x | 141 | 152 | 168 | 182 | 195 | 204 | 223 | 254 | 277 |
y | 23.1 | 24.2 | 27.2 | 27.8 | 28.7 | 31.4 | 32.5 | 34.8 | 36.2 |
(2)根据散点图,我们选择两种不同的函数模型作为回归曲线,根据一元线性回归模型及最小二乘法,得到经验回归方程分别为:①,②.经验回归方程①和②的残差计算公式分别为,,.
(ⅰ)求;
(ⅱ)经计算得经验回归方程①和②的残差平方和分别为,,经验回归方程①的决定系数,求经验回归方程②的决定系数.
附:相关系数,决定系数,.
(2)该专营店为了吸引顾客,推出两种促销方案:方案一,购物金额每满元可减元;方案二,购物金额超过元可抽奖三次,每次中奖的概率均为,且每次抽奖互不影响,中奖一次打折,中奖两次打折,中奖三次打折.某顾客计划在此专营店购买一件价值元的商品,请从实际付款金额的数学期望的角度分析,选哪种方案更优惠?
参考数据:.附:相关系数.
年份 | |||||
销量(万台) |
购置传统燃油车 | 购置新能源车 | 总计 | |
男性车主 | |||
女性车主 | |||
总计 |
(2)请将上述列联表补充完整,根据小概率值的独立性检验,分析购车车主购置新能源乘用车与性别是否有关系?
①参考公式:相关系数;
②参考数据:;
③卡方临界值表:
0.10 | 0.05 | 0.010 | 0.005 | 0.001 | |
2.706 | 3.841 | 6.635 | 7.879 | 10.828 |
附,,
A. | B. |
C. | D. |
5 . 某校20名学生的数学成绩和知识竞赛成绩如下表:
学生编号 | 1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 | 9 | 10 |
数学成绩 | 100 | 99 | 96 | 93 | 90 | 88 | 85 | 83 | 80 | 77 |
知识竞赛成绩 | 290 | 160 | 220 | 200 | 65 | 70 | 90 | 100 | 60 | 270 |
学生编号 | 11 | 12 | 13 | 14 | 15 | 16 | 17 | 18 | 19 | 20 |
数学成绩 | 75 | 74 | 72 | 70 | 68 | 66 | 60 | 50 | 39 | 35 |
知识竞赛成绩 | 45 | 35 | 40 | 50 | 25 | 30 | 20 | 15 | 10 | 5 |
计算可得数学成绩的平均值是,知识竞赛成绩的平均值是,并且,,.
(1)求这组学生的数学成绩和知识竞赛成绩的样本相关系数(精确到).
(2)设,变量和变量的一组样本数据为,其中两两不相同,两两不相同.记在中的排名是第位,在中的排名是第位,.定义变量和变量的“斯皮尔曼相关系数”(记为)为变量的排名和变量的排名的样本相关系数.
(i)记,.证明:.
(ii)用(i)的公式求这组学生的数学成绩和知识竞赛成绩的“斯皮尔曼相关系数”(精确到).
(3)比较(1)和(2)(ii)的计算结果,简述“斯皮尔曼相关系数”在分析线性相关性时的优势.
注:参考公式与参考数据.;;.
A.相关系数r变小 | B.决定系数变小 |
C.残差平方和变大 | D.解释变量x与预报变量y的相关性变强 |
x | 1 | 2 | 3 | 4 | 5 |
y | 10 | m | 6 | n | 2 |
A. | B. | C. | D. |
模型 | 模型1 | 模型2 | 模型3 | 模型4 |
相关系数r | 0.48 | 0.15 | 0.96 | 0.30 |
A.模型1 | B.模型2 |
C.模型3 | D.模型4 |
,.
(1)求样本的相关系数(精确到;
(2)新药经过临床试验后,企业决定通过两条不同的生产线每天8小时批量生产该商品,其中第1条生产线的生产效率是第2条生产线的两倍.若第1条生产线出现不合格药品的概率为,第2条生产线出现不合格药品的概率为,两条生产线是否出现不合格药品相互独立.
(i)随机抽取一件该企业生产的药品,求该药品不合格的概率;
(ii)若在抽查中发现3件不合格药品,求其中至少有2件药品来自第1条生产线的概率.
附:相关系数.
1 | 2 | 3 | 4 | 5 | |
2.6 | 3.1 | 4.5 | 6.8 | 8.0 |
(2)试用最小二乘法求出利润y与时间t的回归方程,并预测当时的利润额.
附:,
,.
参考数据:,,,.