4 | 6 | 8 | 10 | 12 | |
1 | 2 | 2.9 | 5 | 6.1 |
A. | B. | C. | D.无法确定 |
【知识点】 求回归直线方程解读 计算古典概型问题的概率
长度() | 24 | 24.5 | 25 | 25.5 | 26 | 26.5 |
码数 | 38 | 39 | 40 | 41 | 42 | 43 |
A.40 | B.41 | C.42 | D.43 |
A.已知二次函数,其中a,c是已知常数,取b为自变量,因变量为这个函数对应方程的判别式 |
B.光照时间和果树亩产量 |
C.降雪量和交通事故的发生率 |
D.每亩施用肥料量和粮食亩产量 |
【知识点】 相关关系与函数关系的概念及辨析
x | 3 | 4 | 5 | 6 | 7 |
y | 4.0 | 2.5 | 0.5 | 0.5 | 2.0 |
A.增加1.4个单位 | B.减少1.4个单位 |
C.增加1.2个单位 | D.减少1.2个单位 |
【知识点】 解释回归直线方程的意义解读
A.①④ | B.②④ | C.①③ | D.②③ |
A.产量每增加件,单位成本约下降元 | B.产量每减少件,单位成本约下降元 |
C.当产量为千件时,单位成本为元 | D.当产量为千件时,单位成本为元 |
A.由样本数据得到的回归方程必过样本点的中心 |
B.残差平方和越小的模型,拟合的效果越好 |
C.用相关指数R2来刻画回归效果,R2越小,说明模型的拟合效果越好 |
D.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1. |
A.越大,线性相关程度越强 |
B.越小,线性相关程度越强 |
C.越大,线性相关程度越弱,越小,线性相关程度越强 |
D.,且越接近,线性相关程度越强,越接近,线性相关程度越弱 |
【知识点】 相关系数的意义及辨析解读
年龄(岁) | 6 | 7 | 8 | 9 |
身高(cm) | 118 | 126 | 136 | 144 |
由散点图可知,身高与年龄之间的线性回归方程为,预测该孩子10岁时的身高为
A.154 | B.153 | C.152 | D.151 |
【知识点】 用回归直线方程对总体进行估计解读 求回归直线方程解读
①;②直线恰过点;③.
其中正确结论的序号是
A.①② | B.①③ | C.②③ | D.①②③ |
x | 0.1 | 0.2 | 0.3 | 0.5 |
y | 2.11 | 2.85 | 4.08 | 10.15 |
A.(0.1,2.11) | B.(0.2,2.85) |
C.(0.3,4.08) | D.(0.275,4.7975) |
【知识点】 解释回归直线方程的意义解读
2 | 4 | 5 | 6 | 8 | |
30 | 40 | 60 | 50 | 70 |
A.-10 | B.0 | C.10 | D.20 |
①回归直线过样本点中心(,)
②将一组数据中的每个数据都加上或减去同一个常数后,平均值不变
③将一组数据中的每个数据都加上或减去同一个常数后,方差不变
④在回归方程=4x+4中,变量x每增加一个单位时,y平均增加4个单位
其中错误命题的序号是( )
A.① | B.② | C.③ | D.④ |
【知识点】 相关系数的意义及辨析解读
零件数x(个) | 10 | 20 | 30 | 40 | 50 |
加工时间y(分钟) | 64 | 69 | 75 | 82 | 90 |
由表中数据,求得线性回归方程,根据回归方程,预测加工70个零件所花费的时间为
7 | 10 | 12 | 15 | |
0.4 | 1.1 | 1.3 | 2.5 |
【知识点】 根据回归方程进行数据估计 根据样本中心点求参数
(2)线性回归直线必过点;
(3)对于分类变量A与B的随机变量,越大说明“A与B有关系”的可信度越大.
(4)在刻画回归模型的拟合效果时,残差平方和越小,相关指数的值越大,说明拟合的效果越好.
(5)根据最小二乘法由一组样本点,求得的回归方程是,对所有的解释变量,的值一定与有误差.
以上命题正确的序号为
使用年限x/年 | 2 | 3 | 4 | 5 | 6 |
维修费用y/万元 | 2.2 | 3.8 | 5.5 | 6.5 | 7.0 |
(1)回归方程x+的系数.
(2)使用年限为10年时,试估计维修费用是多少.
【知识点】 回归直线方程
x | 0.066 7 | 0.038 8 | 0.033 3 | 0.027 3 | 0.022 5 |
y | 39.4 | 42.9 | 41.0 | 43.1 | 49.2 |
【知识点】 用回归直线方程对总体进行估计解读 求回归直线方程解读
月份 | ||||||
月份代码x | 1 | 2 | 3 | 4 | 5 | 6 |
y | 11 | 13 | 16 | 15 | 20 | 21 |
请用相关系数说明能否用线性回归模型拟合y与月份代码x之间的关系,如果能,请计算出y关于x的线性回归方程,并预测该公司2018年12月的市场占有率如果不能,请说明理由.
根据调研数据,公司决定再采购一批单车扩大市场,现有采购成本分别为1000元辆和800元辆的A,B两款车型,报废年限各不相同考虑公司的经济效益,该公司决定对两款单车进行科学模拟测试,得到两款单车使用寿命频数表如表:
报废年限 车型 | 1年 | 2年 | 3年 | 4年 | 总计 |
A | 10 | 30 | 40 | 20 | 100 |
B | 15 | 40 | 35 | 10 | 100 |
经测算,平均每辆单车每年可以为公司带来收入500元不考虑除采购成本以外的其他成本,假设每辆单车的使用寿命都是整数年,用频率估计每辆车使用寿命的概率,分别以这100辆单车所产生的平均利润作为决策依据,如果你是该公司的负责人,会选择采购哪款车型?
参考数据:,,
参考公式:相关系数
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:,.
价格/元 | 14 | 16 | 18 | 20 | 22 |
需求量/件 | 56 | 50 | 43 | 41 | 37 |
(参考数据:)
【知识点】 求回归直线方程解读 相关指数的计算及分析解读
价格/元 | 14 | 16 | 18 | 20 | 22 |
需求量/件 | 56 | 50 | 43 | 41 | 37 |
(参考数据:)
【知识点】 求回归直线方程解读 相关指数的计算及分析解读
使用年数x | 1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 | 9 | 10 |
平均价格 y/美元 | 2 651 | 1 943 | 1 494 | 1 087 | 765 | 538 | 484 | 290 | 226 | 204 |