资源描述
精修版资料整理精修版资料整理精修版资料整理精修版资料整理精修版资料整理精修版资料整理第三章 统计案例3.1回归分析的基本思想及其初步应用双基达标(限时20分钟)1下列命题中正确的是于 ()任何两个变量都具有相关关系圆的周长与圆的半径具有相关关系 某商品的需求量与该商品的价格是一种非确定性关系根据散点图求得的线性回归方程可能是没有意义的两个变量的线性相关关系可以通过线性回归方程，把非确定性问题转化为确定性问题进行研究A BC D解析显然是错误的，而中圆的周长与圆的半径的关系为：C2R，是一种确定性的函数关系，故应选C.答案C2设两个变量x和y之间具有线性相关关系，它们的相关系数是r，y关于x的回归直线的斜率是b，纵轴上的截距是a，那么必有 ()Ab与r的符号相同 Ba与r的符号相同Cb与r的符号相反 Da与r的符号相反解析因为b0时，两变量正相关，此时r0；b0时，两变量负相关，此时r0.答案A3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，它们的相关指数R2分别为：模型1的相关指数R2为0.98，模型2的相关指数R2为0.80，模型3的相关指数R2为0.50，模型4的相关指数R2为0.25.其中拟合效果最好的模型是 ()A模型1 B模型2C模型3 D模型4解析相关指数R2能够刻画用回归模型拟合数据的效果，相关指数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A4若一组观测值(x1，y1)，(x2，y2)，(xn，yn)之间满足yibxiaei(i1,2，n)，且ei恒为0，则R2为_解析由ei恒为0，知yii，即yii0，故R21101.答案15已知回归直线的斜率的估计值为1.23，样本点的中心为(4,5)，则回归直线方程是_解析由斜率的估计值为1.23，且回归直线一定经过样本点的中心(4,5)，可得51.23(x4)，即1.23x0.08.答案1.23x0.086某个服装店经营某种服装，在某周内纯获利y(元)与该周每天销售这种服装件数x之间的一组数据如下表：x3456789y66697381899091(1)求样本中心点(2)画出散点图(3)求纯获利y与每天销售件数x 之间的回归方程解(1)6，79.86，中心点(6,79.86)(2)散点图如下：(3)因为4.75，51.36，所以4.75x51.36.综合提高 （限时25分钟）7为了考察两个变量x和y之间的线性相关性，甲、乙两位同学各自独立地做了100次和150次试验，并且利用线性回归方法，求得回归直线分别为l1和l2.已知两个人在试验中发现对变量x的观测数据的平均值都是s，对变量y的观测数据的平均值都是t，那么下列说法正确的是 ()Al1和l2有交点(s，t)Bl1与l2相交，但交点不一定是(s，t)Cl1与l2必定平行Dl1与l2必定重合解析都过样本中心点(s，t)，但斜率不确定答案A8某医学科研所对人体脂肪含量与年龄这两个变量研究得到一组随机样本数据，运用Excel软件计算得0.577x0.448(x为人的年龄，y为人体脂肪含量)对年龄为37岁的人来说，下面说法正确的是 ()A年龄为37岁的人体内脂肪含量都为20.90%B年龄为37岁的人体内脂肪含量为21.01%C年龄为37岁的人群中的大部分人的体内脂肪含量为20.90%D年龄为37岁的大部分的人体内脂肪含量为31.5%解析当x37时，0.577370.44820.90120.90，由此估计：年龄为37岁的人群中的大部分人的体内脂肪含量为20.90%.答案C9今年一轮又一轮的寒潮席卷全国某商场为了了解某品牌羽绒服的月销售量y(件)与月平均气温x()之间的关系，随机统计了某4个月的月销售量与当月平均气温，数据如下表：月平均气温x()171382月销售量y(件)24334055由表中数据算出线性回归方程x中的2.气象部门预测下个月的平均气温约为6 ，据此估计，该商场下个月该品牌羽绒服的销售量的件数约为_解析由表格得(，)为(10,38)，又(，)在回归直线x上，且2，38210，58，所以2x58，当x6时，265846.答案4610面对竞争日益激烈的消费市场，众多商家不断扩大自己的销售市场，以降低生产成本某白酒酿造企业市场部对该企业9月份的产品销量(千箱)与单位成本(元)的资料进行线性回归分析，结果如下：，71，79，iyi1 481，1.818 2，71(1.818 2)77.36，则销量每增加1千箱，单位成本下降_元解析由已知可得，1.818 2x77.36，销量每增加1千箱，则单位成本下降1.818 2元答案1.818 211在一次抽样调查中测得样本的5个样本点，数值如下表：x0.250.5124y1612521试建立y与x之间的回归方程解由数值表可作散点图如右图根据散点图可知y与x近似地呈反比例函数关系，设y，令t，则ykt，原数据变为：t4210.50.25y1612521由置换后的数值表作散点图如下：由散点图可以看出y与t呈近似的线性相关关系列表如下：itiyitiyity141664162562212244144315512540.5210.25450.2510.250.62517.753694.2521.312 5430所以1.55，7.2.所以4.134 4，0.8.所以4.134 4t0.8.所以y与x的回归方程是0.8.12(创新拓展)某运动员训练次数与成绩之间的数据关系如下：次数x3033353739444650成绩y3034373942464851(1)作出散点图；(2)求出回归方程；(3)作出残差图；(4)计算相关指数R2；(5)试预测该运动员训练47次及55次的成绩解(1)作出该运动员训练次数(x)与成绩(y)之间的散点图，如图所示，由散点图可知，它们之间具有线性相关关系(2)39.25，40.875，12 656，iyi13 180，1.041 5，0.003 88，回归方程为1.0415x0.003 88.(3)作残差图如图所示，由图可知，残差点比较均匀地分布在水平带状区域中，说明选用的模型比较合适(4)计算得相关指数R20.985 5，说明了该运动员的成绩的差异有98.55%是由训练次数引起的(5)由上述分析可知，我们可用回归方程1.041 5x0.003 88作为该运动员成绩的预报值将x47和x55分别代入该方程可得y49和y57.故预测该运动员训练47次和55次的成绩分别为49和57.最新精品资料
展开阅读全文