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.

              二手车经销商小王对其所经营的\(A\)型号二手汽车的使用年数\(x\)与销售价格\(y(\)单位:万元\(/\)辆\()\)进行整理,得到如下数据:下面是\(z\)关于\(x\)的折线图:


              使用年数\(x\)

              \(2\)

              \(3\)

              \(4\)

              \(5\)

              \(6\)

              \(7\)

              售价\(y\)

              \(20\)

              \(12\)

              \(8\)

              \(6.4\)

              \(4.4\)

              \(3\)

              \(z=\ln y\)

              \(3.00\)

              \(2.48\)

              \(2.08\)

              \(1.86\)

              \(1.48\)

              \(1.10\)


              \((1)\)由折线图可以看出,可以用线性回归模型拟合\(z\)与\(x\)的关系,请用相关系数加以说明;
              \((2)\)求\(y\)关于\(x\)的回归方程,并预测某辆\(A\)型号二手车当使用年数为\(9\)年时售价约为多少;\((\)\(\hat{b}\)\(\hat{a}\)小数点后保留两位有效数字\()\)
              \((3)\)基于成本的考虑,该型号二手车的售价不得低于\(7 118\)元,请根据\((2)\)求出的回归方程预测在收购该型号二手车时车辆的使用年数不得超过多少年.
              参考公式:\(\hat{b}\)\(=\)\( \dfrac{\sum\limits^{^{n}}_{_{i=1}}(x_{i}-\overline{x})(y_{i}-\overline{y})}{\sum\limits^{^{n}}_{_{i=1}}(x_{i}-\overline{x})^{2}}\)\(=\)\( \dfrac{\sum\limits^{^{n}}_{_{i=1}}x_{i}y_{i}-n\overline{x}\overline{y}}{\sum\limits^{^{n}}_{_{i=1}}x\rlap{_{i}}{^{2}}-n\overline{x}^{2}}\)\(\hat{a}\)\(=\)\(\overline{y}\)\(-\)\(\hat{b}\overline{x}\),\(r=\)\( \dfrac{\sum\limits^{^{n}}_{_{i=1}}(x_{i}-\overline{x})(y_{i}-\overline{y})}{ \sqrt{\sum\limits^{^{n}}_{_{i=1}}(x_{i}-\overline{x})^{2}} \sqrt{\sum\limits^{^{n}}_{_{i=1}}(y_{i}-\overline{y})^{2}}}\)

              参考数据:\(\sum\limits^{^{6}}_{_{i=1}}\)\(x\)\({\,\!}_{i}\)\(y\)\({\,\!}_{i}\)\(=187.4\),\(\sum\limits^{^{6}}_{_{i=1}}\)\(x\)\({\,\!}_{i}\)\(z\)\({\,\!}_{i}\)\(=47.64\),\(\sum\limits^{^{6}}_{_{i=1}}\)\(x\)\(\rlap{_{i}}{^{2}}\)\(=139\),\( \sqrt{\sum\limits^{^{6}}_{_{i=1}}(x_{i}-\overline{x})^{2}}\)\(≈4.18\),\( \sqrt{\sum\limits^{^{6}}_{_{i=1}}(y_{i}-\overline{y})^{2}}\)\(≈13.96\),\( \sqrt{\sum\limits^{^{6}}_{_{i=1}}(z_{i}-\overline{z})^{2}}\)\(≈1.53\),\(\ln 1.46≈0.38\),\(\ln 0.711 8≈-0.34\).

            • 2.

              某农科所对冬季昼夜温差大小与某反季节大豆新品种发芽多少之间的关系进行分析研究,他们分别记录了\(12\)月\(1\)日至\(12\)月\(5\)日的每天昼夜温差与实验室每天每\(100\)颗种子中

              的发芽数,得到如下资料:

              日期

              \(12\) \(1\)

              \(12\) \(2\)

              \(12\) \(3\)

              \(12\) \(4\)

              \(12\) \(5\)

              温差\(x\)\((\)\(℃\)\()\)

              \(10\)

              \(11\)

              \(13\)

              \(12\)

              \(8\)

              发芽数\(y\)\((\)\()\)

              \(23\)

              \(25\)

              \(30\)

              \(26\)

              \(16\)

              该农科所确定的研究方案是:先从这五组数据中选取\(2\)组,用剩下的\(3\)组数据求线性回归方程,再对被选取的\(2\)组数据进行检验.

              \((1)\)求选取的\(2\)组数据恰好是不相邻\(2\)天数据的概率;

              \((2)\)若选取的是\(12\)月\(1\)日与\(12\)月\(5\)日的两组数据,请根据\(12\)月\(2\)日至\(12\)月\(4\)日的数据,求出\(y\)关于\(x\)的线性回归方程\(\hat{y}=\hat{b}x+\hat{a}\);

              \((3)\)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\(2\)颗,则认为得到的线性回归方程是可靠的,试问\((2)\)中所得到的线性回归方程是否可靠?

            • 3.

              某地最近十年粮食需求量逐年上升,下表是部分统计数据:

              年份

              \(2002\)

              \(2004\)

              \(2006\)

              \(2008\)

              \(2010\)

              需求量

               

               

               

               

               

              \((\)万吨\()\)

              \(236\)

              \(246\)

              \(257\)

              \(276\)

              \(286\)

              \((1)\)利用所给数据求年需求量与年份之间的线性回归方程\(\hat{y} =\hat{b} x+\hat{a}\) ;

              \((2)\)利用\((1)\)中所求出的线性回归方程预测该地\(2012\)年的粮食需求量.

            • 4.

              相关变量\(x\),\(y\)的样本数据如下表:

              \(x\)

              \(1\)

              \(2\)

              \(3\)

              \(4\)

              \(5\)

              \(y\)

              \(2\)

              \(2\)

              \(3\)

              \(5\)

              \(6\)


              经回归分析可得\(y\)与\(x\)线性相关,并由最小二乘法求得回归直线方程为\(\hat{y}=1.1x+a\),则\(a=(\)  \()\)

              A.\(0.1\)                    
              B.\(0.2\)

              C.\(0.3\)                                              
              D.\(0.4\)
            • 5.

              某公司想了解对某产品投入的宣传费用与该产品的营业额的影响\(.\)下面是以往公司对该产品的宣传费用\(x\) \((\)单位:万元\()\)和产品营业额\(y\) \((\)单位:万元\()\)的统计折线图.


              \((1)\) 根据折线图可以判断,可用线性回归模型拟合宣传费用\(x\)与产品营业额\(y\)的关系,请用相关系数加以说明;

              \((2)\) 建立产品营业额\(y\)关于宣传费用\(x\)的归方程;

              \((3)\) 若某段时间内产品利润\(z\)与宣传费\(x\)和营业额\(y\)的关系为\(z=x\left( y-1.01x-0.09 \right)+50\),应投入宣传费多少万元才能使利润最大,并求最大利润.

              参考数据:\(\underset{i=1}{\overset{7}{\sum}}\,{{y}_{i}}=37.28\),\(\bar{y}=5.33\),\(\underset{i=1}{\overset{7}{\sum}}\,{{x}_{i}}{{y}_{i}}=160.68\),\(\sqrt{\underset{i=1}{\overset{7}{\sum}}\,{{\left({{y}_{i}}-\bar{y} \right)}^{2}}}=2.2\),\(\sqrt{7}\approx 2.64\)

              参考公式:相关系数,\(r=\dfrac{{\sum }_{i=1}^{n}\left( {{x}_{i}}-\bar{x} \right)\left( {{y}_{i}}-\bar{y} \right)}{\sqrt{{\sum }_{i=1}^{n}{{\left( {{x}_{i}}-\bar{x} \right)}^{2}}{\sum }_{i=1}^{n}{{\left( {{y}_{i}}-\bar{y} \right)}^{2}}}}=\dfrac{{\sum }_{i=1}^{n}{{x}_{i}}{{y}_{i}}-n\bar{x}\bar{y}}{\sqrt{{\sum }_{i=1}^{n}{{\left( {{x}_{i}}-\bar{x} \right)}^{2}}{\sum }_{i=1}^{n}{{\left( {{y}_{i}}-\bar{y} \right)}^{2}}}}\),

              回归方程\(y=\hat{a}+\hat{b}x\)中斜率和截距的最小二乘估计公式分别为\(\hat{b}=\dfrac{{\sum }_{i=1}^{n}\left( {{x}_{i}}-\bar{x} \right)\left( {{y}_{i}}-\bar{y} \right)}{{\sum }_{i=1}^{n}{{\left( {{x}_{i}}-\bar{x} \right)}^{2}}}=\dfrac{{\sum }_{i=1}^{n}{{x}_{i}}{{y}_{i}}-n\bar{x}\bar{y}}{{\sum }_{i=1}^{n}x_{i}^{2}-n{{{\bar{x}}}^{2}}}\),\(\hat{a}=\bar{y}-\hat{b}\bar{x}.(\)计算结果保留两位小数\()\)

            • 6.

              对具有线性相关关系的变量\(x\),\(y\)有一组观测数据\((x_{i},y_{i})(i=1,2,…,8)\),其回归直线方程是\(\hat{y}= \dfrac{1}{3}x+a\),且\(x_{1}+x_{2}+x_{3}+…+x_{8}=2(y_{1}+y_{2}+y_{3}+…+y_{8})=6\),则实数\(a\)的值是\((\)  \()\)

              A.\( \dfrac{1}{16}\)
              B.\( \dfrac{1}{8}\)
              C.\( \dfrac{1}{4}\)
              D.\( \dfrac{1}{2}\)
            • 7.

              下表为某厂节能降耗技术改造后在生产\(A\)产品过程中记录的产量\(x(\)吨\()\)与相应生产能耗\(y(\)吨\()\)之间的几组数据\(.\)据表中提供的数据,求出\(y\)关于\(x\)的线性回归方程为\(\hat{y}=0.7x+0.35\),那么表中\(t\)的值为 (    )

              \(x\)

              \(3\)

              \(4\)

              \(5\)

              \(6\)

              \(y\)

              \(2.5\)

              \(t\)

              \(4\)

              \(4.5\)

                

              A.\(3\)
              B.\(3.15\)
              C.\(3.5\)
              D.\(4.5\)
            • 8.

              如表为某公司员工工作年限\(x(\)年\()\)与平均月薪\(y(\)千元\()\)对照表\({.}\)已知\(y\)关于\(x\)的线性回归方程为\(\overset{{∧}}{y}{=}0{.}7x{+}0{.}35\),则下列结论错误的是\(({  })\)

              \(x\)

              \(3\)

              \(4\)

              \(6\)

              \(y\)

              \(2{.}5\)

              \(t\)

              \(4\)

              \(4{.}5\)

              A.回归直线一定过点\((4{.}5{,}3{.}5)\)
              B.工作年限与平均月薪呈正相关
              C.\(t\)的取值是\(3{.}5\)
              D.工作年限每增加\(1\)年,工资平均提高\(700\)元
            • 9.

              为了考察两个变量\(x\)和\(y\)之间的线性相关性,甲、乙两个同学各自独立做了\(10\)次和\(15\)次试验,并且利用线性回归方法,求得回归直线为\(l_{1}\)和\(l_{2}\),已知在两人的试验中发现对变量\(x\)的观测数据的平均值恰好相等,都为\(s\),对变量\(y\)的观测数据的平均值也恰好相等,都为\(t\),那么下列说法正确的是\((\)  \()\)

              A.直线\(l_{1}\)和直线\(l_{2}\)有交点\((s,t)\)

              B.直线\(l_{1}\)和直线\(l_{2}\)相交,但交点未必是点\((s,t)\)

              C.直线\(l_{1}\)和直线\(l_{2}\)由于斜率相等,所以必定平行

              D.直线\(l_{1}\)和直线\(l_{2}\)必定重合
            • 10.

              下图是我国\(2008\)年至\(2014\)年生活垃圾无害化处理量\((\)单位:亿吨\()\)的折线图



              \((I)\)由折线图看出,可用线性回归模型拟合 \(y\) 与 \(t\)的关系,请用相关系数加以说明;

              \((II)\)建立 \(y\) 关于 \(t\) 的回归方程\((\)系数精确到\(0.01)\),预测\(2016\)年我国生活垃圾无害化处理量\(.\)附注:参考数据:\( \sum\limits_{i=1}^{7}{y}_{i}=9.32 \),\( \sqrt{ \sum\limits_{i=1}^{7}{\left({y}_{i}- \overset{-}{y}\right)}^{2}} =0.55\) ,\( \sqrt{7}≈2.646.\)参考公式:相关系数  \(r= \dfrac{ \sum\nolimits_{i=1}^{n}({t}_{i}- \overset{-}{t})({y}_{i}- \overset{-}{y})}{ \sqrt{ \sum\nolimits_{i=1}^{n}({t}_{i}- \overset{-}{t}{)}^{2} \sum\nolimits_{i=1}^{n}({y}_{i}- \overset{-}{y}{)}^{2}}} \) 回归方程\( \overset{∧}{y}= \overset{∧}{a}+ \overset{∧}{b} \)中斜率和截距的最小二乘估计公式分别为\( \overset{∧}{b}= \dfrac{ \sum\nolimits_{i=1}^{n}({t}_{i}- \overset{-}{t})({y}_{i}- \overset{-}{y})}{ \sum\nolimits_{i=1}^{n}({t}_{i}- \overset{-}{t}{)}^{2}}\;, \overset{∧}{a}= \overset{-}{y}- \overset{∧}{b} \overset{-}{t} \)

            0/40

            进入组卷