|
| |||||||
22 | 66 | 5885 | 52276 | 460 | 5 | |||
|
| |||||||
31250 | 364540 | 3.08 | 1334 |
(2)由(1)的结论,求拟合程度更好的线性回归方程;
(3)若该公司计划年销售额突破10亿元,根据以上所求的线性回归方程,预测该公司年研发资金投入量至少为多少亿元.
附:相关系数.
线性回归方程中,,.
取.
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 |
3 . 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,)
4 . 某高中数学兴趣小组,在学习了统计案例后,准备利用所学知识研究成年男性的臂长y(cm)与身高x(cm)之间的关系,为此他们随机统计了5名成年男性的身高与臂长,得到如下数据:
x | 159 | 165 | 170 | 176 | 180 |
y | 67 | 71 | 73 | 76 | 78 |
(1)根据上表数据,可用线性回归模型拟合y与x的关系,请用相关系数加以说明;
(2)建立y关于x的回归方程(系数精确到0.01);
(3)从5名样本成年男性中任取2人,记这2人臂长差的绝对值为X,求.
参考数据:,,
参考公式:相关系数,回归方程中斜率和截距的最小二乘估计公式分别为,.
5 . 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. |
6 . 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.
7 . 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:,.
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?
(1)完成下面的列联表,并判断至少有多大把握认为“平均浓度不小于与“汽车日流量不小于1500辆”有关;
汽车日流量 | 汽车日流量 | 合计 | |
的平均浓度 | |||
的平均浓度 | |||
合计 |
(2)经计算得回归方程为,且这50天的汽车日流量的标准差,的平均浓度的标准差.
①求相关系数,并判断该回归方程是否有价值;
②若这50天的汽车日流量满足,试推算这50天的日均浓度的平均数.(精确到0.1)
参考公式:,其中.
0.100 | 0.050 | 0.010 | 0.001 | |
2.706 | 3.841 | 6.635 | 10.828 |
相关系数. 若,则认为与有较强的线性相关性.
10 . 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 |