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.
              某车间加工零件的数量\(x\)与加工时间\(y\)的统计数据如表:
              零件数\(x(\)个\()\) \(10\) \(20\) \(30\)
              加工时间\(y(\)分钟\()\) \(21\) \(30\) \(39\)
              现已求得上表数据的回归方程\( \hat y= \hat bx+ \hat a\)中的\( \hat b\)值为\(0.9\),则据此回归模型可以预测,加工\(100\)个零件所需要的加工时间约为\((\)  \()\)
              A.\(84\)分钟
              B.\(94\)分钟
              C.\(102\)分钟
              D.\(112\)分钟
            • 3.

              某地电影院为了了解当地影迷对快要上映的一部电影的票价的看法,进行了一次调研,得到了票价\(x(\)单位:元\()\)与渴望观影人数\(y(\)单位:万人\()\)的结果如下表:

              \(x\)\((\)单位:元\()\)

              \(30\)

              \(40\)

              \(50\)

              \(60\)

              \(y\)\((\)单位:万人\()\)

              \(4.5\)

              \(4\)

              \(3\)

              \(2.5\)

              \((1)\)若\(y\)与\(x\)具有较强的相关关系,试分析\(y\)与\(x\)之间是正相关还是负相关;
              \((2)\)请根据上表提供的数据,用最小二乘法求出\(y\)关于\(x\)的线性回归方程;
              \((3)\)根据\((2)\)中求出的线性回归方程,预测票价定为多少元时,能获得最大票房收入.
              参考公式:\(\hat{b}\)\(=\)\( \dfrac{\sum_{^{i=1}}^{_{n}}x_{i}y_{i}-n\left. \overline{x} \right.\left. \overline{y} \right.}{\sum_{^{i=1}}^{_{n}}x\rlap{_{i}}{^{2}}-n\overline{x}^{2}}\)\(\hat{a}\)\(=\)\(\overline{y}\)\(-\)\(\hat{b}\overline{x}\)
            • 4.

              在十九大“建设美丽中国”的号召下,某省级生态农业示范县大力实施绿色生产方案,对某种农产品的生产方式分别进行了甲、乙两种方案的改良。为了检查甲、乙两种方案的改良效果,随机在这两种方案中各任意抽取了\(40\)件产品作为样本逐件称出它们的重量\((\)单位:克\().\)重量值落在\((250,280]\)之间的产品为合格品,否则为不合格品。下表是甲、乙两种方案样本频数分布表。

              产品重量

              甲方案频数

              乙方案频数

              \((240,250]\)

              \(6\)

              \(2\)

              \((250,260]\)

              \(8\)

              \(12\)

              \((260,270]\)

              \(14\)

              \(18\)

              \((270,280]\)

              \(8\)

              \(6\)

              \((280,290]\)

              \(4\)

              \(2\)

              \((I)\)求出加\((\)同组中的重量值用组中点值代替\()\)方案样本中\(40\)件产品的平均数和中位数;

              \((II)\)若以频率作为概率\(.\)试估计从两种方案分别任取\(1\)件产品,恰好两件产品都是合格品的概率分别是多少;

              \((III)\)由以上统计数据完成下面\(2×2\)列联表,并回答有多大把握认为“产品是否为合格品与改良方案的选择有关”.

               

              甲方案

              乙方案

              合计

              合格品

               

               

               

              不合格品

               

               

               

              合计

               

               

               

              参考公式:\({{K}^{2}}=\dfrac{n{{(ad-bc)}^{2}}}{(a+b)(c+d)(a+c)(b+d)}\),其中\(n=a+b+c+d\).

              临界值表:

              \(P(k^{2}\geqslant k_{0})\)

              \(0.100\)

              \(0.050\)

              \(0.025\)

              \(0.010\)

              \(0.001\)

              \(k_{0}\)

              \(2.706\)

              \(3.814\)

              \(5.o24\)

              \(6.635\)

              \(10.828\)

            • 5.

              为了研究某班学生的脚长\(x(\)单位:厘米\()\)和身高\(y(\)单位:厘米\()\)的关系,从该班随机抽取\(10\)名学生,根据测量数据的散点图可以看出\(y\)与\(x\)之间有线性相关关系,设其回归直线方程为\(\hat{y}=\hat{b}x+\hat{a}\),已知\(\sum_{^{i=1}}^{_{10}}x_{i}=225\),\(\sum_{^{i=1}}^{_{10}}y_{i}=1 600\),\(\hat{b}=4.\)该班某学生的脚长为\(24\),据此估计其身高为\((\)  \()\)


              A.\(160\)                                          
              B.\(163\)

              C.\(166\)                                          
              D.\(170\)
            • 6.

              某公司为确定下一年度投入某种产品的宣传费,需了解年宣传费\(x(\)单位:千元\()\)对年销售量\(y(\)单位:\(t)\)和年利润\(z(\)单位:千元\()\)的影响,对近\(8\)年的宣传费\(x_{i}\)和年销售量\(y_{i}(i=1,2,…,8)\)数据作了初步处理,得到的散点图及一些统计量的值.

              \(\overline{x}\)

              \(\overline{y}\)

              \(\overline{w}\)

              \({{\sum\limits_{i=1}^{8}{({{x}_{i}}-\overline{x})}}^{2}}\)

              \({{\sum\limits_{i=1}^{8}{({{w}_{i}}-\overline{w})}}^{2}}\)

              \(\sum\limits_{i=1}^{8}{({{x}_{i}}-\overline{x})}({{y}_{i}}-\overline{y})\)

              \(\sum\limits_{i=1}^{8}{({{w}_{i}}-\overline{w})}({{y}_{i}}-\overline{y})\)

              \(46.6\)

              \(563\)

              \(6.8\)

              \(289.8\)

              \(1.6\)

              \(1469\)

              \(108.8\)

              表中\({{w}_{i}}=\sqrt{{{x}_{i}}}\),\(\overline{w}=\dfrac{1}{8}\sum\limits_{i=1}^{8}{{{w}_{i}}}\)

              \((1)\)根据散点图,函数\(y=c+d\sqrt{x}\)适宜作为年销售量\(y\)关于年宣传费\(x\)的回归方程,求\(y\)关于\(x\)的回归方程;

              \((2)\)已知这种产品的年利润\(x\)与\(x\),\(y\)的关系为\(z=0.2y-x.\)根据\((1)\)的结果回答下列问题:

              \(①\)年宣传费\(x=49\)时,年销售量及年利润的预报值是多少\(?\)

              \(②\)年宣传费\(x\)为何值时,年利润的预报值最大\(?\)

              附:对于一组数据\((v_{1},v_{1})\),\((v_{2},v_{2})\),\(…\),\((v_{n},v_{n})\),其回归直线\(v=α+βv\)的斜率和截距的最小二乘估计分别为\(\widehat{\beta }=\dfrac{\sum\limits_{i=1}^{n}{({{v}_{i}}-\overline{v})({{v}_{i}}-\overline{v})}}{{{\sum\limits_{i=1}^{n}{({{v}_{i}}-\overline{v})}}^{2}}}\),\(\widehat{\alpha }=\overline{v}-\widehat{\beta }\overline{v}\)

            • 7.

              某淘宝商城在\(2017\)年前\(7\)个月的销售额\(y\) \((\)单位:万元\()\)的数据如下表,已知\(y\)与\(t\)具有较好的线性关系.

              月份\(t\)

              \(1\)

              \(2\)

              \(3\)

              \(4\)

              \(5\)

              \(6\)

              \(7\)

              销售额\(y\)

              \(58\)

              \(66\)

              \(72\)

              \(88\)

              \(96\)

              \(104\)

              \(118\)

              \((1)\)求\(y\)关于\(t\)的线性回归方程;

              \((2)\)分析该淘宝商城\(2017\)年前\(7\)个月的销售额的变化情况,并预测该商城\(8\)月份的销售额.

              附:回归直线的斜率和截距的最小二乘估计公式分别为:\(\hat{b}=\dfrac{\sum\limits_{i=1}^{n}{\left( {{t}_{i}}-\bar{t} \right)\left( {{y}_{i}}-\bar{y} \right)}}{\sum\limits_{i=1}^{n}{{{\left( {{t}_{i}}-\bar{t} \right)}^{2}}}}\),\(\hat{a}=\bar{y}-\hat{b}\bar{t}\).

            0/40

            进入组卷