已知变量x,y之间具有线性相关关系,其回归方程为=-3+bx,若
则b的值为( )
A.2 | B.1 | C.-2 | D.-1 |
如图是某居民小区年龄在20岁到45岁的居民上网情况的频率分布直方图,现已知年龄 在[30,35),[35,40),[40,45]的上网人数呈现递减的等差数列,则年龄在[35,40)的频率( )
A.0.04 |
B.0.06 |
C.0.2 |
D.0.3 |
由变量与
相对应的一组数据
、
、
、
、
得到的线性回归方程为,则
( )
A.![]() |
B.![]() |
C.![]() |
D.![]() |
若变量与
之间的相关系数
,则变量
与
之间
A.不具有线性相关关系 |
B.具有线性相关关系 |
C.它们的线性相关关系还需要进一步确定 |
D.不确定 |
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),以下结论中正确的是 ( )
A.直线l过点(![]() ![]() |
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 |
某单位为了了解用电量(千瓦时)与气温
(
)之间的关系,随机统计了某4天的用电量与当天气温,并制作了对照表:
气温![]() ![]() |
18 |
13 |
10 |
![]() |
用电量![]() |
24 |
34 |
38 |
64 |
由表中数据得线性回归方程中
,预测当气温为
时,用电量约为( )
A.58千瓦时 B.66千瓦时 C.68千瓦时 D.70千瓦时
下面是两个变量的一组数据:
X |
1 |
2 |
3 |
4 |
5 |
6 |
7 |
8 |
y |
1 |
4 |
9 |
16 |
25 |
36 |
49 |
64 |
则这两个变量之间的线性回归方程是( )
A.y=-16+9x B.y=31-x C.y=30-x D.y=-15+9x
一名小学生的年龄和身高(单位:cm)的数据如下表:
由散点图可知,身高与年龄
之间的线性回归方程为
,则
的值为( )
A.65 | B.74 | C.56 | D.47 |
为了解某商品销售量(单位:件)与销售价格
(单位:元/件)的关系,统计了(
)的10组值,并画成散点图如图,则其回归方程可能是
A.![]() |
B.![]() |
C.![]() |
D.![]() |
对于下列表格所示的五个散点,已知求得的线性回归直线方程为=0.8x-155.
x |
196 |
197 |
200 |
203 |
204 |
y |
1 |
3 |
6 |
7 |
m |
则实数m的值为( )
A.8.4 B.8.2 C.8 D.8.5
下列反映两个变量的相关关系中,不同于其它三个的是
A.名师出高徒 | B.水涨船高 | C.月明星稀 | D.登高望远 |
若变量与
之间的相关系数
,则变量
与
之间
A.不具有线性相关关系 |
B.具有线性相关关系 |
C.它们的线性相关关系还需要进一步确定 |
D.不确定 |
已知变量与
正相关,且由观测数据算得样本平均数
,
,则由该观测数据算得的线性回归方程可能是( )
A.![]() |
B.![]() |
C.![]() |
D.![]() |
某小卖部销售一品牌饮料的零售价x(元/评)与销售量y(瓶)的关系统计如下:
零售价x(元/瓶) |
3.0 |
3.2 |
3.4 |
3.6 |
3.8 |
4.0 |
销量y(瓶) |
50 |
44 |
43 |
40 |
35 |
28 |
已知的关系符合线性回归方程,其中
.当单价为4.2元时,估计该小卖部销售这种品牌饮料的销量为( )
A.20 B.22 C.24 D.26
试题篮
()