- 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
- + 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
下表记录了某公司投入广告费
与销售额
的统计结果,由表可得线性回归方程为
,据此方程预报当
时,
__ .
附:参考公式:
,





![]() | 4 | 2 | 3 | 5 |
![]() | 49 | 26 | 39 | 54 |
附:参考公式:


中国人民大学发布的《中国大学生创业报告》显示,在国家“双创”政策的引导下,随着社会各方对于大学生创业实践的支持力度不断加强,大学生创业意向高涨,近九成的在校大学生曾考虑过创业,近两成的学生有强烈的创业意向. 数据充分表明,大学生正以饱满的热情投身到创新创业的大潮之中,大学生创业实践正呈现出生机勃勃的态势。小张大学毕业后从2008年年初开始创业,下表是2019年春节他将自己从2008—2018年的净利润按年度给出的一个总的统计表(为方便运算,数据作了适当的处理,单位:万元).

(Ⅰ)散点图如图所示,根据散点图指出年利润
(单位:万元)和年份序号
之间是否具有线性关系?并用相关系数说明用线性回归模型描述年净利润
与年份序号
之间关系的效果;
(Ⅱ)试用线性回归模型描述年净利润
与年份序号
之间的关系:求出年净利润
关于年份序号
的回归方程(系数精确到0.1),并帮小张估计他2019年可能赚到的净利润.
附注:参考数据
.
参考公式:
.
且
越大拟合效果越好.回归方程
斜率的最小二乘法估计公式为:
.
年度 | 2008 | 2009 | 2010 | 2011 | 2012 | 2013 | 2014 | 2015 | 2016 | 2017 | 2018 |
年份序号![]() | 1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 | 9 | 10 | 11 |
利润![]() | 6 | 7 | 8 | 9 | 10 | 10 | 11 | 12 | 13 | 13 | 14 |

(Ⅰ)散点图如图所示,根据散点图指出年利润




(Ⅱ)试用线性回归模型描述年净利润




附注:参考数据

参考公式:





某公司为了提高利润,从2012年至2018年每年对生产环节的改进进行投资,投资金额与年利润增长的数据如下表:
(1)请用最小二乘法求出
关于
的回归直线方程;如果2019年该公司计划对生产环节的改进的投资金额为
万元,估计该公司在该年的年利润增长为多少?(结果保留两位小数)
(2)现从2012年—2018年这
年中抽出两年进行调查,记
年利润增长
投资金额,求这两年都是
(万元)的概率.
参考公式:
.
参考数据:
,
.
年份 | 2012 | 2013 | 2014 | 2015 | 2016 | 2017 | 2018 |
投资金额![]() | ![]() | ![]() | ![]() | ![]() | ![]() | ![]() | ![]() |
年利润增长![]() | ![]() | ![]() | ![]() | ![]() | ![]() | ![]() | ![]() |
(1)请用最小二乘法求出



(2)现从2012年—2018年这




参考公式:

参考数据:


某面包店推出一款新面包,每个面包的成本价为
元,售价为
元,该款面包当天只出一炉(一炉至少
个,至多
个),当天如果没有售完,剩余的面包以每个
元的价格处理掉,为了确定这一炉面包的个数,以便利润最大化,该店记录了这款新面包最近
天的日需求量(单位:个),整理得下表:
(1)根据表中数据可知,频数
与日需求量
(单位:个)线性相关,求
关于
的线性回归方程;
(2)若该店这款新面包每日出炉数设定为
个
(i)求日需求量为
个时的当日利润;
(ii)求这
天的日均利润.
相关公式:
,






日需求量 | ![]() | ![]() | ![]() | ![]() | ![]() |
频数 | ![]() | ![]() | ![]() | ![]() | ![]() |
(1)根据表中数据可知,频数




(2)若该店这款新面包每日出炉数设定为

(i)求日需求量为

(ii)求这

相关公式:


某城市的公交公司为了方便市民出行,科学规划车辆投放,在一个人员密集流动地段增设一个起点站,为了研究车辆发车间隔时间
与乘客等候人数
之间的关系,经过调查得出了如下数据:
调查小组先从这六组数据中选取四组数据作线性回归分析,然后用剩下的两组数据进行检验
(1)求从这六组数据中选取四组数据后,剩下的的两组数据不相邻的概率:
(2)若先取的是后面四组数据,求
关干
的线性回归方程
;
(3)规定根据(2)中线性回归方程预利的数据与用剩下的两组实际数据相差不超过
人,则所求出的线性回归方程是“最佳回归方程”,请判断(2)中所求的是 “最佳回归方程”吗?为了使等候的乘客不超过
人,则间隔时间设置为
分钟合适吗?
附:对于一组组数据
, 其回归直线
+的斜率和截距的最小二乘估计分别为:
,


间隔时间(![]() | 10 | 11 | 12 | 13 | 14 | 15 |
等待人数(![]() | 23 | 25 | 26 | 29 | 28 | 31 |
调查小组先从这六组数据中选取四组数据作线性回归分析,然后用剩下的两组数据进行检验
(1)求从这六组数据中选取四组数据后,剩下的的两组数据不相邻的概率:
(2)若先取的是后面四组数据,求



(3)规定根据(2)中线性回归方程预利的数据与用剩下的两组实际数据相差不超过



附:对于一组组数据




某家具厂的原材料费支出
(单位:万元)与销售额
(单位:万元)之间有如下数据,根据表中提供的全部数据,用最小二乘法得出
与
的线性回归方程为
,则
为( )






![]() | ![]() | ![]() | ![]() | ![]() | ![]() |
![]() | ![]() | ![]() | ![]() | ![]() | ![]() |
A.![]() | B.![]() | C.![]() | D.![]() |
每年的金秋十月,越野e族阿拉善英雄会在内蒙古自治区阿拉善盟阿左旗腾格里沙漠举行,该项目已打造成集沙漠竞技运动、汽车文化极致体验、主题休闲度假为一体的超级汽车文化赛事娱乐综合体.为了减少对环境的污染,某环保部门租用了特制环保车清洁现场垃圾.通过查阅近5年英雄会参会人数
(万人)与沙漠中所需环保车辆数量
(辆),得到如下统计表:
(1)根据统计表所给5组数据,求出
关于
的线性回归方程
.
(2)已知租用的环保车平均每辆的费用
(元)与数量
(辆)的关系为
.主办方根据实际参会人数为所需要投入使用的环保车,
每辆支付费用6000元,超出实际需要的车辆,主办方不支付任何费用.预计本次英雄会大约有14万人参加,根据(Ⅰ)中求出的线性回归方程,预测环保部门在确保清洁任务完成的前提下,应租用多少辆环保车?获得的利润
是多少?(注:利润
主办方支付费用
租用车辆的费用).
参考公式:


参会人数![]() | 11 | 9 | 8 | 10 | 12 |
所需环保车辆![]() | 28 | 23 | 20 | 25 | 29 |
(1)根据统计表所给5组数据,求出



(2)已知租用的环保车平均每辆的费用



每辆支付费用6000元,超出实际需要的车辆,主办方不支付任何费用.预计本次英雄会大约有14万人参加,根据(Ⅰ)中求出的线性回归方程,预测环保部门在确保清洁任务完成的前提下,应租用多少辆环保车?获得的利润



参考公式:

某水果种植基地引进一种新水果品种,经研究发现该水果每株的产量
(单位:
)和与它“相近”的株数
具有线性相关关系(两株作物“相近”是指它们的直线距离不超过
),并分别记录了相近株数为0,1,2,3,4时每株产量的相关数据如下:
(1)求出该种水果每株的产量
关于它“相近”株数
的回归方程;
(2)该种植基地在如图所示的长方形地块的每个格点(横纵直线的交点)处都种了一株该种水果,其中每个小正方形的面积都为
,现从所种的该水果中随机选取一株,试根据(1)中的回归方程,预测它的产量的平均数.
附:回归方程
中斜率和截距的最小二乘法估计公式分别为:
,
.




![]() | 0 | 1 | 2 | 3 | 4 |
![]() | 15 | 12 | 11 | 9 | 8 |
(1)求出该种水果每株的产量


(2)该种植基地在如图所示的长方形地块的每个格点(横纵直线的交点)处都种了一株该种水果,其中每个小正方形的面积都为

附:回归方程




某大学生参加社会实践活动,对某公司1月份至6月份销售某种配件的销售量及销售单价进行了调查,销售单价x和销售量y之间的一组数据如下表所示:
(1)根据1至5月份的数据,求出y关于x的回归直线方程;
(2)若由回归直线方程得到的估计数据与剩下的检验数据的误差不超过0.5元,则认为所得到的回归直线方程是理想的,试问(1)中所得到的回归直线方程是否理想?
(3)预计在今后的销售中,销售量与销售单价仍然服从(1)中的关系,若该种机器配件的成本是2.5元/件,那么该配件的销售单价应定为多少元才能获得最大利润?(注:利润=销售收入-成本).
参考公式:回归直线方程
,其中
,
月份 | 1 | 2 | 3 | 4 | 5 | 6 |
销售单价(元) | 9 | 9.5 | 10 | 10.5 | 11 | 8 |
销售量(件) | 11 | 10 | 8 | 6 | 5 | 14.2 |
(1)根据1至5月份的数据,求出y关于x的回归直线方程;
(2)若由回归直线方程得到的估计数据与剩下的检验数据的误差不超过0.5元,则认为所得到的回归直线方程是理想的,试问(1)中所得到的回归直线方程是否理想?
(3)预计在今后的销售中,销售量与销售单价仍然服从(1)中的关系,若该种机器配件的成本是2.5元/件,那么该配件的销售单价应定为多少元才能获得最大利润?(注:利润=销售收入-成本).
参考公式:回归直线方程



气象部门为了了解某山高
(百米)与气温
(℃)之间的关系,随机统计了
次山高与相应的气温,并制作了对照表.
由表中数据,得到线性回归方程
(
).由此估计山高为
(百米)处气温的度数为



气温![]() | ![]() | ![]() | ![]() | ![]() |
山高![]() | ![]() | ![]() | ![]() | ![]() |
由表中数据,得到线性回归方程



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