 | 100 | 99 | 96 | 93 | 90 | 88 | 85 | 83 | 80 | 77 |
知识竞赛成绩 | 290 | 160 | 220 | 200 | 65 | 70 | 90 | 100 | 60 | 270 |
学生编号 | 11 | 12 | 13 | 14 | 15 | 16 | 17 | 18 | 19 | 20 |
数学成绩 | 75 | 74 | 72 | 70 | 68 | 66 | 60 | 50 | 39 | 35 |
知识竞赛成绩 | 45 | 35 | 40 | 50 | 25 | 30 | 20 | 15 | 10 | 5 |
计算可得数学成绩的平均值是,知识竞赛成绩的平均值是,并且,,.
(1)求这组学生的数学成绩和知识竞赛成绩的样本相关系数(精确到).
(2)设,变量和变量的一组样本数据为,其中两两不相同,两两不相同.记在中的排名是第位,在中的排名是第位,.定义变量和变量的“斯皮尔曼相关系数”(记为)为变量的排名和变量的排名的样本相关系数.
(i)记,.证明:.
(ii)用(i)的公式求这组学生的数学成绩和知识竞赛成绩的“斯皮尔曼相关系数”(精确到).
(3)比较(1)和(2)(ii)的计算结果,简述“斯皮尔曼相关系数”在分析线性相关性时的优势.
注:参考公式与参考数据.;;.
(1)根据散点图推断两个变量是否线性相关.计算样本相关系数(精确到0.01),并推断它们的相关程度;
(2)(i)假设变量x与变量Y的n对观测数据为(x1,y1),(x2,y2),…,(xn,yn),两个变量满足一元线性回归模型 (随机误差).请推导:当随机误差平方和Q=取得最小值时,参数b的最小二乘估计.
(ii)令变量,则变量x与变量Y满足一元线性回归模型利用(i)中结论求y关于x的经验回归方程,并预测2024年移动物联网连接数.
附:样本相关系数,,,,
x | 1 | 2 | 3 | 4 | 5 |
y | 10 | m | 6 | n | 2 |
A. | B. | C. | D. |
大学 | A大学 | B大学 | C大学 | D大学 |
2022年毕业人数x(千人) | 7 | 6 | 5 | 4 |
2022年考研人数y(千人) | 0.5 | 0.4 | 0.3 | 0.2 |
(2)假设该省对选择考研的大学生每人发放0.5万元的补贴.
①若该省大学2022年毕业生人数为8千人,估计该省要发放补贴的总全额:
②若大学的毕业生中小浙、小江选择考研的概率分别为,,该省对小浙、小江两人的考研补贴总金额的期望不超过0.75万元,求的取值范围.
参考公式:,.