组卷网 > 知识点选题 > 误差分析
更多: | 只看新题 精选材料新、考法新、题型新的试题
解析
| 共计 9 道试题
1 . 下列说法正确的有(       
A.若随机变量,则越大,该正态分布对应的正态密度曲线越矮胖
B.如果散点图中所有散点都落在一条斜率为非零的直线上,那么决定系数一定为1
C.若变量之间的样本相关系数为,则变量之间的负线性相关性很强
D.若样本数据,…,的方差为2,则,…,的方差为6
2023-07-16更新 | 200次组卷 | 1卷引用:湖北省黄冈、黄石、鄂州三市2022-2023学年高二下学期期末联考数学试题
2 . 下列命题正确的是(       
A.若甲、乙两组数据的相关系数分别为0.66和,则乙组数据的线性相关性更强
B.已知由一组样本数据得到的回归直线方程为,且,则这组样本数据中一定有
C.在回归分析中,相关指数越大,说明回归效果越好
D.已知,若根据列联表得到的观测值为4.1,则根据小概率值的独立性检验认为两个分类变量有关
2023-07-12更新 | 153次组卷 | 1卷引用:湖北省武汉市江岸区2022-2023学年高二下学期期末数学试题
3 . 以下说法正确的是(       
A.在残差的散点图中,残差分布的水平带状区域的宽度越窄,其模型的拟合效果越好
B.若两组数据的样本相关系数分别为,则组数据比组数据的相关性较强
C.决定系数越小,模型的拟合效果越差
D.有10件产品,其中3件次品,抽2件产品进行检验,恰好抽到一件次品的概率是
2023-07-06更新 | 441次组卷 | 3卷引用:湖北省武汉市部分重点中学2022-2023学年高二下学期期末联考数学试题
4 . 为研究如何合理施用有机肥,使其最大限度地促进某种作物的增产,同时减少对周围环境的污染,某研究团队收集了7组某种有机肥的施用量和当季该种作物的亩产量的数据,并对这些数据进行了初步处理,得到如表所示的一些统计量的值,其中,有机肥施用量为(单位:千克),当季该种作物的亩产量为(单位:百千克).
1246111319
1.93.24.04.45.25.35.4
现有两种模型可供选用,模型I为线性回归模型,利用最小二乘法,可得到关于的经验回归方程为,模型II为非线性经验回归方程,经计算可得此方程为,另外计算得到模型I的决定系数和模型II的决定系数,则(       
A.
B.模型II的拟合效果比较好
C.在经验回归方程中,当解释变量每增加1个单位时,响应变量一定增加0.17个单位
D.若7组数据对应七个点,则至少有一个点在经验回归直线上
2023-06-28更新 | 244次组卷 | 3卷引用:湖北省十堰市2022-2023学年高二下学期6月期末数学试题
智能选题,一键自动生成优质试卷~
5 . 下列结论中,正确的有(       
A.若随机变量,则B.将一组样本中的每个数据都加上同一个非零常数后,均值与方差都变化C.已知经验回归方程为,且,则D.在线性回归分析中相关指数用来刻画拟合的效果,若值越小,则模型的拟合效果越好
2022-11-18更新 | 745次组卷 | 4卷引用:湖北省部分重点中学2022-2023学年高三上学期第一次联考数学试题
6 . 已知线性相关,且求得回归方程为,变量的部分取值如表所示,则(       
A.负相关B.
C.时,的预测值为D.处的残差为
7 . 对于变量x和变量y,通过随机抽样获得10个样本数据,变量x和变量y具有较强的线性相关并利用最小二乘法获得回归方程为,且样本中心点为,则下列说法正确的是(       ).
A.变量x和变量y呈正相关
B.变量x和变量y的相关系数
C.
D.样本数据的残差绝对值大
8 . 中国茶文化博大精深,茶水的口感与茶叶类型和水的温度有关为了建立茶水温度随时间变化的函数模型,小明每隔1分钟测量一次茶水温度,得到若干组数据,绘制了如图所示的散点图.小明选择了如下2个函数模型来拟合茶水温度随时间的变化情况,函数模型一:;函数模型二:,下列说法正确的是(       
A.变量具有负的相关关系
B.由于水温开始降得快,后面降得慢,最后趋于平缓,因此模型二能更好的拟合茶水温度随时间的变化情况
C.若选择函数模型二,利用最小二乘法求得到的图象一定经过点
D.当时,通过函数模型二计算得,用温度计测得实际茶水温度为65.2,则残差为0.1
2021-10-25更新 | 998次组卷 | 3卷引用:湖北省武汉市第二中学2022届高三下学期5月全仿真模拟考试(一)数学试题
9 . 下列说法正确的是(       
A.“AB是互斥事件”是“AB互为对立事件”的必要不充分条件
B.若随机变量X取可能的值1,2,3,…,n是等可能的,且EX)=10,则n=10
C.相关指数越大,模型的拟合效果越好
D.若随机变量,且EX)=20,则DX)=12
共计 平均难度:一般