年龄段(岁) |
|
|
|
|
|
发病率( |
0.09 |
0.18 |
0.30 |
0.40 |
0.53 |
参考公式及数据: ,
,
.
赤霉素含量x(单位:mg/g) |
10 |
20 |
30 |
40 |
50 |
后天生长的优质数量y(单位:粒) |
2 |
3 |
7 |
8 |
10 |
参考数据: ,
,
,
.
参考公式:线性回归方程中斜率和截距的最小二乘法估计公式分别为
,
.
x/万元 |
1 |
2 |
3 |
4 |
5 |
6 |
y/千人 |
5 |
6 |
8 |
9 |
12 |
20 |
参考数据:
附:一元线性回归模型参数的最小二乘估计公式:
现用曲线拟合变量
与
的相关关系,并利用一元线性回归模型求参数
,
的最小二乘估计(精确到
),依所求回归方程
为预测依据,则( )
散点图可以直观的判断两个变量是否具有线性相关关系;
经验回归直线就是散点图中经过样本数据点最多的那条直线;
样本相关系数
的绝对值越接近于
, 表明两个变量线性相关性越弱;
同一组样本数据中,决定系数
越大的模型拟合效果越好
|
3 |
3 |
4 |
5 |
5 |
6 |
6 |
8 |
|
10 |
12 |
13 |
18 |
19 |
21 |
24 |
27 |
②当实际值与估计值的差的绝对值与估计值的比值不超过10%时,认为发放的该轮消费券助力消费复苏是理想的.若该省城市4月份发放额度为10百万元的消费券后,经过一个月的统计,发现实际带动的消费为30百万元,请问发放的该轮消费券助力消费复苏是否理想?若不理想,请分析可能存在的原因.
说明:对于线性回归方程的相关系数说明:当
时,两个变量之间具有很强的线性相关关系.
参考数据: .
间隔时间(x分钟) |
6 |
8 |
10 |
12 |
14 |
等候人数(y人) |
15 |
18 |
20 |
24 |
23 |
附:回归直线的斜率和截距的最小二乘估计分别为
,
;相关系数
;
.
x |
3 |
4 |
6 |
7 |
z |
2.5 |
3 |
4 |
5.9 |
得到x与z的线性回归方程 , 则c=.