A.回归直线方程表示体内抗体数量与抗体药物摄入量之间的线性相关关系 |
B.回归直线方程表示体内抗体数量与抗体药物摄入量之间的函数关系 |
C.回归直线方程可以精确反映体内抗体数量与抗体药物摄入量的变化趋势 |
D.回归直线方程可以用来预测摄入抗体药物后体内抗体数量的变化 |
时间/年 | 主要飓风数量 | |
1921—1930 | 1 | 17 |
1931—1940 | 2 | 16 |
1941—1950 | 3 | 29 |
1951—1960 | 4 | 33 |
1961—1970 | 5 | 27 |
1971—1980 | 6 | 16 |
1981—1990 | 7 | 16 |
1991—2000 | 8 | 27 |
2001—2010 | 9 | 33 |
(2)借助图象,尝试求出形如正弦型函数的解析式;
(3)使用数学软件找到最佳拟合的正弦型函数.
学生编号 | 1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 |
高一 | 84 | 85 | 71 | 74 | 60 | 58 | 51 | 82 |
高二 | 84 | 88 | 72 | 73 | 68 | 62 | 60 | 85 |
学生编号 | 9 | 10 | 11 | 12 | 13 | 14 | 15 | 16 |
高一 | 87 | 69 | 79 | 80 | 83 | 84 | 63 | 54 |
高二 | 88 | 73 | 84 | 82 | 83 | 83 | 66 | 67 |
(2)计算学生高一和高二数学成绩的相关系数.根据此相关系数,你能得出什么结论?
4 . 某市104路公交车上午7:05—8:55时段在起点站每9分钟发一班次.公交公司为了了解早高峰时段各班次上客情况,某日上午7:14—8:35记录了在起点站各班次车辆上客的人数:
发车时刻 | 7:14 | 7:23 | 7:32 | 7:41 | 7:50 | 7:59 | 8:08 | 8:17 | 8:26 | 8:35 |
上车乘客数/人 | 10 | 13 | 13 | 18 | 17 | 15 | 12 | 9 | 3 | 3 |
请绘制这组成对数据的散点图,并通过观察散点图大致判断客车发车时刻与上车乘客人数之间的相关性.
豆类 | 黄豆 | 豇豆 | 青毛豆 | 豌豆(鲜) | 四季豆 |
脂肪含量/kg | 0.0184 | 0.0002 | 0.0057 | 0.0003 | 0.0004 |
热量/kJ | 1726 | 108 | 527 | 336 | 130 |
(2)观察散点图的趋势,如果能看成线性关系,请在图中画出一条直线来近似的表示这种关系,并计算豆类脂肪含量与热量的相关系数.
151 | 152 | 153 | 154 | 156 | 157 | 158 | 159 | 160 | 162 | 163 | 164 | |
40 | 41 | 41 | 41.5 | 42 | 42.5 | 43 | 44 | 45 | 45 | 46 | 45.5 |
(2)判断变量,是否具有相关关系?如果具有相关关系,那么是正相关还是负相关?
(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.
温差x(℃) | 8 | 9 | 10 | 11 | 12 |
发芽数y(个) | 23 | 24 | 26 | 27 | 30 |
(2)用直线l的方程来拟合这组数据的相关关系,若直线l过散点图中的中间点(即点(10,26)),且使发芽数的每一个观察值与直线l上对应点的纵坐标的差的平方之和最小,求出直线l的方程;
(3)用(2)中求出的直线方程预测当温度差为15℃时,蔬菜种子发芽的个数.
年份 | 2012 | 2013 | 2014 | 2015 | 2016 | 2017 | 2018 | 2019 | 2020 |
年份代码 | 1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 | 9 |
风力发电量(亿千瓦时) | 955.8 | 1412 | 1599.8 | 1857.7 | 2370.7 | 2972.3 | 3659.7 | 4060.3 | 4664.7 |
(1)根据散点图分析与之间的相关关系;
(2)根据相应数据计算得,,,求关于的线性回归方程(精确到0.1).
附:回归方程中斜率和截距的最小二乘估计公式分别为:,.
年份 | 1953 | 1964 | 1982 | 1990 | 2000 | 2010 | 2020 |
第x次人口普查 | 1 | 2 | 3 | 4 | 5 | 6 | 7 |
城镇人口比例(y%) | 13.26 | 18.30 |
(1)根据图2完成上面表格,不用计算直观判断人口城镇化率与年份是否存在相关关系?
(2)由图可以发现城镇人口比例大致分布在一条直线附近,已知,,试根据这些数据建立城镇人口比例y%关于人口普查次数x的回归方程.
(,).