.某车间为了规定工时定额,需要确定加工零件所花费的时间,为此作了四次试验,得到的数据如下:
零件的个数x(个) |
2 |
3 |
4 |
5 |
加工的时间y(小时) |
2.5 |
3 |
4 |
4.5 |
则y关于x的线性回归方程为( )
A.="x" B.="0.8x+2.05"
C.=0.7x+1.05 D. =0.6x+0.95
注:=,=- ,=x+
有关线性回归的说法,不正确的是( )
A.相关关系的两个变量不是因果关系 |
B.散点图能直观地反映数据的相关程度 |
C.回归直线最能代表线性相关的两个变量之间的关系 |
D.任一组数据都有回归方程 |
下表是某工厂1~4月份用电量(单位:万度)的一组数据:
月份 |
1 |
2 |
3 |
4 |
用电量 |
4.5 |
4 |
3 |
2.5 |
由散点图可知,用电量与月份间有较好的线性相关关系,其线性回归直线方程是,则( )
A.10.5 B.5.25 C.5.2 D.5.15
.有下列数据下列四个函数中,模拟效果最好的为( )
x |
1 |
2 |
3 |
y |
3 |
5.99 |
12.01 |
A.y=3×2x-1 B.y=log2x
C.y=3x D.y=x2
右表提供了某厂生产某种产品过程中记录的产量x(吨)与相应的生产能耗y(吨标准煤)的几组对应数据.根据右表提供的数据,求出y关于x的线性回归方程为=0.7x+0.35,那么表中t的值为( )
A.3 | B.3.15 | C.3.5 | D.4.5 |
对变量x, y 有观测数据(,)(i=1,2,…,10),得散点图1;对变量u ,v 有观测数据(,)(i=1,2,…,10),得散点图2. 由这两个散点图可以判断。
图1 图2
A.变量x 与y 正相关,u 与v 正相关 | B.变量x 与y 正相关,u 与v 负相关 |
C.变量x 与y 负相关,u 与v 正相关 | D.变量x 与y 负相关,u 与v 负相关 |
对四组不同数据进行统计,分别获得以下散点图,如果对它们的相关系数进行比较,下列结论中正确的是 ( )
相关系数为 相关系数为
相关系数为 相关系数为
A. | B. |
C. | D. |
一位母亲记录了儿子3~9岁的身高,由此建立的身高与年龄的回归模型为 y=7.19x+73.93用这个模型预测这个孩子10岁时的身高,则正确的叙述是 ( )
A.身高一定是145.83cm | B.身高在145.83cm以上 |
C.身高在145.83cm以下 | D.身高在145.83cm左右 |
已知具有线性相关的两个变量之间的一组数据如下:
0 |
1 |
2 |
3 |
4 |
|
2.2 |
4.3 |
4.5 |
4.8 |
6.7 |
且回归方程是,其中.则当时,的预测值为( )
A.8.1 B.8.2 C.8.3 D.8.4
一位母亲记录了儿子3~9岁的身高,由此建立的身高与年龄的回归直线方程为
,据此可以预测这个孩子10岁时的身高,则正确的叙述是( )
A.身高一定是145.83cm | B.身高超过146.00cm |
C.身高低于145.00cm | D.身高在145.83cm左右 |
对四组数据进行统计,获得以下散点图,关于其线性相关系数比较,正确的是( )
线性相关系数为 线性相关系数为 线性相关系数为 线性相关系数为
A. | B. | C. | D. |
试题篮
()