- 集合与常用逻辑用语
- 函数与导数
- 三角函数与解三角形
- 平面向量
- 数列
- 不等式
- 空间向量与立体几何
- 平面解析几何
- 计数原理与概率统计
- 随机抽样
- 用样本估计总体
- + 变量间的相关关系
- 相关关系
- 散点图
- 回归直线方程
- 最小二乘法
- 推理与证明
- 算法与框图
- 复数
- 几何证明选讲
- 不等式选讲
- 矩阵与变换
- 初中衔接知识点
- 竞赛知识点
某单位应上级扶贫办的要求,对本单位所有扶贫户每年年底进行收入统计,如表是该单位扶贫户中的
户从2015年至2018年的收入统计数据:(其中
为
贫困户的人均年纯收入)
(1)作出
贫困户的人均年纯收入的散点图;
(2)根据上表数据,用最小二乘法求出
关于年份代码
的线性回归方程
,并估计
贫困户在2019年能否脱贫(注:国家规定2019年的脱贫标准:人均年纯收入不低于3747元).(参考公式:
)



年份 | 2015年 | 2016年 | 2017年 | 2018年 |
年份代码![]() | 1 | 2 | 3 | 4 |
人均纯收入![]() | 25 | 28 | 32 | 35 |
(1)作出

(2)根据上表数据,用最小二乘法求出





经过对中学生记忆能力x和识图能力y进行统计分析,得到如下数据:
由表中数据,求得线性回归方程为
,若某中学牛的记忆能力为14,则该中学生的识图能力为( )
记忆能力![]() | 4 | 6 | 8 | 10 |
识图能力![]() | 3 | 5 | 6 | 8 |
由表中数据,求得线性回归方程为

A.7 | B.9.5 | C.11.1 | D.12 |
已知回归直线的斜率的估计值为1.23,样本点的中心为(5,6),则回归直线方程为( )
A.![]() | B.![]() |
C.![]() | D.![]() |
“工资条里显红利,个税新政人民心”,随着2019年新年钟声的敲响,我国自1980年以来,力度最大的一次个人所得税(简称个税)改革迎来了全面实施的阶段,某
从业者为了解自己在个税新政下能享受多少税收红利,绘制了他在26岁~35岁(2009年~2018年)之间各月的月平均收入
(单位:千元)的散点图:

(1)由散点图知,可用回归模型
拟合
与
的关系,试根据有关数据建立
关于
的回归方程;
(2)如果该
从业者在个税新政下的专项附加扣除为3000元/月,试利用(1)的结果,将月平均收入为月收入,根据新旧个税政策,估计他36岁时每个月少缴交的个人所得税.
附注:
参考数据
,
,
,
,
,
,
,其中
;取
,
参考公式:回归方程
中斜率和截距的最小二乘估计分别为
,
新旧个税政策下每月应纳税所得额(含税)计算方法及税率表如下:



(1)由散点图知,可用回归模型





(2)如果该

附注:
参考数据










参考公式:回归方程



新旧个税政策下每月应纳税所得额(含税)计算方法及税率表如下:
| 旧个税税率表(个税起征点3500元) | 新个税税率表(个税起征点5000元) | ||
税缴级数 | 每月应纳税所得额(含税) =收入-个税起征点 | 税率 (%) | 每月应纳税所得额(含税) =收入一个税起征点-专项附加扣除 | 税率 (%) |
1 | 不超过1500元的部分 | 3 | 不超过3000元的部分 | 3 |
2 | 超过1500元至4500元的部分 | 10 | 超过3000元至12000元的部分 | 10 |
3 | 超过4500元至9000元的部分 | 20 | 超过12000元至25000元的部分 | 20 |
4 | 超过9000元至35000元的部分 | 25 | 超过25000元至35000元的部分 | 25 |
5 | 超过35000元155000元的部分 | 30 | 超过35000元至55000元的部分 | 30 |
某型号汽车使用年限
与年维修费
(单位:万元)的统计数据如下表,由最小二乘法求得回归方程
.现发现表中有一个数据看不清,推测该数据的值为( )



使用年限![]() | ![]() | ![]() | ![]() | ![]() | ![]() |
维修费![]() | ![]() | | ![]() | ![]() | ![]() |
A.![]() | B.![]() |
C.![]() | D.![]() |
已知关于两个随机变量
的一组数据如下表所示,且
成线性相关,其回归直线方程为
,则当变量
时,变量
的预测值应该是_________ .





![]() | 2 | 3 | 4 | 5 | 6 |
![]() | 4 | 6 | 7 | 10 | 13 |
在统计中,由一组样本数据
,
,
利用最小二乘法得到两个变量的回归直线方程为
,那么下面说法正确的是()




A.直线![]() ![]() ![]() ![]() |
B.直线![]() ![]() |
C.直线![]() ![]() ![]() |
D.![]() ![]() ![]() |
已知y与x及
与
的成对数据如下,且y关于x的回归直线方程为
,则
关于
的回归直线方程为( )





x | 1 | 2 | 3 | 4 | 5 |
y | 2 | 3 | 4 | 5 | 7 |
![]() | 10 | 20 | 30 | 40 | 50 |
![]() | 20 | 30 | 40 | 50 | 70 |
A.![]() | B.![]() | C.![]() | D.![]() |
某城市新开大型楼盘,该楼盘位于城市的黄金地段,预售场面异常火爆,故该楼盘开发商采用房屋竞价策略,竞价的基本规则是:①所有参与竞价的人都是网络报价,每个人并不知晓其他人的报价,也不知道参与当期竞价的总人数;②竞价采用“一月一期制”,当月竞价时间截止后,系统根据当期房屋配额,按照竞拍人的出价从高到低分配名额。某人拟参加2019年10月份的房屋竞拍,他为了预测最低成交价,根据网站的公告,统计了最近5个月参与竞价的人数(如表):
(1)由收集数据的散点图发现,可用线性回归模型拟合竞拍人数y(万人)与月份编号t之间的相关关系。请用最小二乘法求y关于t的线性回归方程:
,并预测2019年10月份(几份编号为6)参与竞拍的人数;
(2)某市场调研机构对200位拟参加2019年10月份房屋竞价人员的报价进行了一个抽样调查,得到如下图所示的频数表:
(i)求这200位竞拍人员报价X的平均值
和样本方差
(同一区间的报价用该价格区间的中点值代替);
(ii)假设所有参与竞价人员的报价X可视为服从正态分布
,且μ与
可分别由(i)中所求的样本平均数
及
估计。若2019年10月份计划发放房源数量为3174,请你合理预测(需说明理由)竞拍的最低成交价。
参考公式及数据:
①回归方程
,其中
,
②
;
,
③若随机变量Z服从正态分布
,则
,
,
.
月份 | 2019.05 | 2019.06 | 2019.07 | 2019.08 | 2019.09 |
月份编号t | 1 | 2 | 3 | 4 | 5 |
竞拍人数![]() | 0.5 | 0.6 | 1 | 1.4 | 1.7 |
(1)由收集数据的散点图发现,可用线性回归模型拟合竞拍人数y(万人)与月份编号t之间的相关关系。请用最小二乘法求y关于t的线性回归方程:

(2)某市场调研机构对200位拟参加2019年10月份房屋竞价人员的报价进行了一个抽样调查,得到如下图所示的频数表:
报价区间(万元/![]() | ![]() | ![]() | ![]() | ![]() | ![]() | ![]() |
频数 | 20 | 60 | 60 | 30 | 20 | 10 |
(i)求这200位竞拍人员报价X的平均值


(ii)假设所有参与竞价人员的报价X可视为服从正态分布




参考公式及数据:
①回归方程


②



③若随机变量Z服从正态分布



