研发投入x(亿元) | 1 | 2 | 3 | 4 | 5 |
产品收益y(亿元) | 3 | 7 | 9 | 10 | 11 |
(2)求出关于的线性回归方程,并预测若想收益超过50(亿元)则需研发投入至少多少亿元?(结果保留一位小数)
参考数据:;
附:相关系数公式:;
回归直线方程的斜率.
2 . 数据显示,中国在线直播用户规模及在线直播购物规模近几年都保持高速增长态势,某线下家电商场为提升人气和提高营业额也开通了在线直播,下表统计了该商场开通在线直播的第x天的线下顾客人数y(单位:百人)的数据:
x | 1 | 2 | 3 | 4 | 5 |
y | 10 | 12 | 15 | 18 | 20 |
(1)根据第1至第5天的数据分析,计算变量y与x的相关系数r,并用r判断两个变量y与x相关关系的强弱(精确到小数点后三位);
(2)根据第1至第5天的数据分析,可用线性回归模型拟合y与x的关系,试求出该线性回归方程并估计该商场开通在线直播的第10天的线下顾客人数.
(参考公式:相关系数,参考数据:
回归方程:,其中,)
3 . 下表统计了2017年~2022年我国的新生儿数量(单位:万人).
年份 | 2017 | 2018 | 2019 | 2020 | 2021 | 2022 |
年份代码x | 1 | 2 | 3 | 4 | 5 | 6 |
新生儿数量y | 1723 | 1523 | 1465 | 1200 | 1062 | 956 |
经研究发现新生儿数量与年份代码之间满足线性相关关系,且,据此预测2023年新生儿数量约为( )(精确到0.1)(参考数据:)
A.773.2万 | B.791.1万 | C.800.2万 | D.821.1万 |
年份 | 2017 | 2018 | 2019 | 2020 | 2021 | 2022 | 2023 |
年份代码 | 1 | 2 | 3 | 4 | 5 | 6 | 7 |
新建社区养老机构 |
(1)若该地区参与社区养老的老人的年龄近似服从正态分布,其中年龄的有人,试估计该地参与社区养老的老人有多少?(结果按四舍五入取整数)
(2)已知变量与之间的样本相关系数,请求出关于的线性回归方程,并据此估计年时,该地区新建社区养老机构的数量.(结果按四舍五入取整数)
参考公式与数据:①,.;
②若随机变量,则,,;
③,.
2023月份 | 5 | 6 | 7 | 8 | 9 |
月份代码 | 1 | 2 | 3 | 4 | 5 |
新能源车销售(万辆) | 1.6 | 2.1 | 2.7 | 3.7 | 4.6 |
(2)随着亚运会的火热,新能源汽车也会一直持续下去,试估计2023年12月份该公司出售多少辆新能源汽车?
参考公式:对于一组具有线性相关关系的数据,其回归直线的斜率和截距的最小二乘估计公式分别为.
6 . 大气污染物(直径不大于2.5的颗粒物)的浓度超过一定限度会影响人的身体健康.为研究浓度y(单位:)与汽车流量x(单位:千辆)的线性关系,研究人员选定了10个城市,在每个城市建立交通监测点,统计了24h内过往的汽车流量以及同时段空气中的浓度,得到如下数据:
城市编号 | 1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 | 9 | 10 | 总和 |
x | 1.300 | 1.444 | 0.786 | 1.652 | 1.756 | 1.754 | 1.200 | 1.500 | 1.200 | 0.908 | 13.5 |
y | 66 | 76 | 21 | 170 | 156 | 120 | 72 | 120 | 100 | 129 | 1030 |
并计算得,,.
(1)求变量关于的线性回归方程;
(2)根据内浓度确定空气质量等级,浓度在0~35为优,35~75为良,75~115为轻度污染,115~150为中度污染,150~250为重度污染,已知某城市内过往的汽车流量为1360辆,判断该城市的空气质量等级.
参考公式:线性回归方程为,其中以.
从某天开始连续的营业天数x | 10 | 20 | 30 | 40 | 50 |
新能源汽车销售总量y/辆 | 62 | 68 | 75 | 81 | 89 |
(2)求y关于x的经验回归方程,并预测该汽车城连续营业130天的汽车销售总量.
参考数据:,,.
参考公式:相关系数,经验回归方程中斜率与截距的最小二乘估计公式分别为,.
年份 | 2019 | 2020 | 2021 | 2022 | 2023 |
年份代码 | 1 | 2 | 3 | 4 | 5 |
综合产值 | 23.1 | 37.0 | 62.1 | 111.6 | 150.8 |
(2)求出y关于x的经验回归方程,并预测2024年底该果场富硒梨产业的综合总产值.
参考公式:相关系数回归方程中斜率和截距的最小二乘法估计公式分别为:;
参考数据:
年份 | 2015 | 2016 | 2017 | 2018 | 2019 | 2020 | 2021 |
年份代号t | 1 | 2 | 3 | 4 | 5 | 6 | 7 |
农村居民家庭收入y | 3.9 | 4.3 | 4.6 | 5.4 | 5.8 | 6.2 | 6.9 |
参考数据:,.
(1)求y关于t的线性回归方程;
(2)根据(1)中的回归方程,分析2015年至2021年该地区农村居民家庭收入的变化情况,并预测该地区2024年农村居民家庭收入.