- 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
- 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
- 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
对某地区儿童的身高与体重的一组数据,我们用两种模型①
,②
拟合,得到回归方程分别为
,
,作残差分析,如表:
(Ⅰ)求表中空格内的值;
(Ⅱ)根据残差比较模型①,②的拟合效果,决定选择哪个模型;
(Ⅲ)残差大于
的样本点被认为是异常数据,应剔除,剔除后对(Ⅱ)所选择的模型重新建立回归方程.
(结果保留到小数点后两位)
附:对于一组数据
,其回归直线
的斜率和截距的最小二乘法估计分别为
,
.




身高![]() | 60 | 70 | 80 | 90 | 100 | 110 |
体重![]() | 6 | 8 | 10 | 14 | 15 | 18 |
![]() | 0.41 | 0.01 | | 1.21 | -0.19 | 0.41 |
![]() | -0.36 | 0.07 | 0.12 | 1.69 | -0.34 | -1.12 |
(Ⅰ)求表中空格内的值;
(Ⅱ)根据残差比较模型①,②的拟合效果,决定选择哪个模型;
(Ⅲ)残差大于

(结果保留到小数点后两位)
附:对于一组数据




某奶茶店的日销售收入y(单位:百元)与当天平均气温x(单位:℃)之间的关系如下:
通过上面的五组数据得到了x与y之间的线性回归方程:
=-x+2.8;但现在丢失了一个数据,该数据应为( )
x | -2 | -1 | 0 | 1 | 2 |
y | 5 | | 2 | 2 | 1 |
通过上面的五组数据得到了x与y之间的线性回归方程:

A.3 | B.4 | C.5 | D.2 |
根据如下样本数据:
x | 3 | 4 | 5 | 6 | 7 |
y | 4.0 | 2.5 | 0.5 | -0.5 | ![]() |
得到的回归方程为.若
,则估计
的变化时,若
每增加1个单位,则
就
A.增加![]() | B.减少![]() |
C.减少![]() | D.减少![]() |
为了研究某种细菌在特定环境下随时间变化的繁殖规律,得如下实验数据,计算得回归直线方程为
,由以上信息,得到下表中
的值为__________.


天数![]() | ![]() | ![]() | ![]() | ![]() | ![]() |
繁殖个数![]() | ![]() | ![]() | ![]() | ![]() | ![]() |
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.![]() |
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.![]() |
某厂在生产甲产品的过程中,产量
(吨)与生产能耗
(吨)的对应数据如下表:

根据最小二乘法求得回归直线方程为
.当产量为80吨时,预计需要生产能耗为__________吨.



根据最小二乘法求得回归直线方程为

从某高校在校大学生中随机选取5名女大学生,由她们身高和体重的数据得到的回归直线方程为
,数据列表是:

则其中的数据
__________.


则其中的数据

如表提供了某厂节能降耗改造后在生产
产品过程中记录的产量
(吨)与相应的生产能耗
(吨)的几组对应数据,根据表中提供的数据,求出
关于
的线性回归方程为
,则小烈结论错误的是( )






![]() | 3 | 4 | 5 | 6 |
![]() | 2.5 | ![]() | 4 | 4.5 |
A.线性回归方程一定过点(4.5,3.5) | B.产品的生产耗能与产量呈正相关 |
C.![]() | D.![]() |