优优班--学霸训练营 > 知识点挑题
全部资源
          排序:
          最新 浏览

          50条信息

            • 1.

              在线性回归模型中,分别选择了\(4\)个不同的模型,它们的相关指数\(R^{2}\)依次为\(0{.}36\)、\(0{.}95\)、\(0{.}74\)、\(0{.}81\),其中回归效果最好的模型的相关指数\(R^{2}\)为

              A.\(\ 0{.}36\)
              B.\(\ 0{.}74\)
              C.\(0{.}81\)
              D.\(\ 0{.}95\)
            • 2.

              下列说法错误的是\(({  })\)

              A.回归直线过样本点的中心\(\left( \overset{¯}{x}, \overset{¯}{y}\right) \).
              B.若相关指数\(R^{2}\)越大,则残差平方和越小,模型拟合效果越好.
              C.在回归直线方程\(\overset{{∧}}{y}{=}0{.}2x{+}0{.}8\)中,当解释变量\(x\)每增加\(1\)个单位时,预报变量\(\overset{{∧}}{y}\)平均增加\(0{.}2\)个单位\(.\)                       

              D.对分类变量\(X\)与\(Y\),随机变量\(K^{2}\)的观测值\(k\)越大,则判断“\(X\)与\(Y\)有关系”的把握程度越小.
            • 3.

              以下有关线性回归分析的说法不正确的是\(({  })\)

              A.在回归线方程\(\hat{y}{=}0{.}4x{+}12\)中,当自变量\(x\)每增加一个单位时,变量\(\hat{y}\)平均增加约为\(0{.}4\)个单位
              B.用最二乘法求回归直线方程,是寻求使\(\sum_{i{=}1}^{n}\left\lbrack y_{i}{-}\left( bx_{i}{+}a_{i} \right) \right\rbrack^{2}\)最小的\(a{,}b\)的值
              C.相关系数为\(r\),若\(r^{2}\)越接近\(1\),则表明回归线的效果越好
              D.相关系数\(r\)越小,表明两个变量相关性越弱
            • 4.

              若在散点图中所有的样本点都在一条直线\(y=-2x+1\)上,那么解释变量和预报变量之间的相关系数是(    )

              A.\(-1\)        
              B.\(0\)        
              C.\(1\)         
              D.\(-2\)
            • 5.

              对两个变量\(x\)和\(y\)进行回归分析,得到一组样本数据:\((x_{1}{,}y_{1}){,}(x_{2}{,}y_{2}){,}{…}{,}(x_{n}{,}y_{n})\),则下列说法中不正确的是\(({  })\)

              A.由样本数据得到的回归方程\(\hat{y}{=}\hat{b}x{+}\hat{a}\)必过样本点的中心\((\overset{{.}}{x}{,}\overset{{.}}{y})\)
              B.残差平方和越小的模型,拟合的效果越好
              C.用相关指数\(R^{2}{=}1{-}\dfrac{\sum_{i{=}1}^{n}(y_{i}{-}{\hat{y}}_{i})^{2}}{\sum_{i{=}1}^{n}(y_{i}{-}\overset{{.}}{y})^{2}}\)来刻画回归效果,\(R^{2}\)的值越小,说明模型的拟合效果越好
              D.用相关指数\(R^{2}{=}1{-}\dfrac{\sum_{i{=}1}^{n}(y_{i}{-}{\hat{y}}_{i})^{2}}{\sum_{i{=}1}^{n}(y_{i}{-}\overset{{.}}{y})^{2}}\)来刻画回归效果,\(R^{2}\)的值越大,说明模型的拟合效果越好
            • 6.
              在线性回归模型中,分别选择了\(4\)个不同的模型,它们的相关指数\(R^{2}\)依次为\(0.36\)、\(0.95\)、\(0.74\)、\(0.81\),其中回归效果最好的模型的相关指数\(R^{2}\)为\((\)  \()\)
              A.\(0.95\)
              B.\(0.81\)
              C.\(0.74\)
              D.\(0.36\)
            • 7.

              某商品销售量\(y(\)件\()\)与销售价格\(x(\)元\(/\)件\()\)负相关,则其回归方程可能是       \((\)   \()\)

              A.\(\overset{\hat{\ }}{{y}}\,=-10x+200\)
              B.\(\overset{\hat{\ }}{{y}}\,=10x+200\)
              C.\(\overset{\hat{\ }}{{y}}\,=-10x-200\)
              D.\(\overset{\hat{\ }}{{y}}\,=10x-200\)
            • 8.

              某个体服装店经营各种服装,在某周内获纯利润\(y(\)元\()\)与该周每天销售这种服装件数\(x\)之间的一组数据关系如下表:

              \(x\)

              \(3\)

              \(4\)

              \(5\)

              \(6\)

              \(7\)

              \(8\)

              \(9\)

              \(y\)

              \(66\)

              \(69\)

              \(73\)

              \(81\)

              \(89\)

              \(90\)

              \(91\)

              已知:\(\sum\limits_{i=1}^{7}{x_{i}^{2}}=280\),\(\sum\limits_{i=1}^{7}{{{x}_{i}}{{y}_{i}}}=3487\).

              \(\begin{cases} & \hat{b}=\dfrac{\sum\limits_{i=1}^{n}{({{x}_{i}}-\overline{x})({{y}_{i}}-\overline{y})}}{\sum\limits_{i=1}^{n}{{{({{x}_{i}}-\overline{x})}^{2}}}}=\dfrac{\sum\limits_{i=1}^{n}{{{x}_{i}}\cdot {{y}_{i}}-n\overline{x}\cdot \overline{y}}}{\sum\limits_{i=1}^{n}{x_{i}^{2}-n{{\overline{x}}^{2}}}} \\ & \hat{a}=\overline{y}-\hat{b}\overline{x} \\ \end{cases}\)

              \((\)Ⅰ\()\)求\(\overline{x}\),\(\overline{y}\);

              \((\)Ⅱ\()\)画出散点图;


              \((\)Ⅲ\()\)观察散点图,若\(y\)与\(x\)线性相关,请求纯利润\(y\)与每天销售件数\(x\)之间的回归直线方程.

            • 9.

              某产品的广告费用\(x\)万元与销售额\(y\)万元的统计数据如下表:

              广告费用\(x\)\((\)万元\()\)

              \(4\)

              \(2\)

              \(3\)

              \(5\)

              销售额\(y\)\((\)万元\()\)

              \(49\)

              \(26\)

              \(39\)

              \(m\)

              根据上表可得回归方程\(=9\) \(x\)\(+10.5\),则 \(m\)为(    )
              A.\(54\)     
              B.\(53\)     
              C.\(52\)     
              D.\(51\)
            • 10. 在一段时间内,分\(5\)次测得某种商品的价格\(x(\)万元\()\)和需求量\(y(t)\)之间的一组数据为:
              \(1\) \(2\) \(3\) \(4\) \(5\)
              价格\(x\) \(1.4\) \(1.6\) \(1.8\) \(2\) \(2.2\)
              需求量\(y\) \(12\) \(10\) \(7\) \(5\) \(3\)
              已知\( \sum\limits_{i=1}^{5}x_{i}y_{i}=62, \sum\limits_{i=1}^{5} x_{ i }^{ 2 }=16.6\).
              \((1)\)画出散点图;
              \((2)\)求出\(y\)对\(x\)的线性回归方程;
              \((3)\)如果价格定为\(1.9\)万元,预测需求量大约是多少?\((\)精确到\(0.01t)\).
            0/40

            进入组卷