附:用最小二乘法求得线性回归方程为,其中,.
步频(单位:s) | 0.28 | 0.29 | 0.30 | 0.31 | 0.32 |
步长(单位:) | 90 | 95 | 99 | 103 | 117 |
(2)记,其中为观测值,为预测值,为对应的残差,求(1)中步长的残差的和.
参考数据:,.参考公式:,.
第一天 | 第二天 | 第三天 | 第四天 | 第五天 | 第六天 | 第七天 | |
序号 | 1 | 2 | 3 | 4 | 5 | 6 | 7 |
小明成功次数 | 16 | 20 | 20 | 25 | 30 | 36 | |
小红成功次数 | 16 | 22 | 25 | 26 | 32 | 35 | 35 |
(2)根据小明这7天内前6天的成功次数,求其成功次数关于序号的线性回归方程,并估计小明第七天成功次数的值.
参考公式:回归方程中斜率与截距的最小二乘估计公式分别为:
,.
参考数据:;.
城市编号 | 1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 | 9 | 10 | 总和 |
x | 1.300 | 1.444 | 0.786 | 1.652 | 1.756 | 1.754 | 1.200 | 1.500 | 1.200 | 0.908 | 13.5 |
y | 66 | 76 | 21 | 170 | 156 | 120 | 72 | 120 | 100 | 129 | 1030 |
(1)求变量关于的线性回归方程;
(2)根据内浓度确定空气质量等级,浓度在0~35为优,35~75为良,75~115为轻度污染,115~150为中度污染,150~250为重度污染,已知某城市内过往的汽车流量为1360辆,判断该城市的空气质量等级.
参考公式:线性回归方程为,其中以.
6 . 家居消费是指居民在日常生活中购买和使用的家具、家电、建材、装修等产品和服务所形成的消费行为.长期以来,家居消费一直是居民消费的重要组成部分,对于带动居民消费增长和经济恢复具有重要意义.某家居店为了迎接周年庆举办促销活动,统计了半个月以来天数x与销售额y(万元)的一组数据:.通过分析发现x与y呈线性相关.
(1)求x与y的样本相关系数r(结果保留三位小数);
(2)求x与y的线性回归方程(,的结果用分数表示).
参考公式:相关系数,,.
参考数据:,,,.
x | 2017 | 2018 | 2019 | 2020 | 2021 | 2022 |
A.5 | B.13 |
C.8059 | D.8077 |
时间x | 1 | 2 | 3 | 4 | 5 |
销售量y(千只) | 0.5 | 0.7 | 1.0 | 1.2 | 1.6 |
A.由题中数据可知,变量y与x正相关 |
B.线性回归方程中, |
C.时,残差为0.06 |
D.可以预测时,该商场手机销量约为1.81千只 |
9 . 2015—2019年,中国社会消费品零售额占GDP的比重超过4种,2020年后,中国社会消费品零售额占GDP的比重逐年下降.下表为2018—2022年中国社会消费品零售额(单位:万亿元)及其占GDP的比重y(单位:%)的数据,其中2018—2022年对应的年份代码x依次为1~5.
年份代码x | 1 | 2 | 3 | 4 | 5 |
社会消费品零售额 | 37.8 | 40.8 | 39.2 | 44.1 | 44.0 |
社会消费品零售额占 GDP的比重y/% | 41.3 | 41.5 | 39.0 | 38.6 | 36.7 |
(1)由上表数据,是否可用一元线性回归模型拟合y与x的关系,请用相关系数加以说明.
(2)请建立y关于x的一元线性回归方程.
(3)从2018—2022年中国社会消费品零售额这5个数据中随机抽取2个数据.若抽取的2个数据中至少有1个数据大于40.0,求这2个数据恰好有1个数据不小于44.0的概率.
附:,,,,
相关系数.
对于一组数据,其一元线性回归直线的斜率和截距的最小二乘估计公式分别为,.
年份 | 2015 | 2016 | 2017 | 2018 | 2019 | 2020 | 2021 | 2022 |
年份代号x | 1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 |
游客总人数y | 3.3 | 4.3 | 5.7 | 6.9 | 8.1 | 5.3 | 6.5 | 8.4 |
(1)根据和预测2023年云南省游客总人数(预测数据精确到0.1);
(2)为了检验两种模型的预测效果,对两种模型作残差分析得到:
模型一:总偏差平方和,残差平方和;
模型二:总偏差平方和,残差平方和,
用来比较模型一与模型二的拟合效果(精确到0.001);
(3)根据2020年至2022年游客总人数y的数据建立线性回归模型三,求回归方程,并根据预测2023年云南省游客总人数(预测数据精确到0.1).
参考公式:,,,.