时间/年 | 主要飓风数量 | |
1921—1930 | 1 | 17 |
1931—1940 | 2 | 16 |
1941—1950 | 3 | 29 |
1951—1960 | 4 | 33 |
1961—1970 | 5 | 27 |
1971—1980 | 6 | 16 |
1981—1990 | 7 | 16 |
1991—2000 | 8 | 27 |
2001—2010 | 9 | 33 |
(2)借助图象,尝试求出形如正弦型函数的解析式;
(3)使用数学软件找到最佳拟合的正弦型函数.
年份 | GDP/亿元 | 年份 | GDP/亿元 |
1997 | 79715.0 | 2002 | 121717.4 |
1998 | 85195.5 | 2003 | 137422.0 |
1999 | 90564.4 | 2004 | 161840.2 |
2000 | 100280.1 | 2005 | 187318.9 |
2001 | 110863.1 | 2006 | 219438.5 |
(2)建立年份为解释变量,GDP为响应变量的一元线性回归模型,并计算残差;
(3)根据你得到的一元线性回归模型,预测2017年的GDP,看看你的预测值与实际的GDP的误差是多少?(2017年GDP的实际值为亿元)
(4)你认为这个模型能较好地刻画GDP和年份的关系吗?请说明理由
(5)随着时间的发展,又收集到2007~2016年的GDP数据如下:
年份 | GDP/亿元 | 年份 | GDP/亿元 |
2007 | 270232.3 | 2012 | 540367.4 |
2008 | 319515.5 | 2013 | 595244.4 |
2009 | 349081.4 | 2014 | 643974.0 |
2010 | 413030.3 | 2015 | 689052.1 |
2011 | 489300.6 | 2016 | 744127.2 |
年份 | 2014 | 2015 | 2016 | 2017 |
手机上网人数/亿 | 5.57 | 6.2 | 6.95 | 7.53 |
(2)试选择合适的函数类型建立数学模型,刻画手机上网人数随年份变化的规律,并预测2018年中国居民手机上网人数.
身长X/cm | 30.0 | 31.2 | 31.1 | 33.5 | 34.0 | 34.7 | 34.5 | 35.0 | 35.1 | 36.2 |
体重Y/g | 242.0 | 290.0 | 340.0 | 363.0 | 430.0 | 450.0 | 500.0 | 390.0 | 450.0 | 500.0 |
身长X/cm | 36.2 | 36.2 | 36.4 | 37.2 | 37.2 | 38.3 | 38.5 | 38.6 | 38.7 | |
体重Y/g | 475.0 | 500.0 | 500.0 | 600.0 | 600.0 | 700.0 | 700.0 | 610.0 | 650.0 |
年份 | 2013 | 2014 | 2015 | 2016 |
人口数 | 13.61亿 | 13.68亿 | 13.75亿 | 13.83亿 |
(2)选择其中合适的两个点,建立一次函数模拟,用模拟函数预测2017年中国人口数;
(3)能否用“更好”的直线来模拟这组数据的变化?也就是说,能否确定,的值,使式子的值最小?(按如下步骤进行预测)
①化简S,使之成为字母的二次三项式;
②当取何值时(设为),二次三项式S取最小值(设为),这里和都应该是含字母的式子,且是字母的二次三项式;
③求的值,使取最小值;
④求出对应于上述的值;
⑤用一次函数模拟数据的变化,用模拟函数预测2017年中国人口数.
(4)把所得到的两个预测数据和2017年中国实际人口数进行比较.
X | 78 | 77 | 112 | 114 | 104 | 99 | 92 | 80 | 113 |
Y | 114 | 68 | 116 | 123 | 107 | 81 | 76 | 90 | 91 |
X | 99 | 97 | 80 | 84 | 89 | 100 | 111 | 75 | 94 |
Y | 95 | 106 | 99 | 82 | 77 | 81 | 111 | 80 | 98 |
X | 67 | 46 | 106 | 99 | 102 | 127 | 113 | 91 | 91 |
Y | 82 | 56 | 117 | 98 | 89 | 113 | 112 | 103 | 93 |
X | 96 | 100 | 97 | 82 | 43 | 77 | 109 | 99 | 99 |
Y | 90 | 102 | 104 | 92 | 43 | 100 | 90 | 100 | 103 |
X | 100 | 56 | 56 | 67 | 71 | 66 | 78 | 95 | 38 |
Y | 103 | 67 | 67 | 67 | 66 | 63 | 76 | 86 | 64 |
(2)建立Y关于X的线性回归方程,并预测当X为110时Y的值.
运送距离x/km | 825 | 215 | 1070 | 550 | 480 | 920 | 1350 | 325 | 670 | 1215 |
运送时间y/天 | 3.5 | 1.0 | 4.0 | 2.0 | 1.0 | 3.0 | 4.5 | 1.5 | 3.0 | 5.0 |
(2)计算相关系数,说明这两个变量之间的相关程度;
(3)利用最小二乘法求出这两个变量之间的回归直线方程.
订单编号 | 1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 | 9 | 10 | 11 | 12 |
距离/km | 2 | 2 | 2 | 5 | 5 | 5 | 10 | 10 | 10 | 15 | 15 | 15 |
时间/min | 10.2 | 14.6 | 18.2 | 20.1 | 22.4 | 30.6 | 30.8 | 35.4 | 50.6 | 60.1 | 68.4 | 72.1 |
(2)如果配送时间和距离具有相关关系,求回归直线方程;
(3)如果运送一件商品到距离便利店8km的顾客手中,估计需要多长时间?
身高x/cm | 176 | 171 | 165 | 178 | 169 | 172 | 176 | 168 | 173 | 171 | 180 | 191 | 179 |
臂展y/cm | 169 | 162 | 164 | 170 | 172 | 170 | 181 | 161 | 174 | 164 | 182 | 188 | 182 |
(2)计算x与y之间的相关系数,并根据计算结果说出你的判断.