- 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
- + 回归分析
- 线性回归
- 误差分析
- 独立性检验
- 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
为了研究某种微生物的生长规律，需要了解环境温度
（
）对该微生物的活性指标
的影响，某实验小组设计了一组实验，并得到如表的实验数据：
（1）由表中数据判断关于的关系较符合
还是
，并求关于的回归方程（
，
取整数）；
（2）根据（1）中的结果分析：若要求该种微生物的活性指标不能低于
，则环境温度应不得高于多少？
参考公式：
．
（）对该微生物的活性指标的影响，某实验小组设计了一组实验，并得到如表的实验数据：| 环境温度（） | 1 | 2 | 3 | 4 | 5 | 6 | 7 |
| 活性指标 |  |  |  |  |  |  |  |
（1）由表中数据判断
关于的关系较符合还是，并求关于的回归方程（，取整数）；（2）根据（1）中的结果分析：若要求该种微生物的活性指标不能低于
，则环境温度应不得高于多少？参考公式：
．
，则相关系数
的取值范围为（ ）
某种产品的年销售量
与该年广告费用支出
有关，现收集了4组观测数据列于下表：
现确定以广告费用支出为解释变量，销售量为预报变量对这两个变量进行统计分析.
（1）已知这两个变量满足线性相关关系，试建立与之间的回归方程；
（2）假如2017年广告费用支出为10万元，请根据你得到的模型，预测该年的销售量.
（线性回归方程系数公式
）.
与该年广告费用支出有关，现收集了4组观测数据列于下表：| （万元） | 1 | 4 | 5 | 6 |
| （万元） | 30 | 40 | 60 | 50 |
现确定以广告费用支出
为解释变量，销售量为预报变量对这两个变量进行统计分析.（1）已知这两个变量满足线性相关关系，试建立
与之间的回归方程；（2）假如2017年广告费用支出为10万元，请根据你得到的模型，预测该年的销售量
.（线性回归方程系数公式
）.观察两个变量（存在线性相关关系）得如下数据：
则两变量间的线性回归方程为（ ）
 | -10 | -6.99 | -5.01 | -2.98 | 3.98 | 5 | 7.99 | 8.01 |
 | -9 | -7 | -5 | -3 | 4.01 | 4.99 | 7 | 8 |
则两变量间的线性回归方程为（ ）
A． | B． | C． | D． |
某电脑公司有
名产品推销员，其工作年限与年推销金额数据如下表：
（1）从编号
的五位推销员中随机取出两位，求他们年推销金额之和不少于
万元的概率；
（2）求年推销金额
关于工作年限
的线性回归方程
；若第名产品推销员的工作年限为
年，试估计他的年推销金额.
附：回归直线的斜率和截距的最小二乘法估计公式为：
名产品推销员，其工作年限与年推销金额数据如下表：| 推销员编号 | 1 | 2 | 3 | 4 | 5 |
| 工作年限年 | 3 | 5 | 6 | 7 | 9 |
| 年推销金额万元 | 2 | 3 | 3 | 4 | 5 |
（1）从编号
的五位推销员中随机取出两位，求他们年推销金额之和不少于万元的概率；（2）求年推销金额
关于工作年限的线性回归方程；若第名产品推销员的工作年限为年，试估计他的年推销金额.附：回归直线的斜率和截距的最小二乘法估计公式为：
某地最近十年对某商品的需求量逐年上升，下表是部分统计数据：
（1）利用所给数据求年需求量
与年份
之间的回归直线方程
；
（2）预测该地2018年的商品需求量（结果保留整数）.
| 年份 | 2008 | 2010 | 2012 | 2014 | 2016 |
| 需要量（万件） | 236 | 246 | 257 | 276 | 286 |
（1）利用所给数据求年需求量
与年份之间的回归直线方程；（2）预测该地2018年的商品需求量（结果保留整数）.
下列是我国2010年至2016年生活垃圾无害化处理量（单位：亿吨）的折线图.
（1）由折线图看出，可用线性回归模型拟合
与
的关系，求关于的回归方程（系数精确到0.01）；
（2）预测2018年我国生活垃圾无害化处理量.
（1）由折线图看出，可用线性回归模型拟合
与的关系，求关于的回归方程（系数精确到0.01）；（2）预测2018年我国生活垃圾无害化处理量.
某项科研活动共进行了5次试验，其数据如下表所示：
（1）从5次特征量
的试验数据中随机地抽取两个数据，求至少有一个大于600的概率；
（2）求特征量关于
的线性回归方程
；并预测当特征量为570时特征量的值.
（附：回归直线的斜率和截距的最小二乘法估计公式分别为
，
）
| 特征量 | 第1次 | 第2次 | 第3次 | 第4次 | 第5次 |
| 555 | 559 | 551 | 563 | 552 |
| 601 | 605 | 597 | 599 | 598 |
（1）从5次特征量
的试验数据中随机地抽取两个数据，求至少有一个大于600的概率；（2）求特征量
关于的线性回归方程；并预测当特征量为570时特征量的值.（附：回归直线的斜率和截距的最小二乘法估计公式分别为
，）在某次测试后，一位老师从本班48同学中随机抽取6位同学，他们的语文、历史成绩如下表：
(1)若规定语文成绩不低于90分为优秀，历史成绩不低于80分为优秀，以频率作概率，分别估计该班语文、历史成绩优秀的人数；
(2)用上表数据画出散点图易发现历史成绩
与语文成绩
具有较强的线性相关关系，求
与
的线性回归方程（系数精确到0.1）.
参考公式：回归直线方程是
，其中
，
| 学生编号 | 1 | 2 | 3 | 4 | 5 | 6 |
| 语文成绩 | 60 | 70 | 74 | 90 | 94 | 110 |
| 历史成绩 | 58 | 63 | 75 | 79 | 81 | 88 |
(1)若规定语文成绩不低于90分为优秀，历史成绩不低于80分为优秀，以频率作概率，分别估计该班语文、历史成绩优秀的人数；
(2)用上表数据画出散点图易发现历史成绩
与语文成绩具有较强的线性相关关系，求与的线性回归方程（系数精确到0.1）.参考公式：回归直线方程是
，其中，