2.
某医学院欲研究昼夜温差大小与患感冒人数多少之间的关系,该协会分别到气象局与某医院抄录了\(1\)到\(6\)月份每月\(10\)号的昼夜温差情况与因患感冒而就诊的人数,得到数据资料见下表:
![](https://www.ebk.net.cn/tikuimages/2/2018/600/shoutiniao45/e049d7169db6318210708b65c215d9f4.png)
该院确定的研究方案是:先从这六组数据中选取\(2\)组,用剩下的\(4\)组数据求线性回归方程,再用被选取的\(2\)组数据进行检验.
\((\)Ⅰ\()\)求选取的\(2\)组数据恰好是不相邻的两个月的概率;
\((\)Ⅱ\()\)已知选取的是\(1\)月与\(6\)月的两组数据.
\((1)\)请根据\(2\)到\(5\)月份的数据,求出就诊人数\(y\)关于昼夜温差\(x\)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\(2\)人,则认为得到的线性回归方程是理想的,试问该协会所得线性回归方程是否理想\(?\)
\((\)参考公式和数据:\(\{\begin{matrix} \hat{b}=\dfrac{{\sum }_{i=1}^{n}\left( {{x}_{i}}-\bar{x} \right)\left( {{y}_{i}}-\bar{y} \right)}{{\sum }_{i=1}^{n}{{\left( {{x}_{i}}-\bar{x} \right)}^{2}}} \\ \hat{a}=\bar{y}-\hat{b}\bar{x} \\\end{matrix}=\dfrac{{\sum }_{i=1}^{n}{{x}_{i}}{{y}_{i}}-n\bar{x}\bar{y}}{{\sum }_{i=1}^{n}x_{i}^{2}-n{{{\bar{x}}}^{2}}},11\times 25+13\times 29+12\times 26+8\times 16=1092,{{11}^{2}}+{{13}^{2}}+{{12}^{2}}+{{8}^{2}}=498)\)