9.
\(2015\)年\(12\)月\(10\)日开始,武汉淹没在白色雾霾中,\(PM2.5\)浓度在\(200\)微克\(~300\)微克\(/\)立方米的范围,空气质量维持重度污染。某兴趣小组欲研究武昌区\(PM2.5\)浓度大小与患鼻炎人数多少之前的关系,他们分别到气象局与该地区某医院抄录了\(12\)月\(10\)日至\(15\)日的武昌区\(PM2.5\)浓度大小与该地区因患鼻炎而就诊的人数,整理得到如下资料:
日期 | \(12\)月\(10\)日 | \(12\)月\(11\)日 | \(12\)月\(12\)日 | \(12\)月\(13\)日 | \(12\)月\(14\)日 | \(12\)月\(15\)日 |
\(PM2.5\)浓度 超过\(200\)的部分为\(x\) \((\)微克\(/\)立方米\()\) | \(10\) | \(11\) | \(13\) | \(12\) | \(8\) | \(5\) |
就诊人数\(y(\)个\()\) | \(22\) | \(25\) | \(29\) | \(26\) | \(16\) | \(12\) |
该兴趣小组确定的研究方案是: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\(2\)组数据进行实验.
\((\)Ⅰ\()\)若选取的是\(10\)号与\(15\)号的两组数据,请根据\(11\)至\(14\)号的数据,求出\(y\)关于\(x\)的线性回归方程;附:对于一组数据\(({{x}_{1}},{{y}_{1}}),({{x}_{2}},{{y}_{2}}),.......({{x}_{n}},{{y}_{n}})\),其回归直线\(\overset{\wedge }{{y}}\,=\overset{\wedge }{{a}}\,+\overset{\wedge }{{b}}\,x\)的斜率和截距的最小二乘估计分别为:
\(\overset{\wedge }{{b}}\,=\dfrac{\sum\limits_{i=1}^{n}{({{x}_{i}}-\overline{x})({{y}_{i}}-\overline{y})}}{\sum\limits_{i=1}^{n}{{{({{x}_{i}}-\overline{x})}^{2}}}}=\dfrac{\sum\limits_{i=1}^{n}{{{x}_{i}}{{y}_{i}}}-n\overline{x}\overline{y}}{\sum\limits_{i=1}^{n}{x_{i}^{2}}-n{{\overline{x}}^{2}}},\overset{\wedge }{{a}}\,=\overline{y}-\overset{\wedge }{{b}}\,\overline{x}\)
\((\)Ⅱ\()\)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,则认为得到的线性方程是理想的,该问该小组所得线性回归方程是否理想?