2 | 3 | 4 | 5 | 6 | 7 | |
52.5 | 45 | 40 | 30 | 25 | 17.5 |
附:在线性回归方程中,,其中为样本平均值.
(1)画出表中数据的散点图,并指出与之间的相关系数是正还是负;
(2)求出关于的线性回归方程,并写出当时,预测数据的值.
零件数X/个 | 10 | 20 | 30 | 40 | 50 | 60 | 70 | 80 | 90 | 100 |
加工时间Y/min | 62 | 68 | 75 | 81 | 89 | 95 | 102 | 108 | 115 | 122 |
(1)画出散点图;
(2)求Y关于X的线性回归方程;
(3)关于加工零件的个数与加工时间,你能得出什么结论?
航空公司编号 | 1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 | 9 | 10 |
航班正点率/% | 81.8 | 76.6 | 76.6 | 75.7 | 73.8 | 72.2 | 71.2 | 70.8 | 91.4 | 68.5 |
顾客投诉次数 | 21 | 58 | 85 | 68 | 74 | 93 | 72 | 122 | 18 | 125 |
(2)若顾客投诉次数与航班正点率之间具有相关关系,求回归直线方程;
(3)如果航班正点率为80%,试估计顾客投诉次数.
x | 1 | 2 | 3 | 5 | 7 | 10 | 11 | 20 | 25 | 30 |
y | 9.02 | 5.27 | 4.06 | 3.03 | 2.59 | 2.28 | 2.21 | 1.89 | 1.80 | 1.75 |
(2)根据(1)的判断结果,试建立成本费y关于印刷册数x的回归方程;
(3)利用回归方程估计印刷26000册图书的单册成本(结果保留两位小数).
气温/℃ | 6.9 | 17 | 16.9 | 11.3 | 14.2 | 12.3 | 18.2 | 17.3 | 10.4 | 13.3 | 6.4 | 8.6 |
海拔/m | 3640 | 4420 | 4220 | 2840 | 3200 | 3140 | 3360 | 4650 | 2680 | 3970 | 2080 | 2260 |
纬度 | 32.2 | 33.8 | 35 | 36.3 | 37.1 | 38.4 | 38.9 | 35.3 | 36.8 | 33.8 | 35.9 | 36.6 |
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 | A | B | C | D | E |
数学成绩x/分 | 88 | 76 | 73 | 66 | 63 |
物理成绩y/分 | 78 | 65 | 71 | 64 | 61 |
(2)求物理成绩y关于数学成绩x的回归直线方程(结果保留三位小数).
企业编号 | 年平均固定资产价值 | 年总产值 | 企业编号 | 年平均固定资产价值 | 年总产值 |
1 | 36 | 32.0 | 11 | 50 | 45.5 |
2 | 43 | 40.2 | 12 | 70 | 65.0 |
3 | 50 | 47.5 | 13 | 62 | 56.0 |
4 | 40 | 41.5 | 14 | 58 | 55.0 |
5 | 55 | 51.0 | 15 | 52 | 55.0 |
6 | 58 | 53.4 | 16 | 63 | 57.0 |
7 | 38 | 33.8 | 17 | 64 | 54.2 |
8 | 45 | 42.8 | 18 | 53 | 56.5 |
9 | 47 | 45.6 | 19 | 54 | 50.2 |
10 | 42 | 40.8 | 20 | 56 | 49.2 |
A.指数函数 | B.对数函数y=log2t |
C.幂函数y=t3 | D.二次函数y=2t2 |
年份 | GDP/亿元 | 年份 | GDP/亿元 |
1997 | 79715.0 | 2002 | 121717.4 |
1998 | 85195.5 | 2003 | 137422.0 |
1999 | 90564.4 | 2004 | 161840.2 |
2000 | 100280.1 | 2005 | 187318.9 |
2001 | 110863.1 | 2006 | 219438.5 |
(2)建立年份为解释变量,GDP为响应变量的一元线性回归模型,并计算残差;
(3)根据你得到的一元线性回归模型,预测2017年的GDP,看看你的预测值与实际的GDP的误差是多少?(2017年GDP的实际值为亿元)
(4)你认为这个模型能较好地刻画GDP和年份的关系吗?请说明理由
(5)随着时间的发展,又收集到2007~2016年的GDP数据如下:
年份 | GDP/亿元 | 年份 | GDP/亿元 |
2007 | 270232.3 | 2012 | 540367.4 |
2008 | 319515.5 | 2013 | 595244.4 |
2009 | 349081.4 | 2014 | 643974.0 |
2010 | 413030.3 | 2015 | 689052.1 |
2011 | 489300.6 | 2016 | 744127.2 |