A.“事件,互斥”是“事件,对立”的充分不必要条件. |
B.假设,,且与相互独立,则 |
C.若,,则事件,相互独立与事件,互斥不能同时成立 |
D.在一组样本数据,,,,(,,不全相等)的散点图中,若所有样本点都在直线上,则这组样本数据的线性相关系数为 |
(1)请完成下面的2×2列联表,并判断是否有99%的把握认为PM2.5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 | |
PM2.5的平均浓度 | |||
PM2.5的平均浓度 | |||
合计 |
(2)经计算得回归方程为,求相关系数,并判断该回归方程是否有价值.
参考公式:①,其中.
0.100 | 0.050 | 0.010 | 0.001 | |
2.706 | 3.841 | 6.635 | 10.828 |
③.若,则与有较强的相关性.
A.相关系数越接近,变量相关性越强 |
B.落在回归直线方程上的样本点越多,回归直线方程拟合效果越好 |
C.相关指数越小,残差平方和越大,即模型的拟合效果越差 |
D.若表示女大学生的身高,表示体重则表示女大学生的身高解释了的体重变化 |
月份 | 1 | 2 | 3 | 4 | 5 |
带货金额/万元 | 350 | 440 | 580 | 700 | 880 |
(2)求变量,之间的线性回归方程,并据此预测2023年7月份该公司的直播带货金额.
(3)该公司随机抽取55人进行问卷调查,得到如下不完整的列联表:
参加过直播带货 | 未参加过直播带货 | 总计 | |
女性 | 25 | 30 | |
男性 | 10 | ||
总计 |
参考数据:,,,
,.
参考公式:相关系数,线性回归方程的斜率,截距.
附:,其中.
0.15 | 0.10 | 0.05 | 0.025 | |
2.072 | 2.706 | 3.841 | 5.024 |
年份代码 | 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的比重 | 41.3 | 41.5 | 39.0 | 38.6 | 36.7 |
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,.
(1)由上表数据,是否可用一元线性回归模型拟合与的关系,请用相关系数加以说明.
(2)请建立关于的一元线性回归方程.
A.两个变量,的相关系数为,则越小,与之间的相关性越弱 |
B.设随机变量服从正态分布,若,则 |
C.在回归分析中,为的模型比为的模型拟合的更好 |
D.某人在10次答题中,答对题数为,,则答对7题的概率最大 |
7 . 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,.
现该公司收集了近12年的年研发资金和年销售额的数据,,2,,12,并对这些数据作了初步处理,得到了散点图及一些统计量的值.令,,经计算得如下数据:
20 | 66 | 770 | 200 | 460 | 4.20 |
3125000 | 21500 | 0.308 | 14 |
(1)设和的相关系数为,和的相关系数为,请从相关系数的角度,选择一个拟合程度更好的模型;
(2)根据(1)的选择及表中数据,建立关于的回归方程(计算过程中保留到0.001,最后结果精确到0.01);
(3)为进一步了解人们对新款式瓷器喜爱程度(分为“比较喜欢”和“不太喜欢”)是否跟年龄(分为“小于30岁”和“不小于30岁”)有关,公司从该地区随机抽取600人进行调查,调查数据如下表:
比较喜欢 | 不太喜欢 | 合计 | |
年龄小于30岁 | 200 | 100 | 300 |
年龄不小于30岁 | 150 | 150 | 300 |
合计 | 350 | 250 | 600 |
附:①相关系数,回归直线中斜率和截距的最小二乘估计公式分别为:,;
②,;
0.15 | 0.1 | 0.05 | 0.025 | 0.01 | 0.001 | |
2.072 | 2.706 | 3.841 | 5.024 | 6.635 | 10.828 |
(1)根据参考数据计算样本相关系数(精确到);
(2)令变量,,利用(1)中结论求关于的经验回归方程,并预测年移动物联网连接数.
附注:(i)回归方程中斜率和截距最小二乘估计公式分别为,,样本相关系数;
(ii)参考数据:,,,
A.在研究成对数据的相关关系时,线性相关关系越强,相关系数越接近于1 |
B.样本数据:27,30,37,39,40,50的第30百分位数与第50百分位数之和为68 |
C.已知随机变量,若,则 |
D.将总体划分为2层,通过分层随机抽样,得到两层的样本平均数和样本方差分别为和,,若,则总体方差 |