飞行距离x(kkm) | 56 | 63 | 71 | 79 | 90 | 102 | 110 | 117 |
损坏零件数y(个) | 61 | 73 | 90 | 105 | 119 | 136 | 149 | 163 |
(1)建立y关于x的回归模型,根据所给数据及回归模型,求y关于x的回归方程(精确到0.1,精确到1);
(2)该公司进行了第二项测试,从所有同型号推进器中随机抽取100台进行等距离飞行测试,对其中60台进行飞行前保养,测试结束后,有20台报废,其中保养过的推进器占比30%,请根据统计数据完成2×2列联表,并根据小概率值的独立性检验,能否认为推进器是否报废与保养有关?
保养 | 未保养 | 合计 | |
报废 | 20 | ||
未报废 | |||
合计 | 60 | 100 |
0.25 | 0.1 | 0.05 | 0.025 | 0.01 | 0.001 | |
1.323 | 2.706 | 3.841 | 5.024 | 6.635 | 10.828 |
2 . 党的十八大以来,全国各地区各部门持续加大就业优先政策实施力度,促进居民收入增长的各项措施持续发力,居民分享到更多经济社会发展红利,居民收入保持较快增长,收入结构不断优化,随着居民总收入较快增长,全体居民人均可支配收入也在不断提升. 下表为重庆市 2014 2022 年全体居民人均可支配收入,将其绘制成散点图 (如图 1),发现全体居民人均可支配收入与年份具有线性相关关系. (数据来源于重庆市统计局 2023-05-06 发布).
年份 | 2014 | 2015 | 2016 | 2017 | 2018 | 2019 | 2020 | 2021 | 2022 |
全体居民人均可支配收入 (元) | 18352 | 20110 | 22034 | 24153 | 26386 | 28920 | 30824 | 33803 | 35666 |
(1)设年份编号为(2014年的编号为1,2015年的编号为2,依此类推),记全体居民人均可支配收入为(单位:万元),求经验回归方程(结果精确到 0.01 ),并根据所求回归方程,预测2023年重庆市全体居民人均可支配收入;
(2)为进一步对居民人均可支配收入的结构进行分析,某分析员从20142022中任取3年的数据进行分析,将选出的人均可支配收入超过3万的年数记为,求随机变量的分布列与数学期望.
参考数据:.
参考公式: 对于一组数据 ,其回归直线方程 的斜率和截距的最小二乘估计分别为.
1 | 2 | 3 | 4 | 5 | 6 | |
1 | 1.5 | 3 | 6 | 12 | ||
(2)根据下表数据,用决定系数(只需比较出大小)比较两种模型的拟合效果哪种更好,并选择拟合精度更高的模型,预测年投入额为百万元时,产品的销售量是多少?
经验回归方程 | ||
残差平方和 |
A. |
B.回归直线必过点 |
C.加工60个零件的时间大约为 |
D.若去掉,剩下4组数据的经验回归方程会有变化 |
月份代码 | 1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 | 9 | 10 |
渗透率 | 29 | 32 | 34 | 32 | 33 | 34 | 36 | 36 | 36 | 38 |
(2)为了鼓励大家购买新能源汽车,国家在2024年继续执行新能源车购置税优惠政策:在2024年6月1日前购买的新能源车无需支付购置税,而燃油车需按照车价支付购置税.2024年1月小张为自己的客户代付购置税,当月他的客户购买了3辆车价格均为20万元,假设以(1)中预测的新能源渗透率作为当月客户购买新能源车的概率,设小张总共需要代付的购置税为万元,求的分布列和期望.
附:一组数据,,的线性回归直线方程的系数公式为:,
年份 | 2018 | 2019 | 2020 | 2021 | 2022 | 2023 |
编号x | 1 | 2 | 3 | 4 | 5 | 6 |
产值y/百万辆 | 9 | 18 | 30 | 51 | 59 | 80 |
(2)为了进一步了解车主对电动汽车的看法,从某品牌汽车4S店当日5位购买电动汽车和3位购买燃油汽车的车主中随机选取4位车主进行采访,记选取的4位车主中购买电动汽车的车主人数为X,求随机变量X的分布列与数学期望,
参考数据:,其中.
参考公式:对于一组数据,其经验回归直线的斜率截距的最小二乘估计分别为.
X(月份) | 1 | 2 | 3 | 4 | 5 |
Y(万人) | 3.6 | 6.4 | 11.7 | 18.64 | 27.5 |
(2)为了进一步了解人们对适应人工智能所将带来的职业结构变化的自信程度(分为“基本适应”和“不适应”)是否跟年龄有关,某部门从该地区随机抽取300人进行调查,调查数据如下表:
基本适应 | 不适应 | 合计 | |
年龄小于30岁 | 100 | 50 | 150 |
年龄不小于30岁 | 75 | 75 | 150 |
合计 | 175 | 125 | 300 |
附参考公式与数据: ,;
15 | 55 | 979 | 67.84 | 263.56 | 1120.24 |
0.15 | 0.1 | 0.05 | 0.025 | 0.01 | 0.001 | |
2.072 | 2.706 | 3.841 | 5.024 | 6.635 | 10.828 |
月次 | 1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 | 9 |
某科课后投入时间(分钟) | 20 | 25 | 30 | 35 | 40 | 45 | 50 | 55 | 60 |
高三(1)班某科平均分(分) | 65 | 68 | 75 | 72 | 73 | 73 | 73 | 73.5 | 73 |
(1)当时,该小组建立了与的线性回归模型,求其经验回归方程;
(2)当时,由图中观察到,第3个月的数据点明显偏离回归直线,若剔除第3个月数据点后,用余下的4个散点做线性回归分析,得到新回归直线,证明:;
(3)当时,该小组确定了与满足的线性回归方程为:,该数学小组建议该班在该学科投入课后学习时间为40分钟,请结合第(1)(2)问的结论说明该建议的合理性.
附:经验回归直线的斜率和截距的最小二乘估计公式分别为:,
直径/mm | 58 | 59 | 61 | 62 | 63 | 64 | 65 | 66 | 67 | 68 | 69 | 70 | 71 | 73 | 合计 |
件数 | 1 | 1 | 3 | 5 | 6 | 19 | 33 | 18 | 4 | 4 | 2 | 1 | 2 | 1 | 100 |
(1)为评估设备对原材料的利用情况,需要研究零件中某材料含量和原料中的该材料含量之间的相关关系,现取了8对观测值,求与的线性回归方程.
(2)为评判设备生产零件的性能,从该设备加工的零件中任意抽取一件,记其直径为,并根据以下不等式进行评判(表示相应事件的概率);
①;②;③.
评判规则为:若同时满足上述三个不等式,则设备等级为甲;仅满足其中两个,则等级为乙;若仅满足其中一个,则等级为丙;若全部不满足,则等级为丁,试判断设备的性能等级.
(3)将直径小于等于或直径大于的零件认为是次品.从样本中随意抽取2件零件,再从设备的生产流水线上随意抽取2件零件,计算其中次品总数的数学期望.
附:①对于一组数据,其回归直线的斜率和截距的最小二乘法估计公式分别为,;
②参考数据:,,,.
(1)根据身高 180cm组的统计数据,求,的值,并解释参数的含义;
身高 180cm不同负重情况下的步长数据平均值 | |||||
负重x/kg | 0 | 5 | 10 | 15 | 20 |
足迹步长s/cm | 74.35 | 73.50 | 71.80 | 68.60 | 65.75 |
(2)在一起盗窃案中,被盗窃物品重为9kg,在现场勘查过程中,测量得犯罪嫌疑人往返时足迹步长的差值为4.464cm,推测该名嫌疑人的身高,并说明理由.
附: .为回归方程, ,,,