- 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
- 相关关系
- 散点图
- + 回归直线方程
- 解释回归直线方程的意义
- 用回归直线方程对总体进行估计
- 根据回归方程求原数据中的值
- 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
某种产品的广告费支出
与销售额
（单位：百万元）之间有如下对应数据：
根据上表提供的数据，求出关于的回归直线方程为
，则
的值为（ ）
与销售额（单位：百万元）之间有如下对应数据： | 2 | 4 | 5 | 6 | 8 |
| 30 | 40 | | 50 | 70 |
根据上表提供的数据，求出
关于的回归直线方程为，则的值为（ ）| A．40 | B．50 | C．60 | D．70 |
假设关于某设备的使用年限
和所支出的维修费用
（万元），有如下的统计资料：
由资料可知对呈线性相关关系，且线性回归方程为
，请估计使用年限为20年时，维修费用约为（ ）
和所支出的维修费用（万元），有如下的统计资料： | 1 | 2 | 3 | 4 | 5 |
| 5 | 6 | 7 | 8 | 10 |
由资料可知
对呈线性相关关系，且线性回归方程为，请估计使用年限为20年时，维修费用约为（ ）| A．26.2 | B．27 | C．27.6 | D．28.2 |
下图是某地区2000年至2016年环境基础设施投资额
（单位：亿元）的折线图．
为了预测该地区2018年的环境基础设施投资额，建立了与时间变量
的两个线性回归模型．根据2000年至2016年的数据（时间变量的值依次为
）建立模型①：
；根据2010年至2016年的数据（时间变量的值依次为
）建立模型②：
．
（1）分别利用这两个模型，求该地区2018年的环境基础设施投资额的预测值；
（2）你认为用哪个模型得到的预测值更可靠？并说明理由．
（单位：亿元）的折线图．为了预测该地区2018年的环境基础设施投资额，建立了
与时间变量的两个线性回归模型．根据2000年至2016年的数据（时间变量的值依次为）建立模型①：；根据2010年至2016年的数据（时间变量的值依次为）建立模型②：．（1）分别利用这两个模型，求该地区2018年的环境基础设施投资额的预测值；
（2）你认为用哪个模型得到的预测值更可靠？并说明理由．
下表提供了某厂节能降耗技术改造后生产A产品过程中记录的产量x（吨）与相应的生产能耗y（吨标准煤）的几组对应数据．根据右表提供的数据，求出y关于x的线性回归方程为
，那么表中t的值为( )
，那么表中t的值为( )| A．3 | B．3.15 | C．3.5 | D．4.5 |
已知某地区某种昆虫产卵数和温度有关.现收集了一只该品种昆虫的产卵数
（个）和温度
（
）的7组观测数据，其散点图如所示：
根据散点图，结合函数知识，可以发现产卵数和温度可用方程
来拟合，令
，结合样本数据可知
与温度可用线性回归方程来拟合．根据收集到的数据，计算得到如下值：
表中
，
．
（1）求和温度的回归方程（回归系数结果精确到
）；
（2）求产卵数关于温度的回归方程；若该地区一段时间内的气温在
之间（包括
与
），估计该品种一只昆虫的产卵数的范围.（参考数据：
，
，
，
，
．）
附：对于一组数据
，
，…，
，其回归直线
的斜率和截距的最小二乘估计分别为
．
（个）和温度（）的7组观测数据，其散点图如所示：根据散点图，结合函数知识，可以发现产卵数
和温度可用方程来拟合，令，结合样本数据可知与温度可用线性回归方程来拟合．根据收集到的数据，计算得到如下值： |  |  |  |  |  |
| 27 | 74 |  | 182 |  |  |
表中
，．（1）求
和温度的回归方程（回归系数结果精确到）；（2）求产卵数
关于温度的回归方程；若该地区一段时间内的气温在之间（包括与），估计该品种一只昆虫的产卵数的范围.（参考数据：，，，，．）附：对于一组数据
，，…，，其回归直线的斜率和截距的最小二乘估计分别为．为了解春季昼夜温差大小与某种子发芽多少之间的关系,现在从4月份的30天中随机挑选了5天进行研究,且分别记录了每天昼夜温差与每100颗种子浸泡后的发芽数,得到如下表格:
(Ⅰ)从这5天中任选2天,若选取的是4月1日与4月30日的两组数据,请根据这5天中的另3天的数据,求出
关于
的线性回归方程
(Ⅱ)若由线性回归方程得到的估计数据与所选出的两组检验数据的误差均不超过2颗,则认为得到的线性回归方程是可靠的,试问(2)中所得的线性回归方程是否可靠.
(参考公式,
, 
),参考数据
| 日期 | 4月1日 | 4月7日 | 4月15日 | 4月21日 | 4月30日 |
| 温差x/oC | 10 | 11 | 13 | 12 | 8 |
| 发芽数y/颗 | 23 | 25 | 30 | 26 | 16 |
(Ⅰ)从这5天中任选2天,若选取的是4月1日与4月30日的两组数据,请根据这5天中的另3天的数据,求出
关于的线性回归方程(Ⅱ)若由线性回归方程得到的估计数据与所选出的两组检验数据的误差均不超过2颗,则认为得到的线性回归方程是可靠的,试问(2)中所得的线性回归方程是否可靠.
(参考公式,
, ),参考数据根据一组数据(24,25),(26,25),(26,26),(26,27),(28,27),用最小二乘法建立的回归直线方程为
=kx+13,则k=( )
=kx+13,则k=( )| A．2 | B．4 | C． | D． |
在某地区2008年至2014年中，每年的居民人均纯收入y（单位：千元）的数据如下表：
对变量t与y进行相关性检验，得知t与y之间具有线性相关关系．
（1）求y关于t的线性回归方程；
（2）预测该地区2016年的居民人均纯收入．
附：回归直线的斜率和截距的最小二乘估计公式分别为：
，
对变量t与y进行相关性检验，得知t与y之间具有线性相关关系．
（1）求y关于t的线性回归方程；
（2）预测该地区2016年的居民人均纯收入．
附：回归直线的斜率和截距的最小二乘估计公式分别为：
，某公司决定投人资金进行产品研发以提高产品售价.已知每件产品的制造成本为
元，若投人的总的研发成本
(万元)与每件产品的销售单价
(元)的关系如下表:
（1）求关于的线性回归方程;
（2）市场部发现，销售单价(元)与销量
(件)存在以下关系：
，
.根据（1）中结果预测，当为何值时，可获得最高的利润？
附:
，
.
元，若投人的总的研发成本(万元)与每件产品的销售单价(元)的关系如下表:（1）求
关于的线性回归方程;（2）市场部发现，销售单价
(元)与销量(件)存在以下关系：，.根据（1）中结果预测，当为何值时，可获得最高的利润？附:
，.已知变量
和
的统计数据如下表：
根据上表可得回归直线方程为
，据此可以预测当
时，的估计值为（ ）
和的统计数据如下表： | 3 | 4 | 5 | 6 | 7 |
| 2.5 | 3 | 4 | 4.5 | 6 |
根据上表可得回归直线方程为
，据此可以预测当时，的估计值为（ ）| A．6.4 | B．6.25 | C．6.55 | D．6.45 |