2020高考数学刷题首秧第八章概率和统计考点测试56变量间的相关关系和统计案例文含解析20190506462.docxVIP

PAGE 考点测试56　变量间的相关关系与统计案例 高考概览eq \a\vs4\al(高考在本考点的常考题型为选择、填空与解答题，分值为5分，12分，中、低等难度) 考纲研读 1．会作两个相关变量的数据的散点图，会利用散点图认识变量间的相关关系 2．了解最小二乘法的思想，能根据给出的线性回归方程系数公式建立线性回归方程 3．了解独立性检验的基本思想、方法及其简单应用 4．了解回归分析的基本思想、方法及其简单应用 一、基础小题 1．已知回归直线的斜率的估计值是1．23，样本点的中心为(4，5)，则回归直线的方程是(　　) A．eq \o(y,\s\up6(^))＝1．23x＋4 B．eq \o(y,\s\up6(^))＝1．23x＋5 C．eq \o(y,\s\up6(^))＝1．23x＋0．08 D．eq \o(y,\s\up6(^))＝0．08x＋1．23 答案　C 解析　选项D显然错误．因为回归方程必过样本中心点，把点(4，5)代入选项A，B，C检验，满足的只有选项C．故选C． 2．在一组样本数据(x1，y1)，(x2，y2)，…，(xn，yn)(n≥2，x1，x2，…，xn不全相等)的散点图中，若所有样本点(xi，yi)(i＝1，2，…，n)都在直线y＝eq \f(1,2)x＋1上，则这组样本数据的样本相关系数为(　　) A．－1 B．0 C．eq \f(1,2) D．1 答案　D 解析　由题设知，这组样本数据完全正相关，故其相关系数为1．故选D． 3．甲、乙、丙、丁四位同学各自对A，B两变量的线性相关性做试验，并用回归分析方法分别求得相关系数r与残差平方和m，如下表： 甲 乙 丙 丁 r 0．82 0．78 0．69 0．85 m 106 115 124 103 则试验结果体现A，B两变量有更强的线性相关性的是(　　) A．甲 B．乙 C．丙 D．丁 答案　D 解析　r越大，m越小，线性相关性越强，丁同学的试验结果体现A，B两变量有更强的线性相关性．故选D． 4．在研究吸烟与患肺癌的关系中，通过收集数据、整理分析数据得“吸烟与患肺癌有关”的结论，并且有99%以上的把握认为这个结论是成立的，则下列说法中正确的是(　　) A．100个吸烟者中至少有99人患肺癌 B．1个人吸烟，那么这人有99%的概率患有肺癌 C．在100个吸烟者中一定有患肺癌的人 D．在100个吸烟者中可能一个患肺癌的人也没有 答案　D 解析　统计的结果只是说明事件发生可能性的大小，具体到一个个体不一定发生．故选D． 5．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)(i＝1，2，…，n)，用最小二乘法建立的回归方程为eq \o(y,\s\up6(^))＝0．85x－85．71，则下列结论中不正确的是(　　) A．y与x具有正的线性相关关系 B．回归直线过样本点的中心(eq \o(x,\s\up6(－))，eq \o(y,\s\up6(－))) C．若该大学某女生身高增加1 cm，则其体重约增加0．85 kg D．若该大学某女生身高为170 cm，则可断定其体重必为58．79 kg 答案　D 解析　由于线性回归方程中x的系数为0．85，因此y与x具有正的线性相关关系，故A正确．又线性回归方程必过样本点的中心(eq \x\to(x)，eq \x\to(y))，因此B正确．由线性回归方程中系数的意义知，x每增加1 cm，其体重约增加0．85 kg，故C正确．当某女生的身高为170 cm时，其体重估计值是58．79 kg，而不是具体值，因此D不正确． 6．以模型y＝cekx去拟合一组数据时，为了求出回归方程，设z＝ln y，其变换后得到线性回归方程z＝0．3x＋4，则c＝________． 答案　e4 解析　因为y＝cekx，所以两边取对数，可得ln y＝ln (cekx)＝ln c＋ln ekx＝ln c＋kx，令z＝ln y，可得z＝ln c＋kx．因为z＝0．3x＋4，所以ln c＝4，所以c＝e4． 二、高考小题 7．(2017·山东高考)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eq \o(y,\s\up6(^))＝eq \o(b,\s\up6(^))x＋eq \o(a,\s\up6(^))．已知eq \i\su(i＝1,10,x)i＝225，eq \i\su(i＝1,10,y)i＝1600，eq \o(b,\s\up6(^))＝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 答案　C 解析　∵