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.
              一只药用昆虫的产卵数\(y\)与一定范围内的温度\(x\)有关,现收集了该种药用昆虫的\(6\)组观测数据如表:
              温度\(x/^{\circ}C\) \(21\) \(23\) \(24\) \(27\) \(29\) \(32\)
              产卵数\(y/\)个 \(6\) \(11\) \(20\) \(27\) \(57\) \(77\)
              经计算得:\( \overline {x}= \dfrac {1}{6} \sum\limits_{i=1}^{6}x_{i}=26\),\( \overline {y}= \dfrac {1}{6} \sum\limits_{i=1}^{6}y_{i}=33\),\( \sum\limits_{i=1}^{6}(x_{i}- \overline {x})(y_{i}- \overline {y})=557\),\( \sum\limits_{i=1}^{6}(x_{i}- \overline {x})^{2}=84\),\( \sum\limits_{i=1}^{6}(y_{i}- \overline {y})^{2}=3930\),线性回归模型的残差平方和\( \sum\limits_{i=1}^{6}(y_{i}- \overset{\hat{} }{y}_{i})^{2}=236.64\),\(e^{8.0605}≈3167\),其中\(x_{i}\),\(y_{i}\)分别为观测数据中的温度和产卵数,\(i=1\),\(2\),\(3\),\(4\),\(5\),\(6\).
              \((\)Ⅰ\()\)若用线性回归模型,求\(y\)关于\(x\)的回归方程\( \overset{\hat{} }{y}= \overset{\hat{} }{b}x+ \overset{\hat{} }{a}(\)精确到\(0.1)\);
              \((\)Ⅱ\()\)若用非线性回归模型求得\(y\)关于\(x\)的回归方程为\( \overset{\hat{} }{y}=0.06e^{0.2303x}\),且相关指数\(R^{2}=0.9522\).
              \((\) \(i\) \()\)试与\((\)Ⅰ\()\)中的回归模型相比,用\(R^{2}\)说明哪种模型的拟合效果更好.
              \((ii)\)用拟合效果好的模型预测温度为\(35^{\circ}C\)时该种药用昆虫的产卵数\((\)结果取整数\()\).
              附:一组数据\((x_{1},y_{1})\),\((x_{2},y_{2})\),\(…\),\((x_{n},y_{n})\),其回归直线\( \overset{\hat{} }{y}= \overset{\hat{} }{b}x+ \overset{\hat{} }{a}\)的斜率和截距的最小二乘估计为\( \overset{\hat{} }{b}= \dfrac { \sum\limits_{i=1}^{n}(x_{i}- \overline {x})(y_{i}- \overline {y})}{ \sum\limits_{i=1}^{n}(x_{i}- \overline {x})^{2}}\),\( \overset{\hat{} }{a}= \overline {y}- \overset{\hat{} }{b} \overline {x}\);相关指数\(R^{2}=1- \dfrac { \sum\limits_{i=1}^{n}(y_{i}- \overset{\hat{} }{y}_{i})^{2}}{ \sum\limits_{i=1}^{n}(y_{i}- \overline {y})^{2}}\).
            • 2.
              某数学老师身高\(176cm\),他爷爷、父亲和儿子的身高分别是\(173cm\)、\(170cm\)和\(182cm.\)因儿子的身高与父亲的身高有关,该老师用线性回归分析的方法预测他孙子的身高为 ______ \(cm\).
            • 3.

              一台机器按不同的转速生产出来的某机械零件有一些会有缺点,每小时生产有缺点零件的多少随机器的运转速度而变化,下表为抽样试验的结果:

              转速\(x(\)转\(/\)秒\()\)

              \(16\)

              \(14\)

              \(12\)

              \(8\)

              每小时生产有缺点的零件数\(y(\)件\()\)

              \(11\)

              \(9\)

              \(8\)

              \(5\)

              \((1)\)画出散点图;

              \((2)\)如果\(y\)对\(x\)有线性关系,求回归直线方程;

              \((3)\)若实际生产中,允许每小时生产的产品中有缺点的零件最多为\(10\)个,那么机器的运转速度应控制约在什么范围内\(?\)

              附:\(b=\dfrac{\sum\limits_{i=1}^{n}{{{x}_{i}}{{y}_{i}}-n\overline{x}\overline{y}}}{\sum\limits_{i=1}^{n}{x_{i}^{2}-n{{\overline{x}}^{2}}}}\),\(a=\overline{y}-b\overline{x}\)

            • 4.

              下列两个变量不是相关关系的是(    )

              A.人的身高和体重                    
              B.降雪量和交通事故发生率

              C.匀速行驶的车辆的行驶距离和时间    
              D.每亩施用肥料量和粮食亩产量
            • 5.

              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
            • 6.
              某工厂为了对新研发的一种产品进行合理定价,将该产品按事先拟定的价格进行试销,得到如表数据:
              单价\(x(\)元\()\) \(4\) \(5\) \(6\) \(7\) \(8\) \(9\)
              销量\(y(\)件\()\) \(90\) \(84\) \(83\) \(80\) \(75\) \(68\)
              由表中数据,求得线性回归方程为\( \hat y=-4x+a.\)若在这些样本点中任取一点,则它在回归直线左下方的概率为 \((\)  \()\)
              A.\( \dfrac {1}{6}\)
              B.\( \dfrac {1}{3}\)
              C.\( \dfrac {1}{2}\)
              D.\( \dfrac {2}{3}\)
            • 7.

              某工厂为了对新研发的一种产品进行合理定价,将该产品按事先拟定的价格进行试销,得到数据如表\(.\)预计在今后的销售中,销量与单价仍然服从\(\hat {y} =bx+a(\) \(b=-20\),\(a=\bar{y} -b\bar{x} )\)的关系,且该产品的成本是\(4\)元\(/\)件,为使工厂获得最大利润\((\)利润\(=\)销售收入\(-\)成本\()\),该产品的单价应定为\((\)  \()\)元.

              单价\(x(\)元\()\)

              \(8\)

              \(8.2\)

              \(8.4\)

              \(8.6\)

              \(8.8\)

              \(9\)

              销量\(y(\)件\()\)

              \(90\)

              \(84\)

              \(83\)

              \(80\)

              \(75\)

              \(68\)

              A.\(\dfrac{31}{4} \)
              B.\(8\)
              C.\(\dfrac{33}{4} \)
              D.\(\dfrac{35}{4} \)
            • 8. 下列说法错误的是
              A.自变量取值一定时,因变量的取值带有一定随机性的两个变量之间的关系叫做相关关系
              B.在线性回归分析中,相关系数 \(r\)的值越大,变量间的相关性越强
              C.在残差图中,残差点分布的带状区域的宽度越狭窄,其模型拟合的精度越高
              D.在回归分析中,\(R^{2}\)为\(0.98\)的模型比\(R^{2}\)为\(0.80\)的模型拟合的效果好
            • 9.
              下列四个判断:
              \(①\)某校高三一班和高三二班的人数分别是\(m\),\(n\),某次测试数学平均分分别是\(a\),\(b\),则这两个班的数学平均分为\( \dfrac {a+b}{2}\);
              \(②10\)名工人某天生产同一零件,生产的件数是\(15\),\(17\),\(14\),\(10\),\(15\),\(17\),\(17\),\(16\),\(14\),\(12\),设其平均数为\(a\),中位数为\(b\),众数为\(c\),则有\(c > a > b\);
              \(③\)从总体中抽取的样本\((x_{1},y_{1})\),\((x_{2},y_{2})\),\(…\),\((x_{n},y_{n})\),若记\( \overline {x}= \dfrac {1}{n} \sum\limits_{i=1}^{n}x_{i}\),\( \overline {y}= \dfrac {1}{n} \sum\limits_{i=1}^{n}y_{i}\)则回归直线\(y=bx+a\)必过点\(( \overline {x}, \overline {y})\);
              \(④\)已知\(ξ\)服从正态分布\(N(0,σ^{2})\),且\(p(-2\leqslant ξ\leqslant 0)=0.3\),则\(p(ξ > 2)=0.2\);
              其中正确的个数有\((\)  \()\)
              A.\(0\)个
              B.\(1\)个
              C.\(2\)个
              D.\(3\)个
            • 10.

              经观测,某昆虫的产卵数\(y\)与温度\(x\)有关,现将收集到的温度\({{x}_{i}}\)和产卵数\({{y}_{i}}(i=1,2,…,10)\)的\(10\)组观测数据作了初步处理,得到如下图的散点图及一些统计量表\(.\)表中\({{z}_{i}}=\ln {{y}_{i}}\),\(z=\dfrac{1}{10}\sum\limits_{i=1}^{10}{{{z}_{i}}}\)



              \((1)\)根据散点图判断,\(y=a+bx\) ,\(y=a+\sqrt{x}\)与\(y={{c}_{1}}{{e}^{{{c}_{2}}x}}\) 哪一个适宜作为\(y\)与\(x\)之间的回归方程模型?\((\)给出判断即可,不必说明理由\()\)

              \((2)\)根据\((1)\)的判断结果及表中数据.

              \(①\)试求\(y\)关于\(x\)回归方程;

              \(②\)已知用人工培养该昆虫的成本\(h(x)\)与温度\(x\)和产卵数\(y\)的关系\(h(x)=x(\ln y-2.4)+170\)当温度\(x(x\)取整数\()\)为何值时,培养成本的预报值最小?

              附:对于一组数据\(({{u}_{1}},{{v}_{1}}),({{u}_{2}},{{v}_{2}}),\cdot \cdot \cdot ,({{u}_{n}},{{v}_{n}})\),其回归直线\(v=\alpha +\beta u\)的斜率和截距的最小二乘估计分别为\(β= \dfrac{ \sum\nolimits_{i=1}^{n}\left({u}_{i}- \overset{-}{u}\right)\left({v}_{i}- \overset{-}{v}\right)}{ \sum\limits_{i=1}^{n}{\left({u}_{i}- \overset{-}{u}\right)}^{2}} \),\(\alpha =\overset{-}{{v}}\,-\beta \overset{-}{{u}}\,\).

            0/40

            进入组卷