[测控设计]2015-2016学年高二数学人教A版选修1-2同步练习：1.1 回归分析的基本思想及其初步应用 Word版含解析.docVIP

第一章　统计案例 1.1　回归分析的基本思想及其初步应用 1.下列两个变量之间的关系中,是函数关系的是(　　) A.学生的性别与他的数学成绩 B.人的工作环境与健康状况 C.女儿的身高与父亲的身高 D.正三角形的边长与面积 解析:函数关系是一种确定的关系,相关关系是一种不确定的关系.故选D. 答案:D 2.甲、乙、丙、丁4位同学各自对A,B两变量做回归分析,分别得到散点图与残差平方和(yi-)2如下表: 甲 乙 丙 丁 散点图 残差 平方和 115 106 124 103 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表达式中(yi-)2为确定的数,则残差平方和越小,R2越接近于1),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:D 3.对两个变量y和x进行回归分析,得到一组样本数据:(x1,y1),(x2,y2),…,(xn,yn),则下列说法中不正确的是(　　) A.由样本数据得到的回归方程x+必过样本点的中心() B.残差点较均匀地落在水平的带状区域中的模型,拟合的效果越好 C.用相关指数R2来刻画回归效果,R2越小,说明模型的拟合效果越好 D.样本点散布在回归直线附近的原因是随机误差的存在 解析:R2越大,说明模型的拟合效果越好,故选C. 答案:C 4.在一次试验中,测得(x,y)的4组值分别是A(1,2),B(2,3),C(3,4),D(4,5),则y与x之间的回归直线方程为(　　) A.=x+1 B.=x+2 C.=2x+1 D.=x-1 解析:由条件可计算样本点的中心()为,而回归直线必过样本点的中心. 答案:A 5.为了考察两个变量y与x的线性相关性,测得x,y的13对数据,若y与x具有线性相关关系,则相关指数R2的取值范围是　　　　　.? 解析:相关指数R2=1-,R2的取值范围是[0,1]. 当R2=0时,即残差平方和等于总偏差平方和,解释变量效应为0,x与y没有任何关系;当R2=1时,即残差平方和为0,x与y之间是确定的函数关系.其他情形,即当x与y是不确定的相关关系时,R2∈(0,1). 答案:(0,1) 6.如果两个变量y与x之间的相关指数是R2=0.78,那么表明x解释了百分之　　　　　的y的变化,随机误差解释了百分之　　　　　的y的变化.? 解析:在回归模型中,R2表示解释变量对于预报变量变化的贡献率,随机误差的贡献率为1-R2. 答案:78　22 7.有5组(x,y)数据:(1,3),(2,4),(4,5),(3,10),(10,12),去掉　　　　　组数据后剩下的4组数据的线性相关系数最大.? 解析:利用图形分析残差特征,可以看出,样本点(3,10)的残差最大,所以去掉这组后剩下数据的线性相关系数最大. 答案:(3,10) 8.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,得到如下数据: 单价x(元) 8 8.2 8.4 8.6 8.8 9 销量y(件) 90 84 83 80 75 68 (1)求回归直线方程x+,其中=-20,; (2)预计在今后的销售中,销量与单价仍然服从(1)中的关系,且该产品的成本是4元/件,为使工厂获得最大利润,该产品的单价应定为多少元?(利润=销售收入-成本) 解:(1)由于(x1+x2+x3+x4+x5+x6)=8.5, (y1+y2+y3+y4+y5+y6)=80, 所以=80+20×8.5=250, 从而回归直线方程为=-20x+250. (2)设工厂获得的利润为L元,依题意得 L=x(-20x+250)-4(-20x+250) =-20x2+330x-1 000=-20+361.25. 当且仅当x=8.25时,L取得最大值. 故当单价定为8.25元时,工厂可获得最大利润. 9.已知某种商品的价格x(元)与需求量y(件)有如下一组数据: x 14 16 18 20 22 y 12 10 7 5 3 求y对x的回归直线方程,并说明回归模型拟合效果的好坏. 解:×(14+16+18+20+22)=18. ×(12+10+7+5+3)=7.4. =142+162+182+202+222=1 660. =122+102+72+52+32=327. xiyi=14×12+16×10+18×7+20×5+22×3=620. 所以=-1.15. =7.4+1.15×18=28.1. 所以所求回归直线方程是=-1.15x+28.1, 列出残差表: yi- 0 0.3 -0.4 -0.