10.15 | 109.94 | 3.04 | 0.16 | ||||
13.94 | 11.67 | 0.21 | 21.22 |
(1)用相关系数说明哪种模型建立y与x的回归方程更合适;
(2)根据(1)的结果及表中数据,建立y关于x的回归方程;
(3)已知玫瑰的利润z与x、y的关系为,当x为何值时,z的预期最大.
参考数据和公式:,,,对于一组数据,其回归直线方程的斜率和截距的最小二乘法估计分别为,,相关系数.
年份 | 2019 | 2020 | 2021 | 2022 | 2023 |
充电桩数量x/万台 | 1 | 3 | 5 | 7 | 9 |
新能源汽车年销量y/万辆 | 25 | 37 | 48 | 58 | 72 |
(2)求y关于x的线性回归方程,预测当该地区充电桩数量为24万台时,新能源汽车的年销量是多少万辆?
参考公式:相关系数,回归方程中斜率和截距的最小二乘估计公式分别为,.
参考数据:,,,.
样本号i | 1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 | 9 | 10 | 总和 |
根部横截面积 | 0.04 | 0.06 | 0.04 | 0.03 | 0.08 | 0.05 | 0.05 | 0.07 | 0.07 | 0.06 | 0.6 |
材积量 | 0.25 | 0.40 | 0.22 | 0.54 | 0.51 | 0.34 | 0.36 | 0.46 | 0.42 | 9.40 | 3.9 |
(1)估计该林区这种树木平均一棵的根部横截面积与平均一棵的材积量;
(2)求该林区这种树木的根部横截面积与材积量的样本相关系数(精确到0.01).
附:相关系数,.
年份 | 2019 | 2020 | 2021 | 2022 | 2023 |
年份代码 | 1 | 2 | 3 | 4 | 5 |
综合产值 | 23.1 | 37.0 | 62.1 | 111.6 | 150.8 |
(2)求出y关于x的经验回归方程,并预测2024年底该果场富硒梨产业的综合总产值.
参考公式:相关系数回归方程中斜率和截距的最小二乘法估计公式分别为:;
参考数据:
汽车日流量 | 汽车日流量 | 合计 | |
的平均浓度 | |||
的平均浓度 | |||
合计 |
(2)经计算得回归方程为,且这50天的汽车日流量的标准差,的平均浓度的标准差.
①求相关系数,并判断该回归方程是否有价值;
②若这50天的汽车日流量满足,试推算这50天的日均浓度的平均数.(精确到0.1)
参考公式:,其中.
0.100 | 0.050 | 0.010 | 0.001 | |
2.706 | 3.841 | 6.635 | 10.828 |
相关系数. 若,则认为与有较强的线性相关性.
(1)求y与x的相关系数r,并据此判断电动汽车销量y与年份x的相关性强弱;
(2)该部门还调查了该地区90位购车车主的性别与购车种类情况,得到的数据如下表:
性别 | 购买非电动汽车 | 购买电动汽车 | 总计 |
男性 | 39 | 45 | |
女性 | 15 | ||
总计 |
参考公式:(i)线性回归方程:,其中;
(ii)相关系数:,若,则可判断y与x线性相关较强.
(iii),其中.附表:
0.10 | 0.05 | 0.010 | 0.001 | |
2.706 | 3.841 | 6.635 | 10.828 |
年份x | 2019 | 2020 | 2021 | 2022 | 2023 |
汽车购买y(万辆) | 0.30 | 0.60 | 1.00 | 1.40 | 1.70 |
(2)求关于的线性回归方程,并预测该市2024年新能源汽车购买辆数(精确到个位).
参考公式:,,
参考数值:.
样本号 | 1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 | 9 | 10 | 总和 |
零件的横截面积 | 0.03 | 0.05 | 0.04 | 0.07 | 0.07 | 0.04 | 0.05 | 0.06 | 0.06 | 0.05 | 0.52 |
耗材量 | 0.24 | 0.40 | 0.23 | 0.55 | 0.50 | 0.34 | 0.35 | 0.45 | 0.43 | 0.41 | 3.9 |
(1)估算刘铭同学制作的这种零件平均每个零件的横截面积以及平均一个零件的耗材量;
(2)求刘铭同学制作的这种零件的横截面积和耗材量的样本相关系数(精确到0.01).
附:相关系数;.
9 . 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 | 2 | 3 | 4 | 5 | 6 |
y | 2.2 | 3.8 | 5.5 | 6.5 | 7.0 |
(1)计算y与x的样本相关系数r(精确到0.001),并判断该型机床的使用年限与所支出的维修费用的相关性强弱(若,则认为y与x相关性很强,否则不强).
(2)该厂购入一台新的A型机床,工人们分别使用这台机床(记为X)和一台已经使用多年的A型机床(记为Y)各制造50个零件,统计得出的数据如下表:
机床 | 零件 | 合计 | |
合格 | 不合格 | ||
X | 4 | ||
Y | 40 | ||
合计 |
附:相关系数.
,其中.
0.10 | 0.05 | 0.010 | 0.005 | 0.001 | |
2.706 | 3.841 | 6.635 | 7.879 | 10.828 |