2.
为了探究车流量与\(PM2.5\)的浓度是否相关,现采集到北方某城市\(2015\)年\(12\)月份星期一到星期日某一时间段车流量与\(PM2.5\)的数据如表:
时间 | 星期一 | 星期二 | 星期三 | 星期四 | 星期五 | 星期六 | 星期日 |
车流量\(x\)\((\)万辆\()\) | \(1\) | \(2\) | \(3\) | \(4\) | \(5\) | \(6\) | \(7\) |
\(PM2.5\)的浓度\(y\) \((\)微克\(/\)立方米\()\) | \(27\) | \(31\) | \(35\) | \(41\) | \(49\) | \(56\) | \(62\) |
\((1)\)在表中画出车流量与\(PM2.5\)浓度的散点图.
\((2)\)求\(y\)关于\(x\)的线性回归方程;
\((3)①\)利用所求回归方程,预测该市车流量为\(8\)万辆时,\(PM2.5\)的浓度;
\(②\)规定当一天内\(PM2.5\)的浓度平均值在\((0,50]\)内,空气质量等级为优;当一天内\(PM2.5\)的浓度平均值在\((50,100]\)内,空气质量等级为良,为使该市某日空气质量等级为优或良,则应控制当天车流量在多少万辆以内\((\)结果以万辆为单位,保留整数\()\)
参考公式: \(\begin{cases} \overset{\}{b}= \dfrac{ \sum\nolimits_{i=1}^{n}\left({x}_{1}- \bar{x}\right)\left({y}_{1}- \bar{y}\right)}{ \sum\nolimits_{i=1}^{n}{\left({x}_{1}- \bar{x}\right)}^{2}}= \dfrac{ \sum\nolimits_{i=1}^{n}{x}_{i}{x}_{i}-n \bar{x} \bar{y}}{ \sum\nolimits_{i=1}^{n}{x}_{i}-n{ \bar{x}}^{2}} \\ \overset{\}{a}= \overset{\}{y}- \overset{\}{b} \bar{x}\end{cases} \overset{\}{y}= \overset{\}{b}x+ \overset{\}{a} \)