A.两个变量x,y的线性相关系数越大,则与之间的线性相关性越强 |
B.若两个变量x,y的线性相关系数,则与之间不具有线性相关性 |
C.在一组样本数据的散点图中,若所有样本点都在直线上,则这组样本数据的样本相关系数为0.9 |
D.在一组样本数据中,根据最小二乘法求得线性回归方程为且,去除两个异常数据和后,若得到的新线性回归直线的斜率为3,则新的线性回归方程为 |
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 . 下表是某地从2019年至2023年能源消费总量近似值(单位:千万吨标准煤)的数据表:
年份 | 2019 | 2020 | 2021 | 2022 | 2023 |
年份代号 | 1 | 2 | 3 | 4 | 5 |
能源消费总量近似值(单位:千万吨标准煤) | 44.2 | 44.6 | 46.2 | 47.8 | 50.8 |
以为解释变量,为响应变量,若以为回归方程,则决定系数0.9298,若以为回归方程,则,则下面结论中正确的有( )
A.变量和变量的样本相关系数为正数 |
B.比的拟合效果好 |
C.由回归方程可准确预测2024年的能源消费总量 |
D. |
5 . 下列命题中错误的是( )
A.在回归分析中,相关系数的绝对值越大,两个变量的线性相关性越强 |
B.对分类变量与,它们的观察值与预期值总体偏差越大,说明“与有关系”的可能性越小 |
C.线性回归直线恒过样本中心 |
D.在回归分析中,离差平方和越小,模型的拟合效果越好 |
A.变量与呈现正相关,且 | B.变量与呈现负相关,且 |
C.变量与呈现正相关,且 | D.变量与呈现负相关,且 |
7 . 某公司研发新产品投入(单位:百万)与该产品的收益(单位:百万)的5组统计数据如下表所示:由表中数据求得投入金额与收益满足经验回归方程,则下列结论不正确的是( )
5 | 6 | 8 | 9 | 12 | |
16 | 20 | 25 | 28 | 36 |
A.与有正相关关系 | B.回归直线经过点 |
C. | D.时,残差为0.2 |
8 . 已知由样本数据(i=1,2,3,…,10)组成的一个样本,得到回归直线方程为,且.剔除一个偏离直线较大的异常点后,得到新的回归直线经过点.则下列说法正确的是
A.相关变量x,y具有正相关关系 |
B.剔除该异常点后,样本相关系数的绝对值变大 |
C.剔除该异常点后的回归直线方程经过点 |
D.剔除该异常点后,随x值增加相关变量y值减小速度变小 |
身体综合指标评分 | 1 | 2 | 3 | 4 | 5 |
用时小时) | 9.5 | 8.8 | 7.8 | 7 | 6.1 |
参考数据:
参考公式:相关系数.
A.身体综合指标评分与骑行用时正相关 |
B.身体综合指标评分与骑行用时的相关程度较弱 |
C.身体综合指标评分与骑行用时的相关程度较强 |
D.身体综合指标评分与骑行用时的关系不适合用线性回归模型拟合 |
天数x | 1 | 2 | 3 | 4 | 5 | 6 | 7 |
一次最多答对题数y | 12 | 15 | 16 | 18 | 21 | 24 | 27 |
相关系数
由表中数据可知该老师每天一次最多答对题数y与天数x之间是正相关,其相关系数