2017-2018年高中数学 第三章 统计案例 3.1 回归分析的基本思想及其初步应用 第1课时 线性回归模型检测(含解析)新人教A版选修2-3.docVIP

  • 1
  • 0
  • 约 6页
  • 2017-10-14 发布于河北
  • 举报

2017-2018年高中数学 第三章 统计案例 3.1 回归分析的基本思想及其初步应用 第1课时 线性回归模型检测(含解析)新人教A版选修2-3.doc

2017-2018年高中数学 第三章 统计案例 3.1 回归分析的基本思想及其初步应用 第1课时 线性回归模型检测(含解析)新人教A版选修2-3

3.1 回归分析的基本思想及其初步应用 第1课时 线性回归模型 A级 基础巩固 一、选择题有下列说法: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=+及其回归系数b可以估计和观其中正确说法的个数是(   )     .     .     .解析:①反映的是最小二乘法思想故正确.②反映的是画散点图的作用也正确.③反映的是回归模型y=bx+a+e其中e为随机误差故也正确.④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.答案: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(   )与r的符号相同 .与r的符号相同与r的符号相反 .与r的符号相反解析:因为b>0时两变量正相关此时r>0;b<0时两变量负相关此时r<0.答案:实验测得四组(x)的1,2),(2,3),(3,4),(4,5),则y与x之间的回归直线方程为(   )=x+1 =x+2=2x+1 =x-1解析:求出样本中心()代入选项检验知选项正确.答案:设某大学的女生体重y(单位:)与身高x(单位:)具有线性相关关系.根据一组样本数据(x)(i=1),用最小二乘法建立的回归方程为=0.85x-85.71则下列结论中不正确的是(   )与x具有正的线性相关关系回归直线过样本点的中心() C.若该大学某女生身高增加1 则其体重约增加kg D.若该大学某女生身高为170 则可断定其体重必为58.79 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y的含义可知每变化1个单位相应变化约0.85个单位正确;用回归方程对总体进行估计不能得到肯定的结论故错误.答案:(2015·福建卷)为了解某社区居民的家庭年收入与年支出的关系随机调查了该社区5户家庭得到如下统计数据表: 收入x/万元 8.2 8.6 10.0 11.3 11.9 支出y/万元 6.2 7.5 8.0 8.5 9.8根据上表可得回归直线方程=+其中=0.76=-. 据此估计该社区一户年收入为15万元家庭的年支出为(  )万元 .万元万元 .万元解析:由已知得 ==10(万元)==8(万元)故=8-0.76×10=0.4.所以回归直线方程为=0.76x+0.4社区一户年收入为15万元家庭年支出为=0.76x+0.4社区一户年收入为15万元家庭支出为=0.76×15+0.4=11.8(万元).答案:二、填空题若施化肥量x()与小麦产量y()之间的回归直线方程为=250+4x当施化肥量为50 时预计小麦产量为________解析:把x=50代入=250+4x得=450.答案:450已知x的取值如表所示: x 0 1 3 4 y 2.2 4.3 4.8 6.7 若从散点图分析与x线性相关且=0.95x+则的值等于________.解析:= (0+1+3+4)=2==而回归直线方程过样本点的中心(2), 所以=-0.95=4.5-0.95×2=2.6.答案:2.6已知一个线性回归方程为=1.5x+45其中x的取值依次为1则=________.解析:==9因为回归直线方程过点(),所以=1.5+45=1.5×9+45=58.5.答案:58.5三、解答题某医院用光电比色计检验尿汞时得尿汞含量x(单位:)与消光系数y读数的结果如下: 尿汞含量x 2 4 6 8 10 消光系数y 64 138 205 285 360(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=+故所求的线性回归方程为=36.95x-11.3.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 2008 2010 2012 2014 2016 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回归直线方程=+;(2)利用(1)中所求出的直线方程预测该地2018年的粮食需求量.解:(1)由所给数据看出年需求量为此对数据预处理如下:年份2012年 -4 -2 0 2 4 需求量257万吨 -21 -11 0 19 29对预处理后的数据容易算得=0=3.2.所以===-=3.2.由上述计算结果知所求回归直线方程为-257=(x-2 012)+=6.5(x-2 012)+3.2即=6.5(x-2 012)+260.2.①(2)利用直线方程①可预测2018年的=6.5×(2 018-2 012)+260.2=6.5×6+260.2

您可能关注的文档

文档评论(0)

1亿VIP精品文档

相关文档