解题方法
1 . 一个车间为了规定工时定额,需要确定加工零件所花费的时间,为此进行了10次试验,收集数据如下:
回归直线,,.
(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?
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?
您最近一年使用:0次
解题方法
2 . 一位运动生理学家根据训练水平X(单位:kg·m/min,即每分将1 kg物体升高1 m)来预测心脏血液输出量Y(单位:L/min,即每分由心脏输出的血液的体积).他选取四个训练水平:0,300,600,900.随机抽取20人构成一个样本,随机分成四组,每个水平一组,每组5人训练15min后,测量他们的心脏血液输出量,结果如下表.求Y关于X的线性回归方程;若给定训练水平为700kg·m/min,请预测心脏血液输出量的值.
个体编号 | 训练水平/(kg·m/min) | 心脏血液输出量(L/min) | ||
1 | 0 | 4.4 | 0 | 0 |
2 | 0 | 5.6 | 0 | 0 |
3 | 0 | 5.2 | 0 | 0 |
4 | 0 | 5.4 | 0 | 0 |
5 | 0 | 4.4 | 0 | 0 |
6 | 300 | 9.1 | 90000 | 2730 |
7 | 300 | 8.6 | 90000 | 2580 |
8 | 300 | 8.5 | 90000 | 2550 |
9 | 300 | 9.3 | 90000 | 2790 |
10 | 300 | 9.0 | 90000 | 2700 |
11 | 600 | 12.8 | 360000 | 7680 |
12 | 600 | 13.4 | 360000 | 8040 |
13 | 600 | 13.2 | 360000 | 7920 |
14 | 600 | 12.6 | 360000 | 7560 |
15 | 600 | 13.2 | 360000 | 7920 |
16 | 900 | 17.0 | 810000 | 15300 |
17 | 900 | 17.3 | 810000 | 15570 |
18 | 900 | 16.5 | 810000 | 14850 |
19 | 900 | 16.8 | 810000 | 15120 |
20 | 900 | 17.2 | 810000 | 15480 |
合计 | 9000 | 219.5 | 6300000 | 128790 |
您最近一年使用:0次
解题方法
3 . 随机抽取10家航空公司,对其最近一年的航班正点率和顾客投诉次数进行了调查,所得数据如下:
(1)绘制散点图,说明二者之间的关系形态;
(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.
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.
您最近一年使用:0次
解题方法
4 . 某出版社单册图书的成本费y(元)与印刷册数x(千册)有关,经统计得到数据如下:
(1)根据以上数据画出散点图(可借助统计软件),并根据散点图判断:与中哪一个适宜作为回归方程模型?
(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).
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).
您最近一年使用:0次
解题方法
5 . 一个车间为了估计加工某种新型零件所花费的时间,进行了10次试验,测得的数据如下:
(1)y与x之间是否具有相关关系?
(2)如果y与x之间具有相关关系,求回归直线方程.
(3)据此估计加工110个零件所用的时间.
零件个数x | 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 |
(2)如果y与x之间具有相关关系,求回归直线方程.
(3)据此估计加工110个零件所用的时间.
您最近一年使用:0次
2023-10-05更新
|
165次组卷
|
3卷引用:湘教版(2019)选择性必修第二册课本例题4.2.2 一元线性回归模型的应用
湘教版(2019)选择性必修第二册课本例题4.2.2 一元线性回归模型的应用8.2.1一元线性回归模型练习(已下线)第05讲 第八章 成对数据的统计分析 章末重点题型大总结-【帮课堂】2023-2024学年高二数学同步学与练(人教A版2019选择性必修第三册)
解题方法
6 . 某班5名学生的数学和物理成绩如下表:
(1)画出散点图;
(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).
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).
您最近一年使用:0次
解题方法
7 . 设成对变量x,y有如下观测数据:
使用函数型计算器求y关于x的回归直线方程(结果保留三位小数).
x | 154 | 157 | 158 | 159 | 160 | 161 | 162 | 163 |
y | 155 | 156 | 159 | 162 | 161 | 164 | 165 | 166 |
您最近一年使用:0次
8 . 下表为某地近几年机动车辆数与交通事故数的统计资料,请判断机动车辆数与交通事故数之间是否具有线性相关关系.如果具有线性相关关系,求出线性回归方程;如果不具有线性相关关系,说明理由.
机动车辆数辆 | 95 | 110 | 112 | 120 | 129 | 135 | 150 | 180 |
交通事故数件 | 6.2 | 7.5 | 7.7 | 8.5 | 8.7 | 9.8 | 10.2 | 13 |
您最近一年使用:0次
解题方法
9 . 20个工业企业某年的平均固定资产价值与总产值(单位:百万元)如下表所示.
设年平均固定资产价值为x,年总产值为y,单位均为百万元.求x,y的线性回归方程.
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 |
您最近一年使用:0次
解题方法
10 . 1997~2006年中国的国内生产总值(GDP)的数据如下:
(1)作GDP和年份的散点图,根据该图猜想它们之间的关系可以用什么模型描述;
(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:
建立年份(1997~2016)为解释变量,GDP为响应变量的经验回归方程,并预测2017年的GDP,与实际的GDP误差是多少?你能发现什么?
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 |
您最近一年使用:0次