- 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
- + 最小二乘法
- 求回归直线方程
- 最小二乘法的概念及辨析
- 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
某种工程车随着使用年限的增加,每年的维修费用也相应增加.根据相关资料可知该种工程车自购入使用之日起,前
年中每年的维修费用如下表所示:

(Ⅰ)从这
年中随机抽取
年,求至少有
年维修费用高于
万元的概率;
(Ⅱ)求
关于
的线性回归方程.
参考公式:
,
.


(Ⅰ)从这




(Ⅱ)求


参考公式:


某种工程车随着使用年限的增加,每年的维修费用也相应增加.根据相关资料可知该种工程车自购入使用之日起,前
年中每年的维修费用如下表所示:

(Ⅰ)从这
年中随机抽取
年,求至少有
年维修费用高于
万元的概率;
(Ⅱ)求
关于
的线性回归方程;
(Ⅲ)由于成本因素,若年维修费用高于
万元,则该种工程车需强制报废,根据(Ⅱ)中求得的线性回归方程,预测该种工程车最多可以使用多少年?
参考公式:
,
.


(Ⅰ)从这




(Ⅱ)求


(Ⅲ)由于成本因素,若年维修费用高于

参考公式:


为研究质量x(单位:克)对弹簧长度y(单位:厘米)的影响,对不同质量的6个物体进行测量,数据如下表所示:

(1)作出散点图并求线性回归方程.
(2)求出R2.
(3)进行残差分析.

(1)作出散点图并求线性回归方程.
(2)求出R2.
(3)进行残差分析.
“支付宝捐步”已经成为当下最热门的健身方式,为了了解是否使用支付宝捐步与年龄有关,研究人员随机抽取了5000名使用支付宝的人员进行调查,所得情况如下表所示:
(1)由上表数据,能否有99.9%的把握认为是否使用支付宝捐步与年龄有关?
(2)55岁的老王在了解了捐步功能以后开启了自己的捐步计划,可知其在捐步的前5天,捐步的步数与天数呈线性相关.
(i)根据上表数据,建立
关于
的线性回归方程
;
(ii)记由(i)中回归方程得到的预测步数为
,若从5天中任取3天,记
的天数为X,求X的分布列以及数学期望.
附参考公式与数据:
,
;K2=
;
| 50岁以上 | 50岁以下 |
使用支付宝捐步 | 1000 | 1000 |
不使用支付宝捐步 | 2500 | 500 |
(1)由上表数据,能否有99.9%的把握认为是否使用支付宝捐步与年龄有关?
(2)55岁的老王在了解了捐步功能以后开启了自己的捐步计划,可知其在捐步的前5天,捐步的步数与天数呈线性相关.
第x天 | 第1天 | 第2天 | 第3天 | 第4天 | 第5天 |
步数![]() | 4000 | 4200 | 4300 | 5000 | 5500 |
(i)根据上表数据,建立



(ii)记由(i)中回归方程得到的预测步数为


附参考公式与数据:



P(K2≥k0) | 0.100 | 0.050 | 0.010 | 0.001 |
k0 | 2.706 | 3.841 | 6.635 | 10.828 |
某电视厂家准备在元旦举行促销活动,现根据近七年的广告费与销售量的数据确定此次广告费支出.广告费支出x(万元)和销售量y(万台)的数据如下:
(1)若用线性回归模型拟合y与x的关系,求出y关于x的线性回归方程;
(2)若用y=c+d
模型拟合y与x的关系,可得回归方程
=1.63+0.99
,经计算线性回归模型和该模型的R2分别约为0.75和0.88,请用R2说明选择哪个回归模型更好;
(3)已知利润z与x,y的关系为z=200y-x.根据(2)的结果,求当广告费x=20时,销售量及利润的预报值.
参考公式:回归直线
的斜率和截距的最小二乘估计分别为
=
=
,
.
参考数据:
≈2.24.
年份 | 2012 | 2013 | 2014 | 2015 | 2016 | 2017 | 2018 |
广告费支出x | 1 | 2 | 4 | 6 | 11 | 13 | 19 |
销售量y | 1.9 | 3.2 | 4.0 | 4.4 | 5.2 | 5.3 | 5.4 |
(1)若用线性回归模型拟合y与x的关系,求出y关于x的线性回归方程;
(2)若用y=c+d



(3)已知利润z与x,y的关系为z=200y-x.根据(2)的结果,求当广告费x=20时,销售量及利润的预报值.
参考公式:回归直线





参考数据:

(山东省烟台市2018届适应性练习(二))某房产中介公司2017年9月1日正式开业,现对其每个月的二手房成交量进行统计,
表示开业第
个月的二手房成交量,得到统计表格如下:

(1)统计中常用相关系数
来衡量两个变量之间线性关系的强弱.统计学认为,对于变量
,如果
,那么相关性很强;如果
,那么相关性一般;如果
,那么相关性较弱.通过散点图初步分析可用线性回归模型拟合
与
的关系.计算
的相关系数
,并回答是否可以认为两个变量具有很强的线性相关关系(计算结果精确到0.01)
(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
(计算结果精确到0.01),并预测该房产中介公司2018年6月份的二手房成交量(计算结果四舍五入取整数).
(3)该房产中介为增加业绩,决定针对二手房成交客户开展抽奖活动.若抽中“一等奖”获6千元奖金;抽中“二等奖”获3千元奖金;抽中“祝您平安”,则没有奖金.已知一次抽奖活动中获得“一等奖”的概率为
,获得“二等奖”的概率为
,现有甲、乙两个客户参与抽奖活动,假设他们是否中奖相互独立,求此二人所获奖金总额
(千元)的分布列及数学期望.
参考数据:
,
,
,
,
.
参考公式:



(1)统计中常用相关系数









(2)请根据上表提供的数据,用最小二乘法求出



(3)该房产中介为增加业绩,决定针对二手房成交客户开展抽奖活动.若抽中“一等奖”获6千元奖金;抽中“二等奖”获3千元奖金;抽中“祝您平安”,则没有奖金.已知一次抽奖活动中获得“一等奖”的概率为



参考数据:





参考公式:

在一段时间内,某种商品的价格x(元)和需求量y(件)之间的一组数据如下表所示:
求出y关于x的线性回归方程,并说明拟合效果的好坏.
(参考数据:
)
价格x/元 | 14 | 16 | 18 | 20 | 22 |
需求量y/件 | 56 | 50 | 43 | 41 | 37 |
求出y关于x的线性回归方程,并说明拟合效果的好坏.
(参考数据:

下表是某工厂6月份到9月份电量(单位:万度)的一组数据:
由散点图可知,用电量
与月份
之间有较好的线性相关关系,其线性回归方程是
,则
等于
月份![]() | 6 | 7 | 8 | 9 |
用电量![]() | 6 | 5 | 3 | 2 |
由散点图可知,用电量




A.![]() | B.![]() |
C.![]() | D.![]() |
某工厂生产不同规格的一种产品,根据检测标准,其合格产品的质量
与尺寸
之间满足关系式
为大于
的常数),现随机抽取6件合格产品,测得数据如下:

对数据作了处理,相关统计量的值如下表:

(1)根据所给数据,求
关于
的回归方程(提示:由已知,
与
呈线性关系);
(2)按照某项指标测定,当产品质量与尺寸的比在区间
内时为优等品,现从抽取的6件合格产品中再任选3件,求恰好取得两件优等品的概率.
(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值分别为
)





对数据作了处理,相关统计量的值如下表:

(1)根据所给数据,求




(2)按照某项指标测定,当产品质量与尺寸的比在区间

(附:对于一组数据



如图是某台大型设备使用时间
(单位:年)与维护费用
(单位:千元)的散点图.

(1)根据散点图,求
关于
的回归方程
;
(2)如果维护费用超过120千元,就需要更换设备,那么根据(1)中模型的预测,估计该设备最多可以使用多少年?
附:①参考数据:
,
=63;
②一组数据
,其回归方程
的斜率和截距的最小二乘估计公式分别为:
,
.



(1)根据散点图,求



(2)如果维护费用超过120千元,就需要更换设备,那么根据(1)中模型的预测,估计该设备最多可以使用多少年?
附:①参考数据:


②一组数据



