- 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
已知具有相关关系的两个变量
之间的几组数据如下表所示：
（1）请根据上表数据在网格纸中绘制散点图；
（2）请根据上表提供的数据，用最小二乘法求出
关于
的线性回归方程
，并估计当
时，的值；
（3）将表格中的数据看作五个点的坐标，则从这五个点中随机抽取3个点，记落在直线
右下方的点的个数为
，求的分布列以及期望.
参考公式：
，
.
之间的几组数据如下表所示：（1）请根据上表数据在网格纸中绘制散点图；
（2）请根据上表提供的数据，用最小二乘法求出
关于的线性回归方程，并估计当时，的值；（3）将表格中的数据看作五个点的坐标，则从这五个点中随机抽取3个点，记落在直线
右下方的点的个数为，求的分布列以及期望.参考公式：
，.以下是某地搜集到的新房屋的销售价格
和房屋的面积
的数据：
（1）画出数据对应的散点图；
（2）求线性回归方程，并在散点图中加上回归直线；
（3）据（2）的结果估计当房屋面积为150
时的销售价格.附：回归直线的斜率和截距的最小二乘法估计公式分别为：
，
和房屋的面积的数据：| 房屋面积（） | 115 | 110 | 80 | 135 | 105 |
| 销售价格（万元） | 24.8 | 21.6 | 18.4 | 29.2 | 22 |
（1）画出数据对应的散点图；
（2）求线性回归方程，并在散点图中加上回归直线；
（3）据（2）的结果估计当房屋面积为150
时的销售价格.附：回归直线的斜率和截距的最小二乘法估计公式分别为：，在某城市气象部门的数据中，随机抽取了100天的空气质量指数的监测数据如表：
（1）在该城市各医院每天收治上呼吸道病症总人数y与当天的空气质量t（t取整数）存在如下关系y=
，且当t＞300时，y＞500估计在某一医院收治此类病症人数超过200人的概率；
（2）若在（1）中，当t＞300时，y与t的关系拟合于曲线
，现已取出了10对样本数据（ti，yi）（i=1，2，3，…，10），且
，求拟合曲线方程．
（附：线性回归方程
=a+bx中，b=
，a=﹣b
）
| 空气质量指数t | （0，50] | （50，100] | （100，150] | （150，200] | （200，300] | |
| 质量等级 | 优 | 良 | 轻微污染 | 轻度污染 | 中度污染 | 严重污染 |
| 天数K | 5 | 23 | 22 | 25 | 15 | 10 |
（1）在该城市各医院每天收治上呼吸道病症总人数y与当天的空气质量t（t取整数）存在如下关系y=
，且当t＞300时，y＞500估计在某一医院收治此类病症人数超过200人的概率；（2）若在（1）中，当t＞300时，y与t的关系拟合于曲线
，现已取出了10对样本数据（ti，yi）（i=1，2，3，…，10），且，求拟合曲线方程．（附：线性回归方程
=a+bx中，b=，a=﹣b）根据“2015年国民经济和社会发展统计公报” 中公布的数据，从2011 年到2015 年，我国的
第三产业在
中的比重如下:
（1）在所给坐标系中作出数据对应的散点图；
（2）建立第三产业在中的比重
关于年份代码
的回归方程；
（3）按照当前的变化趋势，预测2017 年我国第三产业在中的比重.
附注: 回归直线方程
中的斜率和截距的最小二乘估计公式分别为:
, 
.
第三产业在
中的比重如下:| 年份 |  |  |  |  |  |
| 年份代码 |  |  |  |  |  |
第三产业比重 |  |  |  |  |  |
（1）在所给坐标系中作出数据对应的散点图；
（2）建立第三产业在
中的比重关于年份代码的回归方程；（3）按照当前的变化趋势，预测2017 年我国第三产业在
中的比重.附注: 回归直线方程
中的斜率和截距的最小二乘估计公式分别为:, .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5组数据中选取2组，用剩下的3组数据求线性回归方程，再用被选取的2组数据进行检验。
（Ⅰ）求选取的2组数据恰好是不相邻2天的数据的概率；
（Ⅱ）若选取的是12月1日与12月5日的2组数据，请根据12月2日至4日的数据，求出y关于x的线性回归方程
，并判断该线性回归方程是否可靠（若由线性回归方程得到的估计数据与所选取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
附：回归方程 中斜率和截距的最小二乘估计公式分别为：
| 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/摄氏度 | 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5组数据中选取2组，用剩下的3组数据求线性回归方程，再用被选取的2组数据进行检验。
（Ⅰ）求选取的2组数据恰好是不相邻2天的数据的概率；
（Ⅱ）若选取的是12月1日与12月5日的2组数据，请根据12月2日至4日的数据，求出y关于x的线性回归方程
，并判断该线性回归方程是否可靠（若由线性回归方程得到的估计数据与所选取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附：回归方程
中斜率和截距的最小二乘估计公式分别为：
描述正确的是（ ）
表明两个变量负相关
1表明两个变量正相关
越接近于0，两个变量相关关系越弱一台机器使用时间较长，但还可以使用．它按不同的转速生产出来的某机械零件有一些会有缺点，每小时生产有缺点零件的多少，随机器运转的速度而变化，如表为抽样试验结果：
（1）用相关系数r对变量y与x进行相关性检验；
（2）如果y与x有线性相关关系，求线性回归方程；
（3）若实际生产中，允许每小时的产品中有缺点的零件最多为10个，那么，机器的运转速度应控制在什么范围内？（结果保留整数）
参考数据：
，
，
．
参考公式：相关系数计算公式：
,回归方程
中斜率和截距的最小二乘估计公式分别为：
，
．
| 转速x（转/秒） | 16 | 14 | 12 | 8 |
| 每小时生产有 缺点的零件数y（件） | 11 | 9 | 8 | 5 |
（1）用相关系数r对变量y与x进行相关性检验；
（2）如果y与x有线性相关关系，求线性回归方程；
（3）若实际生产中，允许每小时的产品中有缺点的零件最多为10个，那么，机器的运转速度应控制在什么范围内？（结果保留整数）
参考数据：
，，． 参考公式：相关系数计算公式：
,回归方程中斜率和截距的最小二乘估计公式分别为：，．已知
、
取值如下表：
从散点图可知：与线性相关，且
，则当x=10时，
的预测值为（ ）
、取值如下表： | 0 | 1 | 4 | 5 | 6 | 8 |
| 1.3 | 1.8 | 5.6 | 6.1 | 7.4 | 9.3 |
从散点图可知：
与线性相关，且，则当x=10时，的预测值为（ ）| A．10.8 | B．10.95 | C．11.15 | D．11.3 |
为了解春季昼夜温差大小与种子发芽多少之间的关系，现从4月的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天每50颗种子浸泡后的发芽数，得到如下表格：
（1）从这5天中任选2天，记发芽的种子数分别为
，求事件“均小于13”的概率；
（2）若4月30日昼夜温差为
，请根据
关于
的线性回归方程
估计该天种子浸泡后的发芽数.
参考公式：
，
.
| 日期 | 4月1日 | 4月6日 | 4月12日 | 4月19日 | 4月27日 |
温差 | 2 | 3 | 5 | 4 | 1 |
发芽数 颗 | 9 | 11 | 15 | 13 | 7 |
（1）从这5天中任选2天，记发芽的种子数分别为
，求事件“均小于13”的概率；（2）若4月30日昼夜温差为
，请根据关于的线性回归方程估计该天种子浸泡后的发芽数.参考公式：
，.东莞市某高级中学在今年4月份安装了一批空调，关于这批空调的使用年限
（单位：年，
）和所支出的维护费用
（单位：万元）厂家提供的统计资料如下：
（1）请根据以上数据，用最小二乘法原理求出维护费用关于的线性回归方程
；
（2）若规定当维护费用超过13.1万元时，该批空调必须报废，试根据（1）的结论预测该批空调使用年限的最大值.
参考公式：最小二乘估计线性回归方程中系数计算公式：
，
，其中
表示样本均值.
（单位：年，）和所支出的维护费用（单位：万元）厂家提供的统计资料如下：（1）请根据以上数据，用最小二乘法原理求出维护费用
关于的线性回归方程；（2）若规定当维护费用
超过13.1万元时，该批空调必须报废，试根据（1）的结论预测该批空调使用年限的最大值.参考公式：最小二乘估计线性回归方程
中系数计算公式：，，其中表示样本均值.