人教版 高中数学 选修23 3.1回归分析的基本思想及其初步应用课时作业

2019人教版精品教学资料·高中选修数学 高中数学 3.1回归分析的基本思想及其初步应用课时作业 新人教A版选修2-3一、选择题1在判断两个变量y与x是否相关时，选择了4个不同的模型，它们的R2分别为：模型1的R2为0.98，模型2的R2为0.80，模型3的R2为0.50，模型4的R2为0.25.其中拟合效果最好的模型是()A模型1B模型2 C模型3D模型4解析：R2能够刻画用回归模型拟合数据的效果，R2的值越接近于1，说明回归模型拟合数据的效果越好答案：A2某学生四次模拟考试中，其英语作文的减分情况如下表：考试次数x1234所减分数y4.5432.5显然所减分数y与模拟考试次数x之间有较好的线性相关关系，则其线性回归方程为()Ay0.7x5.25By0.6x5.25Cy0.7x6.25Dy0.7x5.25解析：由题意可知，所减分数y与模拟考试次数x之间为负相关，所以排除A.考试次数的平均数为(1234)2.5，所减分数的平均数为(4.5432.5)3.5，即直线应该过点(2.5,3.5)，代入验证可知直线y0.7x5.25成立，故选D.答案：D3有下列说法：线性回归分析就是由样本点去寻找一条直线，贴近这些样本点的数学方法；利用样本点的散点图可以直观判断两个变量的关系是否可以用线性关系表示；通过回归方程x及其回归系数，可以估计和观测变量的取值和变化趋势；因为由任何一组观测值都可以求得一个线性回归方程，所以没有必要进行相关性检验其中正确说法的个数是()A1B2 C3D4解析：反映的是最小二乘法思想，故正确反映的是画散点图的作用，也正确反映的是回归模型ybxae，其中e为随机误差，故也正确不正确，在求回归方程之前必须进行相关性检验，以体现两变量的关系故选C.答案：C4已知某车间加工零件的个数x与所花费时间y(h)之间的线性回归方程为0.01x0.5，则加工600个零件大约需要()A6.5 hB5.5 h C3.5 hD0.5 h解析：将x600代入y0.01x0.5中得y6.5.答案：A5甲、乙、丙、丁4位同学各自对A，B两变量进行回归分析，分别得到散点图与残差平方和(yii)2如下表：甲乙丙丁散点图残差平方和115106124103哪位同学的试验结果体现拟合A，B两变量关系的模型拟合精度高()A甲B乙 C丙D丁解析：根据线性相关的知识，散点图中各样本点条状分布越均匀，同时保持残差平方和越小(对于已经获取的样本数据，R2的表达式中(yi)2为确定的数，则残差平方和越小，R2越大)，由回归分析建立的线性回归模型的拟合效果越好，由试验结果知丁要好些故选D.答案：D6设某大学的女生体重y(单位：kg)与身高x(单位：cm)具有线性相关关系根据一组样本数据(xi，yi)(i1,2，n)，用最小二乘法建立的回归方程为0.85x85.71，则下列结论中不正确的是()Ay与x具有正的线性相关关系B回归直线过样本点的中心(，)C若该大学某女生身高增加1 cm，则其体重约增加0.85 kgD若该大学某女生身高为170 cm，则可断定其体重必为58.79 kg解析：回归方程中x的系数为0.85>0，因此y与x具有正的线性相关关系，A正确；由回归方程系数的意义可知回归直线过样本点的中心(，)，B正确；依据回归方程中的含义可知，x每变化1个单位，相应变化约0.85个单位，C正确；用回归方程对总体进行估计不能得到肯定的结论，故D错误答案：D二、填空题7在研究两个变量的相关关系时，观察散点图发现样本点集中于某一条指数曲线yebxa的周围，令ln y，求得回归直线方程为0.25x2.58，则该模型的回归方程为_解析：因为0.25x2.58，ln y，所以ye0.25x2.58.答案：ye0.25x2.588若一个样本的总偏差平方和为80，残差平方和为60，则相关指数R2为_解析：回归平方和总偏差平方和残差平方和806020，故R20.25或R210.25.答案：0.259为了解篮球爱好者小李的投篮命中率与打篮球时间之间的关系，下表记录了小李某月1号到5号每天打篮球时间x(单位：小时)与当天投篮命中率y之间的关系：时间x12345命中率y0.40.50.60.60.4小李这5天的平均投篮命中率为_，用线性回归分析的方法，预测小李该月6号打6小时篮球的投篮命中率为_解析：这5天的平均投篮命中率为0.5.3.(xi)(yi)(13)×(0.40.5)(23)×(0.50.5)(33)×(0.60.5)(43)×(0.60.5)(53)×(0.40.5)0.1. (xi)2(13)2(23)2(33)2(43)2(53)210.0.01，0.50.030.47.所以回归直线方程为0.01x0.47.当x6时，0.01×60.470.53.答案：0.50.53三、解答题10某医院用光电比色计检验尿汞时，得尿汞含量x(mg/L)与消光系数y读数的结果如下：尿汞含量x246810消光系数y64138205285360(1)画出散点图；(2)求回归方程解：(1)散点图如图所示(2)由图可知y与x的样本点大致分布在一条直线周围，因此可以用线性回归方程来拟合它设回归方程为x.36.95， 11.3, 故所求的线性回归方程为36.95x11.3.11关于x与y有以下数据：x24568y3040605070已知x与y线性相关，由最小二乘法得6.5，(1)求y与x的线性回归方程；(2)现有第二个线性模型：7x17，且R20.82.若与(1)的线性模型比较，哪一个线性模型拟合效果比较好，请说明理由解：(1)依题意设y与x的线性回归方程为6.5x.5，50，6.5x经过(，)，506.5×5，17.5，y与x的线性回归方程为6.5x17.5.(2)由(1)的线性模型得yii与yi的关系如下表：yii0.53.5106.50.5yi201010020所以(yii)2(0.5)2(3.5)2(10)2(6.5)20.52155.(yi)2(20)2(10)2102022021 000.所以R110.845.由于R0.845，R20.82知R>R2，所以(1)的线性模型拟合效果比较好12假设某农作物基本苗数x与有效穗数y之间存在相关关系，今测得5组数据如下：x15.025.830.036.644.4y39.442.942.943.149.2(1)以x为解释变量，y为预报变量，画出散点图；(2)求y与x之间的回归方程，对于基本苗数56.7预报有效穗数；(3)计算各组残差；(4)求R2，并说明随机误差对有效穗数的影响占百分之几？解：(1)散点图如图所示(2)由图看出，样本点呈条状分布，有比较好的线性相关关系，因此可以用线性回归方程来建立两个变量之间的关系设线性回归方程为x，由表中数据可得0.29，34.66，故y与x之间的回归方程为0.29x34.66.当x56.7时，0.29×56.734.6651.103.估计有效穗数为51.103.(3)各组数据的残差分别为10.39，20.76，30.46，42.17，51.66.(4)R2110.832，即解释变量(农作物基本苗数)对有效穗数的影响约占了83.2%，所以随机误差对有效穗数的影响约占183.2%16.8%.