1 . 下图是某市2016年至2022年生活垃圾无害化处理量y(单位:万吨)与年份t的散点图.
(1)根据散点图推断变量y与t是否线性相关,并用相关系数加以说明;
(2)建立y关于t的回归方程(系数精确到0.01),预测2024年该市生活垃圾无害化处理量.
参考数据:
,,,.
参考公式:,;相关系数.
2 . 随着科技发展的日新月异,人工智能融入了各个行业,促进了社会的快速发展.其中利用人工智能生成的虚拟角色因为拥有更低的人工成本,正逐步取代传统的真人直播带货.某公司使用虚拟角色直播带货销售金额得到逐步提升,以下为该公司自2023年8月使用虚拟角色直播带货后的销售金额情况统计.
年月 | 2023年8月 | 2023年9月 | 2023年10月 | 2023年11月 | 2023年12月 | 2024年1月 |
月份编号 | 1 | 2 | 3 | 4 | 5 | 6 |
销售金额/万元 | 15.4 | 25.4 | 35.4 | 85.4 | 155.4 | 195.4 |
若与的相关关系拟用线性回归模型表示,回答如下问题:
(1)试求变量与的样本相关系数(结果精确到0.01);
(2)试求关于的经验回归方程,并据此预测2024年2月份该公司的销售金额.
附:经验回归方程,其中,,
样本相关系数;
参考数据:,.
第一天 | 第二天 | 第三天 | 第四天 | 第五天 | 第六天 | 第七天 | |
序号 | 1 | 2 | 3 | 4 | 5 | 6 | 7 |
小明成功次数 | 16 | 20 | 20 | 25 | 30 | 36 | |
小红成功次数 | 16 | 22 | 25 | 26 | 32 | 35 | 35 |
(2)根据小明这7天内前6天的成功次数,求其成功次数关于序号的线性回归方程,并估计小明第七天成功次数的值.
参考公式:回归方程中斜率与截距的最小二乘估计公式分别为:
,.
参考数据:;.
(1)求关于的线性回归方程;
(2)该合作社2023年茶叶总产量为150吨,如果在销售旺季时售价为250元/公斤,在销售旺季没能售出的,年底以每公斤100元的价格卖给批发商,则该合作社2023年的总销售额为多少万元?
公式及参考数据:关于的线性回归方程为,其中,;,,,.
6 | 60 |
(2)根据(1)的结果回答下列问题:
(i)建立关于的回归方程;
(ii)样本对原点的距离时,金属含量的预报值是多少?
6 . 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,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;
(2)为进一步提升该商场的人气,提高营业额,该商场进行了摸球中奖回馈客户活动,商场在出口处准备了三个编号分别为1,2,3的不透明箱子,每个箱子中装有除颜色外大小和形状均相同的24个小球(其中1号箱子中有18个红球,6个白球;2号箱子中有16个红球,8个黄球;3号箱子中有12个红球,12个蓝球)且含有自动搅拌均匀装置.规则如下:在该商场购物的顾客凭购物小票均有一次参加此活动的机会,从三个箱子里各摸出一个小球(摸完后再依次放回),若摸出的3个小球颜色相同便中奖.若小明和他的3个朋友购物后均参加了该活动,且每人是否中奖相互独立,记这4人中中奖的人数为X,求X的分布列与期望.
(参考公式:回归方程,其中,)
7 . 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.
8 . 某地区响应“节能减排,低碳生活”的号召,开展系列的措施控制碳排放.环保部门收集到近5年内新增碳排放数量,如下表所示,其中x为年份代号,y(单位:万吨)代表新增碳排放量.
年份 | 2019 | 2020 | 2021 | 2022 | 2023 |
年份代号 | 1 | 2 | 3 | 4 | 5 |
新增碳排放万吨 | 6.1 | 5.2 | 4.9 | 4 | 3.8 |
(1)请计算并用相关系数的数值说明与间具有较强的线性相关性(若,则线性相关程度较高);
(2)求关于的线性回归方程,并据此估计该地区年的新增碳排放.
参考数据:,,,,,,.
参考公式: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,相关系数r的公式分别为,,.
身高 | 167 | 173 | 174 | 176 | 182 | 184 |
臂展 | 160 | 165 | 173 | 170 | 170 | 182 |
(2)建立y关于x的线性回归方程,并以此估计男装上装XL号(加大号,对应身高)对应的臂展数据.(结果中精确到0.1.参考数据:,.)
相关系数公式:,
回归方程中,,.
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 |
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)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);
(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2014~2022中任取2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.