- 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
某大型汽车销售店销售某品
型汽车,在2016双十一期间,进行了降价促销,该型汽车的价格与月销售量之间有如下关系:

已知
型汽车的购买量
与价格
符合如下线性回归方程:
,若
型汽车价格降到19万元,预测月销售量大约是( )


已知





A.39 | B.42 | C.45 | D.50 |
两个变量
与
的回归模型中,分别选择了
个不同模型,它们对应的
的值如下,其中拟合效果最好的模型是( )




A.模型![]() ![]() | B.模型![]() ![]() |
C.模型![]() ![]() | D.模型![]() ![]() |
某产品的广告费用
于销售额
的统计数据如下表:

根据上表可得线性回归方程
中的
为9.4,据此模型预报广告费用为6万元时销售额为( )



根据上表可得线性回归方程


A.63.6万元 | B.65.5万元 | C.67.7万元 | D.72.0万元 |
某农科所对冬季昼夜温差大小与某反季节大豆新品种发芽多少之间的关系进行分析研究,他们分别记录了12月1日至12月5日的每天昼夜温差与实验室每天每100颗种子中的发芽数,得到如下资料:
该农科所确定的研究方案是:先从这五组数据中选取2组,用剩下的3组数据求线性回归方程,再对被选取的2组数据进行检验.
(1)若选取的是12月1日与12月5日的两组数据,请根据12月2日至12月4日的数据,求出y关于x的线性回归方程
=
x+
;
(2)若由线性回归方程得到的估计数据与所选出的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(1)中所得的线性回归方程是否可靠?
附:
日期 | 12月1日 | 12月2日 | 12月3日 | 12月4日 | 12月5日 |
温差x (℃) | 10 | 11 | 13 | 12 | 8 |
发芽数y(颗) | 23 | 25 | 30 | 26 | 16 |
该农科所确定的研究方案是:先从这五组数据中选取2组,用剩下的3组数据求线性回归方程,再对被选取的2组数据进行检验.
(1)若选取的是12月1日与12月5日的两组数据,请根据12月2日至12月4日的数据,求出y关于x的线性回归方程



(2)若由线性回归方程得到的估计数据与所选出的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(1)中所得的线性回归方程是否可靠?
附:

如表是降耗技术改造后生产某产品过程中记录产量(吨)与相应的生产能耗(吨标准煤)的几组对应数据,根据表中提供的数据,求出
关于
的线性回归方程
,那么表中
的值为__________.




![]() | ![]() | ![]() | ![]() | ![]() |
![]() | ![]() | ![]() | ![]() | ![]() |
为了解某服装厂某种服装的年产量
(单位:千件)对价格
(单位:千元/千件)的影响,对近五年该产品的年产量和价格统计情况如下表:
如果
关于
的线性回归方程
,且
,则
( )


![]() | ![]() | ![]() | ![]() | ![]() | ![]() |
![]() | ![]() | ![]() | ![]() | ![]() | ![]() |
如果





A.![]() | B.![]() | C.![]() | D.![]() |
某单位1-4月份用水量(单位:百吨)的一组数据如下表所示:

根据收集到的数据,由最小二乘法可求得线性回归方程
,则
( )

根据收集到的数据,由最小二乘法可求得线性回归方程


A.![]() | B.0.7 | C.![]() | D.0.75 |
对具有线性相关关系的两个变量
和
,测得一组数据如下表所示:
根据上表,利用最小二乘法得到他们的回归直线方程为
,则
( )


![]() | ![]() | ![]() | ![]() | ![]() | ![]() |
![]() | ![]() | ![]() | ![]() | ![]() | ![]() |
根据上表,利用最小二乘法得到他们的回归直线方程为


A.![]() | B.![]() | C.![]() | D.![]() |