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.
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 |
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?
物理 | 64 | 61 | 78 | 65 | 71 |
数学 | 66 | 63 | 88 | 76 | 73 |
(2)若x与y具有线性相关关系,试求变量y对x的回归方程并求变量x对y的回归方程.
A.解释变量x与预报变量y的相关性变强 | B.样本相关系数r变大 |
C.残差平方和变小 | D.决定系数变小 |
(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.
(,).
A.任意给定统计数据,都可以绘制散点图 | B.从散点图中可以看出两个量是否具有一定的关系 |
C.从散点图中可以看出两个量的因果关系 | D.从散点图中无法看出数据的分布情况 |