组卷网 > 知识点选题 > 线性回归
更多: | 只看新题 精选材料新、考法新、题型新的试题
解析
| 共计 120 道试题
23-24高二下·河南南阳·阶段练习
单选题 | 容易(0.94) |
1 . 对甲、乙两组数据进行统计,获得以下散点图(左图为甲,右图为乙),下列结论不正确的是(       

   

A.甲、乙两组数据都呈线性相关B.乙组数据的相关程度比甲强
C.乙组数据的相关系数r比甲大D.乙组数据的相关系数r的绝对值更接近1
2024-03-24更新 | 454次组卷 | 5卷引用:模块五 专题1 全真基础模拟(北师大版本高二期中)
23-24高二上·辽宁沈阳·期末
2 . 对两个变量进行回归分析,则下列结论正确的为()
A.回归直线至少会经过其中一个样本点
B.残差平方和越小的模型,拟合的效果越好
C.建立两个回归模型,模型的相关系数,模型的相关系数,则模型的拟合度更好
D.以模型去拟合某组数据时,为了求出回归方程,设,将其变换后得到线性方程,则的值分别为
2024-01-14更新 | 697次组卷 | 4卷引用:北师大版本模块五 专题3 全真能力模拟3(高二期中)
3 . 下列说法错误的是(       
A.两个变量线性相关性越强,则相关系数就越接近1
B.若1,,4成等比数列,则实数
C.线性回归方程对应的直线至少经过其样本数据点中的一个点
D.利用来判断“两个独立事件的关系”时,算出的值越大,判断“有关”的把握越大
2023-12-01更新 | 446次组卷 | 1卷引用:辽宁省大连市大连育明高级中学2022-2023学年高二下学期期中数学试题
4 . 以下说法错误的是(       
A.用样本相关系数来刻画成对样本数据的相关程度时,若越大,则成对样本数据的线性相关程度越强
B.经验回归方程一定经过点
C.用残差平方和来刻画模型的拟合效果时,若残差平方和越小,则相应模型的拟合效果越好
D.用决定系数来刻画模型的拟合效果时,若越小,则相应模型的拟合效果越好
智能选题,一键自动生成优质试卷~
5 . 下列说法正确的是(       
A.将一组数据中的每个数据都乘以同一个非零常数a后,方差也变为原来的a倍;
B.在残差图中,残差点分布的带状区域的宽度越狭窄,其模型拟合的精度越高;
C.线性相关系数r的绝对值越大,两个变量的线性相关性越强;反之,线性相关性越弱;
D.在回归模型中,预报变量y的值不能由解释变量x唯一确定.
2023-08-10更新 | 157次组卷 | 1卷引用:江苏省南京师范大学苏州实验学校2022-2023学年高二下学期期中数学试题
6 . 下列说法中,正确的命题有(       
A.已知随机变量服从正态分布,则
B.以模型去拟合一组数据时,为了求出回归方程,设,求得线性回归方程为,则 的值分别是和0.3
C.8个完全相同的球放入编号为1,2,3的三个空盒中,要求放入后3个盒子均不空且数量均不同,则有12种放法
D.若样本数据的方差为2,则数据的方差为
2023-06-09更新 | 472次组卷 | 2卷引用:重庆市第一中学2022-2023学年高二下学期期中数学试题
7 . 下列命题错误的是(       
A.两个随机变量的线性相关性越强,相关系数的绝对值越接近于
B.设,且,则
C.线性回归直线一定经过样本点的中心
D.随机变量,若,则
8 . 下列说法正确的是(       
A.设有一个经验回归方程=3-5x,变量x增加一个单位时,y平均增加5个单位
B.若两个具有线性相关关系的变量的相关性越强,则样本相关系数r的值越接近于1
C.在残差图中,残差点分布的水平带状区域越窄,说明模型的拟合精度越高
D.在一元线性回归模型中,决定系数R2越接近于1,说明回归的效果越好
2023-07-21更新 | 265次组卷 | 8卷引用:广东省茂名市电白区2020-2021学年高二下学期期中数学试题
9 . 关于线性回归的描述,有下列命题:
①回归直线一定经过样本中心点;
②相关系数的越大,拟合效果越好;
③相关指数越近1拟合效果越好;
④残差平方和越小,拟合效果越好.
其中正确的命题个数为(       
A.1B.2C.3D.4
2022-06-21更新 | 559次组卷 | 3卷引用:广西桂林市第十九中学2021-2022学年高二下学期期中考试数学(文)试题
10 . 下列命题中结论正确的是________________.
(1)对两个变量进行回归分析,若所有样本点都在直线上,则
(2)对两个变量进行回归分析,以模型去拟合一组数据时,为了求出回归方程,设,将其变换后得到线性方程,则的值分别是
(3)某人投篮一次命中的概率为,某次练习他进行了20次投篮,每次投篮命中与否没有影响,设本次练习他投篮命中的次数为随机变量X,则当取得最大值时,.
(4)已知,则
共计 平均难度:一般