- 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
- 统计
- + 统计案例
- 回归分析
- 独立性检验
- 计数原理
- 概率
- 随机变量及其分布
- 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
某企业通过调查问卷的形式对本企业900名员工的工作满意度进行调查，并随机抽取了其中30名员工(16名女员工，14名男员工)的得分，如下表：
(1)根据以上数据，估计该企业得分大于45分的员工人数；
(2)现用计算器求得这30名员工的平均得分为40.5分，若规定大于平均得分为“满意”，否则为“不满意”，请完成下列表格：
(3)根据上述表中数据，利用独立性检验的方法判断，能否有99%的把握认为该企业员工“性别”与“工作是否满意”有关？
| 女 | 47 | 36 | 32 | 48 | 34 | 44 | 43 | 47 | 46 | 41 | 43 | 42 | 50 | 43 | 35 | 49 |
| 男 | 37 | 35 | 34 | 43 | 46 | 36 | 38 | 40 | 39 | 32 | 48 | 33 | 40 | 34 | | |
(1)根据以上数据，估计该企业得分大于45分的员工人数；
(2)现用计算器求得这30名员工的平均得分为40.5分，若规定大于平均得分为“满意”，否则为“不满意”，请完成下列表格：
| | “满意”的人数 | “不满意”的人数 | 总计 |
| 女 | | | 16 |
| 男 | | | 14 |
| 总计 | | | 30 |
(3)根据上述表中数据，利用独立性检验的方法判断，能否有99%的把握认为该企业员工“性别”与“工作是否满意”有关？
（2015秋•友谊县校级期末）在一次试验中，测得（x，y）的四组值分别是A（1，1.5），B（2，3），C（3，4），D（4，5.5），则y与x之间的回归直线方程为（ ）
A． | B． | C． | D． |
某研究机构对高中学生的记忆力
和判断力
进行统计分析，得下表数据
（1）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
；
（2）试根据已求出的线性回归方程，预测记忆力为9的同学的判断力．
参考公式：
和判断力进行统计分析，得下表数据| x | 6 | 8 | 10 | 12 |
| y | 2 | 3 | 5 | 6 |
（1）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；（2）试根据已求出的线性回归方程，预测记忆力为9的同学的判断力．
参考公式：
给出下列命题：
①线性相关系数
越大，两个变量的线性相关越强；反之，线性相关性越弱；
②由变量
和
的数据得到其回归直线方程：
，则
一定经过
；
③从越苏传递的产品生产流水线上，质检员每10分钟从中抽取一件产品进行某项指标检测，这样的抽样是分层抽样；
④在回归分析模型中，残差平方和越小，说明模型的拟合效果越好；
⑤在回归直线方程
中，当解释变量每增加一个单位时，预报变量
增加0．1个单位，其中真命题的序号是 ．
①线性相关系数
越大，两个变量的线性相关越强；反之，线性相关性越弱；②由变量
和的数据得到其回归直线方程：，则一定经过；③从越苏传递的产品生产流水线上，质检员每10分钟从中抽取一件产品进行某项指标检测，这样的抽样是分层抽样；
④在回归分析模型中，残差平方和越小，说明模型的拟合效果越好；
⑤在回归直线方程
中，当解释变量每增加一个单位时，预报变量增加0．1个单位，其中真命题的序号是 ．某研究机构为了研究人的脚的大小与身高之间的关系，随机抽测20人，得到如下数据：
（1）若“身高大于175厘米”的为“高个”，“身高小于等于175厘米”的为“非高个”；“脚长大于42码”的为“大脚”，“脚长小于等于42码”的为“非大脚”，请根据上表数据完成下面的
列联表：
（2）根据（1）中表格数据，若按99%的可靠性要求，能否认为脚的大小与身高之间有关系？
附：
| 序号 | 1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 | 9 | 10 |
| 身高x（厘米） | 192 | 164 | 172 | 177 | 176 | 159 | 171 | 166 | 182 | 166 |
| 脚长y（码） | 48 | 38 | 40 | 43 | 44 | 37 | 40 | 39 | 46 | 39 |
| 序号 | 11 | 12 | 13 | 14 | 15 | 16 | 17 | 18 | 19 | 20 |
| 身高x（厘米） | 169 | 178 | 167 | 174 | 168 | 179 | 165 | 170 | 162 | 170 |
| 脚长y（码） | 43 | 41 | 40 | 43 | 40 | 44 | 38 | 42 | 39 | 41 |
（1）若“身高大于175厘米”的为“高个”，“身高小于等于175厘米”的为“非高个”；“脚长大于42码”的为“大脚”，“脚长小于等于42码”的为“非大脚”，请根据上表数据完成下面的
列联表：| | 高个 | 非高个 | 合计 |
| 大脚 | | | |
| 非大脚 | | 12 | |
| 合计 | | | 20 |
附：
 | 0.050 | 0.010 | 0.001 |
 | 3.841 | 6.635 | 10.828 |
一次考试中，5名同学的语文、英语成绩如下表所示：
（1）根据表中数据，求英语分y对语文分x的线性回归方程；
（2）要从4名语文成绩在90分（含90分）以上的同学中选出2名参加一项活动，以
表示选中的同学的英语成绩高于90分的人数，求随机变量的分布列及数学期望
．
（线性回归方程
，
，
，其中
，
为样本平均值，
，
的值的结果保留二位小数．）
（1）根据表中数据，求英语分y对语文分x的线性回归方程；
（2）要从4名语文成绩在90分（含90分）以上的同学中选出2名参加一项活动，以
表示选中的同学的英语成绩高于90分的人数，求随机变量的分布列及数学期望．（线性回归方程
，，，其中，为样本平均值，，的值的结果保留二位小数．）某农科所对冬季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：先从这五组数据中选取2组，用剩下的3组数据求线性回归方程，再对被选取的2组数据进行检验．
（1）若选取的是12月1日与12月5日的两组数据，请根据12月2日至12月4日的数据，求出
y关于x的线性回归方程
（2）若由线性回归方程得到的估计数据与所选出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，试问（2）中所得的线性回归方程是否可靠？
（附：
，
，其中
，
为样本平均值）
该农科所确定的研究方案是：先从这五组数据中选取2组，用剩下的3组数据求线性回归方程，再对被选取的2组数据进行检验．
（1）若选取的是12月1日与12月5日的两组数据，请根据12月2日至12月4日的数据，求出
y关于x的线性回归方程
（2）若由线性回归方程得到的估计数据与所选出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，试问（2）中所得的线性回归方程是否可靠？
（附：
，，其中，为样本平均值）（2015秋•肇庆期末）某工厂对某种产品的产量与成本的资料分析后有如下数据：
经过分析，知道产量x和成本y之间具有线性相关关系．
（Ⅰ）请根据上表提供的数据，用最小二乘法求出y关于x的线性回归方程
；
（Ⅱ）试根据（1）求出的线性回归方程，预测产量为10千件时的成本．
| 产量x（千件） | 2 | 3 | 5 | 6 |
| 成本y（万元） | 7 | 8 | 9 | 12 |
经过分析，知道产量x和成本y之间具有线性相关关系．
（Ⅰ）请根据上表提供的数据，用最小二乘法求出y关于x的线性回归方程
；（Ⅱ）试根据（1）求出的线性回归方程，预测产量为10千件时的成本．
某厂采用新技术改造后生产甲产品过程中记录的产量x（吨）与相应的成本y（万元）的几组对照数据．
（1）请画出上表数据的散点图；
（2）请根据上表提供的数据，用最小二乘法求出y关于x的线性回归方程
＝
x＋
；
（3）已知该厂技改前生产50吨甲产品的生产成本为40万元．试根据（2）求出的线性回归方程，预测生产50吨甲产品的生产成本比技改前降低多少万元？
（参考数据：
，
）
| x | 3 | 4 | 5 | 6 |
| y | 3 | 3．5 | 4．5 | 5 |
（1）请画出上表数据的散点图；
（2）请根据上表提供的数据，用最小二乘法求出y关于x的线性回归方程
＝x＋；（3）已知该厂技改前生产50吨甲产品的生产成本为40万元．试根据（2）求出的线性回归方程，预测生产50吨甲产品的生产成本比技改前降低多少万元？
（参考数据：
，）（2015秋•友谊县校级期末）有A、B、C、D、E五位学生的数学成绩x与物理成绩y（单位：分）如下表：
（1）请根据上表提供的数据，用最小二乘法求出y关于x的线性回归方程
=
x+
；
（2）若学生F的数学成绩为90分，试根据（1）求出的线性回归方程，预测其物理成绩（保留整数）
（参考数值：80×70+75×66+70×68+65×64+60×62=23190
=
．
| x | 80 | 75 | 70 | 65 | 60 |
| y | 70 | 66 | 68 | 64 | 62 |
（1）请根据上表提供的数据，用最小二乘法求出y关于x的线性回归方程
=x+；（2）若学生F的数学成绩为90分，试根据（1）求出的线性回归方程，预测其物理成绩（保留整数）
（参考数值：80×70+75×66+70×68+65×64+60×62=23190
=．