1 . 某种产品2014年到2018年的年投资金额(万元)与年利润(万元)的数据统计如下,由散点图知,与之间的关系可以用线性回归模型拟合,已知5年利润的平均值是4.7.
年份 | 2014 | 2015 | 2016 | 2017 | 2018 |
年投资金额万元 | 1 | 2 | 3 | 4 | 5 |
年利润万元 | 2.4 | 2.7 | 6.4 | 7.9 |
(1)求表中实数的值;
(2)求关于的线性回归方程.
参考公式:回归直线方程中的斜率和截距的最小二乘估计公式分别为,.
家庭编号 | 家庭人均月收入x/元 | 家庭人均消费量y/元 |
1 | 5432 | 6.32 |
2 | 2336 | 3.52 |
3 | 3944 | 6.32 |
4 | 4656 | 21.60 |
5 | 9246 | 29.12 |
6 | 17512 | 76.00 |
7 | 8776 | 41.72 |
8 | 16624 | 54.80 |
9 | 14544 | 46.72 |
10 | 13600 | 41.68 |
11 | 5976 | 26.00 |
12 | 13144 | 25.28 |
13 | 3312 | 4.00 |
14 | 2832 | 1.36 |
15 | 10208 | 15.04 |
16 | 5960 | 6.16 |
17 | 3480 | 11.12 |
18 | 4320 | 4.48 |
19 | 6992 | 12.48 |
20 | 12344 | 42.24 |
21 | 8232 | 5.12 |
22 | 5680 | 32.00 |
23 | 6696 | 33.60 |
24 | 13984 | 39.04 |
25 | 11048 | 27.84 |
26 | 10040 | 21.04 |
27 | 14216 | 39.92 |
28 | 2960 | 4.72 |
29 | 9040 | 38.32 |
30 | 3704 | 4.08 |
31 | 6160 | 13.92 |
32 | 5792 | 32.80 |
33 | 6464 | 31.52 |
34 | 6320 | 6.68 |
35 | 6264 | 26.32 |
36 | 3248 | 3.52 |
37 | 9936 | 25.92 |
38 | 5264 | 17.12 |
39 | 13968 | 45.68 |
40 | 3744 | 5.12 |
41 | 8912 | 15.20 |
42 | 3304 | 4.08 |
43 | 14296 | 66.64 |
44 | 11960 | 40.88 |
45 | 12208 | 31.44 |
(2)计算y与x的相关系数;
(3)试分析研究y与x之间的线性回归关系.
学生号 | 1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 | 9 | 10 |
X | 120 | 108 | 117 | 104 | 103 | 110 | 104 | 105 | 99 | 108 |
Y | 84 | 64 | 84 | 68 | 69 | 68 | 69 | 46 | 57 | 71 |
x | 45 | 55 | 65 | 75 |
y | 23 | 38 | 65 | 74 |
(2)该研究小组随后又进行了一次该实验,其中的起始量为50 g,反应结束时还剩余2.5 g,若已知y关于x的线性回归方程为,估计这次实验是在多少摄氏度的温度条件下进行的..
参考数据: ,,,.
参考公式:相关系数
月份 | 1 | 2 | 3 | 4 | 5 |
订单 | 20 | 24 | 43 | 52 |
(2)求相关系数(精确到0.01),说明与之间具有怎样的相关关系.
参考数据:,,.,.参考公式:相关系数;回归直线的方程是,其中.
x | 3 | 4 | 5 | 6 | 7 |
y | 45 | 50 | 60 | 65 | 70 |
(2)请根据上表提供的数据,用最小二乘法求出y关于x的线性回归方程.
参考公式:,,.参考数据:,.
月份 | 1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 |
物流成本x | 83 | 83.5 | 80 | 86.5 | 89 | 84.5 | 79 | 86.5 |
利润y | 114 | 116 | 106 | 122 | 132 | 114 | m | 132 |
残差 | 0.2 | 0.6 | 1.8 | -3 | -1 | -4.6 | -1 |
(1)求m的值,并利用已知的经验回归方程求出8月份对应的残差值;
(2)请先求出线性回归模型的决定系数(精确到0.0001),若根据非线性模型求得解释变量(物流成本)对于响应变量(利润)的决定系数,请说明以上两种模型哪种模型拟合效果更好.
参考公式及数据:,,.
数据组A
x | 10 | 8 | 13 | 9 | 11 | 14 | 6 | 4 | 12 | 7 | 5 |
y | 8.04 | 6.95 | 7.58 | 8.81 | 8.33 | 9.96 | 7.24 | 4.26 | 10.84 | 4.82 | 5.68 |
x | 10 | 8 | 13 | 9 | 11 | 14 | 6 | 4 | 12 | 7 | 5 |
y | 9.14 | 8.14 | 8.74 | 8.77 | 9.26 | 8.10 | 6.13 | 3.10 | 9.13 | 7.26 | 4.74 |
x | 10 | 8 | 13 | 9 | 11 | 14 | 6 | 4 | 12 | 7 | 5 |
y | 7.46 | 6.77 | 12.74 | 7.11 | 7.81 | 8.84 | 6.08 | 5.39 | 8.15 | 6.42 | 5.73 |
x | 8 | 8 | 8 | 8 | 8 | 8 | 8 | 8 | 8 | 8 | 19 |
y | 6.58 | 5.76 | 7.71 | 8.84 | 8.47 | 7.04 | 5.25 | 5.56 | 7.91 | 6.89 | 12.50 |
(2)对哪个(些)组的数据,可以用回归直线来预测时的y值?
(3)分别对四组数据提出自己的见解.
(1)解释变量和响应变量的关系是什么?
(2)是多少?