- 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
我市南澳县是广东唯一的海岛县,海区面积广阔,发展太平洋牡蛎养殖业具有得天独厚的优势,所产的“南澳牡蛎”是中国国家地理标志产品,产量高、肉质肥、营养好,素有“海洋牛奶精品”的美誉. 2019 年某南澳牡蛎养殖基地考虑增加人工投入,根据该基地的养殖规模与以往的养殖情况,现有人工投入增量x(人)与年收益增量y(万元)的数据如下:

该基地为了预测人工投入增量为16人时的年收益增量,建立了y与x的两个回归模型:
模型①:由最小二乘公式可求得y与x的线性回归方程:
;
模型②:由散点图的样本点分布,可以认为样本点集中在曲线:
的附近,对人工投入增量x做变换,令
,则
,且有
.

(1)根据所给的统计量,求模型②中y关于x的回归方程(精确到0.1);
(2)分别利用这两个回归模型,预测人工投入增量为16 人时的年收益增量;
(3)根据下列表格中的数据,比较两种模型的相关指数R2,并说明(2)中哪个模型得到的预
测值精度更高、更可靠?
附:样本
的最小二乘估计公式为:
,
另,刻画回归效果的相关指数

该基地为了预测人工投入增量为16人时的年收益增量,建立了y与x的两个回归模型:
模型①:由最小二乘公式可求得y与x的线性回归方程:

模型②:由散点图的样本点分布,可以认为样本点集中在曲线:





(1)根据所给的统计量,求模型②中y关于x的回归方程(精确到0.1);
(2)分别利用这两个回归模型,预测人工投入增量为16 人时的年收益增量;
(3)根据下列表格中的数据,比较两种模型的相关指数R2,并说明(2)中哪个模型得到的预
测值精度更高、更可靠?
回归模型 | 模型① | 模型② |
回归方程 | ![]() | ![]() |
![]() | 182.4 | 79.2 |
附:样本


另,刻画回归效果的相关指数

某地随着经济的发展,居民收入逐年增长,经统计知年份x和储蓄
存款y (千亿元)具有线性相关关系,下表是该地某银行连续五年的储蓄存款(年底余额),
如下表(1):
表(1)
为了研究计算的方便,工作人员将上表的数据进行了处理,令
得到下表(2):
表(2)
(1)由最小二乘法求
关于t的线性回归方程;
(2)通过(1)中的方程,求出y关于x的线性回归方程;
(3)用所求回归方程预测到2020年年底,该地储蓄存款额可达多少?
(附:对于一组数据(u1,v1),(u2,v2),…,(un,vn),其回归直线
的斜率和截距的最小二乘估计分别为
,
)
存款y (千亿元)具有线性相关关系,下表是该地某银行连续五年的储蓄存款(年底余额),
如下表(1):
年份x | 2014 | 2015 | 2016 | 2017 | 2018 |
储蓄存款y(千亿元) | 5 | 6 | 7 | 8 | 10 |
表(1)
为了研究计算的方便,工作人员将上表的数据进行了处理,令

得到下表(2):
时间代号t | 1 | 2 | 3 | 4 | 5 |
![]() | 0 | 1 | 2 | 3 | 5 |
表(2)
(1)由最小二乘法求

(2)通过(1)中的方程,求出y关于x的线性回归方程;
(3)用所求回归方程预测到2020年年底,该地储蓄存款额可达多少?
(附:对于一组数据(u1,v1),(u2,v2),…,(un,vn),其回归直线



某研究机构在对具有线性相关的两个变量
和
进行统计分析时,得到如下数据:
由表中数据求得
关于
的回归方程为
,则在这些样本点中任取一点,该点落在回归直线上方的概率为( )


![]() | 1 | 2 | 3 | 4 |
![]() | ![]() | ![]() | 2 | 3 |
由表中数据求得



A.![]() | B.![]() | C.![]() | D.![]() |
在万众创新的大经济背景下,某成都青年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,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)以
天记录的各日需求量的频率代替各日需求量的概率,若该店这款新面包出炉的个数为
,记当日这款新面包获得的总利润为
(单位:元).求
的分布列及其数学期望.
相关公式:
,






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




(2)以




相关公式:


某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,为研究车辆发车间隔时间
(分钟)与乘客等候人数
(人)之间的关系,经过调查得到如下数据:
调查小组先从这
组数据中选取
组数据求线性回归方程,再用剩下的
组数据进行检验.检验方法如下:先用求得的线性回归方程计算间隔时间对应的等候人数
,再求
与实际等候人数
的差,若差值的绝对值不超过
,则称所求线性回归方程是“恰当回归方程”.
(1)从这
组数据中随机选取
组数据后,求剩下的
组数据的间隔时间之差大于
的概率;
(2)若选取的是后面
组数据,求
关于
的线性回归方程
,并判断此方程是否是“恰当回归方程”;
(3)在(2)的条件下,为了使等候的乘客不超过
人,则间隔时间最多可以设置为多少分钟?(精确到整数)
参考公式:
,
.


间隔时间![]() | ![]() | ![]() | ![]() | ![]() | ![]() | ![]() |
等候人数![]() | ![]() | ![]() | ![]() | ![]() | ![]() | ![]() |
调查小组先从这







(1)从这




(2)若选取的是后面




(3)在(2)的条件下,为了使等候的乘客不超过

参考公式:


如图是某地区2012年至2018年生活垃圾无害化处理量(单位:万吨)的折线图.

注:年份代码
分别表示对应年份
.
(1)由折线图看出,可用线性回归模型拟合
与
的关系,请用相关系数
(
线性相关较强)加以说明;
(2)建立
与
的回归方程(系数精确到0.01),预测2019年该区生活垃圾无害化处理量.
(参考数据)
,
,
,
,
,
,
.
(参考公式)相关系数
,在回归方程
中斜率和截距的最小二乘估计公式分别为:
,
.

注:年份代码


(1)由折线图看出,可用线性回归模型拟合




(2)建立


(参考数据)







(参考公式)相关系数




某公司为确定下一年度投入某种产品的宣传费,需了解年宣传费
单位:千元
对年销售量
单位:
和年利润
单位:千元
的影响,对近13年的年宣传费
和年销售量
2,
数据作了初步处理,得到下面的散点图及一些统计量的值.

由散点图知,按
建立y关于x的回归方程是合理的令
,则
,经计算得如下数据:
根据以上信息,建立y关于
的回归方程;
已知这种产品的年利润z与x、y的关系为
根据
的结果,求当年宣传费
时,年利润的预报值是多少
附:对于一组数据
2,
,
,其回归直线
的斜率和截距的最小二乘
估计分别为
,










由散点图知,按



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






附:对于一组数据




估计分别为


噪声污染已经成为影响人们身体健康和生活质量的严重问题,为了了解声音强度
(单位:分贝)与声音能量
(单位:
)之间的关系,将测量得到的声音强度
和声音能量
(
,2,…,10)数据作了初步处理,得到如图散点图及一些统计量的值.

表中
,
.
(1)根据散点图判断,
与
哪一个适宜作为声音强度
关于声音能量
的回归方程类型?(给出判断即可,不必说明理由)
(2)根据表中数据,求声音强度
关于声音能量
的回归方程;
(3)当声音强度大于60分贝时属于噪音,会产生噪音污染,城市中某点
共受到两个声源的影响,这两个声源的声音能量分别是
和
,且
.已知点
的声音能量等于声音能量
与
之和.请根据(1)中的回归方程,判断
点是否受到噪音污染的干扰,并说明理由.
附:对于一组数据
,
,…,
,其回归直线
的斜率和截距的最小二乘估计分别为:
,
.







表中


(1)根据散点图判断,




(2)根据表中数据,求声音强度


(3)当声音强度大于60分贝时属于噪音,会产生噪音污染,城市中某点








附:对于一组数据






物价监督部门为调研某公司新开发上市的一种产品销售价格的合理性,对某公司的该产品的销量与价格进行了统计分析,得到如下数据和散点图:

(参考数据:
,
,
,
)
(Ⅰ)根据散点图判断,y与x和z与x哪一对具有的线性相关性较强(给出判断即可,不必说明理由)?
(Ⅱ)根据(Ⅰ)的判断结果及数据,建立y关于x的回归方程(方程中的系数均保留两位有效数字).
附:对于一组数据(x1,y1),(x2,y2),(x3,y3),…,(xn,yn),其回归直线
的斜率和截距的最小二乘估计分别为
,
.

定价x(元/kg) | 10 | 20 | 30 | 40 | 50 | 60 |
年销量y(kg) | 1150 | 643 | 424 | 262 | 165 | 86 |
z=21ny | 14.1 | 12.9 | 12.1 | 11.1 | 10.2 | 8.9 |
(参考数据:




(Ⅰ)根据散点图判断,y与x和z与x哪一对具有的线性相关性较强(给出判断即可,不必说明理由)?
(Ⅱ)根据(Ⅰ)的判断结果及数据,建立y关于x的回归方程(方程中的系数均保留两位有效数字).
附:对于一组数据(x1,y1),(x2,y2),(x3,y3),…,(xn,yn),其回归直线



某商场5个分店某日的销售额和利润额资料如下表:
(1)求
关于销售额
的回归直线方程;
(2)当销售额为4万元时,估计该零售店的利润额(万元).附:对于一组数据
,
……,
其回归线
斜率和截距的最小二乘估计分别为
;,
商店名称 | A | B | C | D | E |
销售额x/万元 | 3 | 5 | 6 | 7 | 9 |
利润额y/万元 | 2 | 3 | 3 | 4 | 5 |
(1)求


(2)当销售额为4万元时,估计该零售店的利润额(万元).附:对于一组数据





