7.2成对数据的线性相关性 课时作业高二上学期数学北师大版（2019）选择性必修第一册.docx

2.1　相关系数 2.2　成对数据的线性相关性分析 1.为了比较甲、乙、丙三组数据的线性相关性的强弱,小郑同学分别计算了甲、乙、丙三组数据的线性相关系数,其数值分别为0.939,0.937,0.948,则(　　) 　　　　　　　　　　　　　　　　　 A.甲组数据的线性相关性最强,乙组数据的线性相关性最弱 B.乙组数据的线性相关性最强,丙组数据的线性相关性最弱 C.丙组数据的线性相关性最强,甲组数据的线性相关性最弱 D.丙组数据的线性相关性最强,乙组数据的线性相关性最弱 2.(2020江西高二期中)某相关变量X,Y的散点图如图所示,现对这两个变量进行回归分析,方案一:根据图中所有数据分析,可得到线性回归方程Y=b^1X+a^1,样本相关系数为r1;方案二:剔除点(10,32),根据剩下数据分析,可得到线性回归方程Y=b^2X+a^2, 　　　　　　　　　　　　　　　　　 A.0<r1<r2<1 B.0<r2<r1<1 C.-1<r1<r2<0 D.-1<r2<r1<0 3.(2020陕西西安高三模拟)北极冰融是近年来最引人注目的气候变化现象之一,白色冰面融化变成颜色相对较暗的海冰,被称为“北极变暗”现象.21世纪以来,北极的气温变化是全球平均水平的2倍,被称为“北极放大”现象.若北极年平均海冰面积(单位:106 km2)与年平均CO2(单位:ppm)浓度图如图所示,则下列说法正确的是(　　) A.北极年海冰面积逐年减少 B.北极年海冰面积减少速度不断加快 C.北极年海冰面积与年平均二氧化碳浓度大体成负相关 D.北极年海冰面积与年平均二氧化碳浓度大体成正相关 4.现随机抽取了某中学高一10名在校学生,他们入学时的数学成绩X与入学后第一次考试的数学成绩Y如下表: 学生号 1 2 3 4 5 6 7 8 9 10 X 120 108 117 104 103 110 104 105 99 108 Y 84 64 84 68 69 68 69 46 57 71 请问:这10名学生的两次数学成绩是否具有线性相关关系? 5.维尼纶纤维的耐热水性能的好坏可以用指标“缩醛化度”Y来衡量,这个指标越高,耐热水性能也越好,而甲醛浓度是影响缩醛化度的重要因素,在生产中常用甲醛浓度X(单位:g/L)去控制这一指标,为此必须找出它们之间的关系,现安排一批实验,获得如下数据: 甲醛浓度 /(g/L) 18 20 22 24 26 28 30 缩醛化度 /克分子% 26.86 28.35 28.75 28.87 29.75 30.00 30.36 (1)画散点图; (2)求线性回归方程; (3)求相关系数r. 能力达标 6.如图,有6组数据,去掉哪组数据后(填字母代号),剩下的5组数据的线性相关性最大(　　) A.A B.B C.C D.D 7. 设(x1,y1),(x2,y2),…,(xn,yn)是变量X和Y的n个样本点,直线l是由这些样本点通过最小二乘法得到的线性回归直线(如图),以下结论正确的是(　　) A.直线l过点(x, B.X和Y的相关系数为直线l的斜率 C.X和Y的相关系数在0到1之间 D.当n为偶数时,分布在l两侧的样本点的个数一定相同 8.下列说法中正确的是　　　　(填序号).? ①相关关系是一种确定性关系; ②变量间的线性相关系数r的取值范围为[-1,1]; ③变量间的线性相关系数r的绝对值越接近0,则变量间的线性相关程度越低; ④相关系数r与线性回归方程的系数始终同号. 9.某学校开展研究性学习活动,一组同学获得了下面的一组试验数据: X 1.99 3 4 5.1 8 Y 0.99 1.58 2.01 2.35 3.00 现有如下5个模拟函数: ①Y=0.58X-0.16;②Y=2X-3.02;③Y=X2-5.5X+8;④Y=log2X;⑤Y=12X+1. 请从中选择一个模拟函数,使它能近似地反映这些数据的规律,应选　　　　.(填序号)? 10.某农科所对冬季昼夜温差大小与某反季节大豆新品种发芽多少之间的关系进行分析研究,他们分别记录了12月1日至12月5日的每天昼夜温差与实验室每天每100颗种子中的发芽数,得到如下资料: 日期 12月 1日 12月 2日 12月 3日 12月 4日 12月 5日 温差X/℃ 10 11 13 12 8 发芽数Y/颗 23 25 30 26 16 该农科所确定的研究方案是:先从这五组数据中选取2组,用剩下的3组数据求线性回归方程,再对被选取的2组数据进行检验. (1)求选取的2组数据恰好是不相邻2天数据的概率; (2)若选取的是12月1日与12月5日的两组数据,请根据12月2日至12月4日的数据,求出Y关于X的线性回归方程Y=b^X+a (3)若由线性回归方程得到的估计数据与所选出的检验数据的误差均不超