20192020学年高中数学课时作业27回归分析北师大版选修2

《20192020学年高中数学课时作业27回归分析北师大版选修2》由会员分享，可在线阅读，更多相关《20192020学年高中数学课时作业27回归分析北师大版选修2（9页珍藏版）》请在装配图网上搜索。

1、课时作业(二十七)1下列两个变量之间的关系是相关关系的是()A正方体的棱长和体积B角的弧度数和它的正弦值C速度一定时的路程和时间D日照时间与水稻的亩产量答案D解析因为相关关系就是两个变量之间的一种非确定性关系，故可由两个变量之间的关系确定答案A，B，C均确定性关系，即函数关系，而D中日照时间与亩产量的关系是不确定的故选D.2以下四个散点图中，两个变量的关系适合用线性回归模型刻画的是()ABC D答案B解析中的点分布在一条直线附近，适合用线性回归模型刻画，均不适合3若回归直线方程中的回归系数0，则相关系数()Ar1Br1Cr0 D无法确定答案C解析注意两个系数之间的联系，两个式子的分子是一致的，

2、当0时，r一定为0.故选C.4.在两个变量y与x的回归模型中，分别选择了4个不同的模型，它们的相关指数R2如下，其中拟合效果最好的模型是（）A.模型1的相关指数R2为0.98B.模型2的相关指数R2为0.80C.模型3的相关指数R2为0.50D.模型4的相关指数R2为0.25答案A解析相关指数R2的取值范围为0，1，若R21，即残差平方和为0，此时预测值与观测值相等.y与x是函数关系，也就是说在相关关系中R2越接近于1，说明随机误差的效应越小，y与x相关程度越大，模型的拟合效果越好.R20，说明模型中x与y根本无关.故选A.5.某医学科研所对人体脂肪含量与年龄这两个变量研究得到一组随机样本数据

3、，运用Excel软件计算得0.577x0.448（x为人的年龄，y为人体脂肪含量）.对年龄为37岁的人来说，下面说法正确的是（）A.年龄为37岁的人体内脂肪含量都为20.90%B.年龄为37岁的人体内脂肪含量为21.01%C.年龄为37岁的人群中的大部分人的体内脂肪含量为20.90%D.年龄为37岁的大部分的人体内脂肪含量为31.5%答案C解析当x37时，=0.577370.44820.90120.90，由此估计：年龄为37岁的人群中的大部分人的体内脂肪含量为20.90%.6对变量x，y有观测数据(xi，yi)(i1，2，10)，得散点图(1)；对变量u，v有观测数据(ui，vi)(i1，2，

4、10)，得散点图(2)由这两个散点图可以判断()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负相关答案C7(2013新课标全国)在一组样本数据(x1，y1)，(x2，y2)，(xn，yn)(n2，x1，x2，xn不全相等)的散点图中，若所有样本点(xi，yi)(i1，2，n)都在直线yx1上，则这组样本数据的样本相关系数为()A1 B0C. D1答案D解析样本相关系数越接近1，相关性越强，现在所有的样本点都在直线yx1上，样本的相关系数应为1.8甲、乙、丙、丁四位同学各自对A、B两变量做回归分析，分别得到散点图与残差

5、平方和（yii）2如下表：甲乙丙丁散点图残差平方和115106124103哪位同学的试验结果体现拟合A、B两变量关系的模型拟合精度高？A.甲B.乙C.丙 D.丁答案D解析根据线性相关的知识，散点图中各样本点条状分布越均匀，同时保持残差平方和越小（对于已经获取的样本数据，R2表达式中（yi）2为确定的数，则残差平方和越小，R2越大），由回归分析建立的线性回归模型的拟合效果越好，由试验结果知丁要好些，故选D.9.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），则回归直线方程是.答案1.23x0.08解析由斜率的估计值为1.23，且回归直线一定经过样本点的中心（4，5），可得51.2

6、3（x4），,即1.23x0.08.10.若一组观测值（x1，y1），（x2，y2），（xn，yn）之间满足yibxiaei（i1，2，n），且ei恒为0，则R2为.答案1解析由ei恒为0知yii，即yii =0.11.某市居民20102014年家庭平均收入x（单位：万元）与年平均支出Y（单位：万元）的统计资料如下表所示：年份20102011201220132014收入x11.512.11313.315支出Y6.88.89.8101212根据统计资料，居民家庭年平均收入的中位数是，家庭年平均收入与年平均支出有线性相关关系.（填“正”或“负”）答案13正解析由表中所给的数据知所求的中位数为13，

7、画出x与Y的散点图知它们有较强的线性正相关关系.12.已知两个变量x与y之间有线性相关性，5次试验的观测数据如下：X100120140160180Y4554627592那么变量y关于x的回归方程是.答案0.575x14.9解析由线性回归的参数公式可求得0.575，14.9，所以回归方程为0.575x14.9.13.一台机器使用时间较长，但还可以使用.它按不同的转速生产出来的某机械零件有一些会有缺点，每小时生产有缺点零件的多少随机器运转的速度而变化，下表为抽样试验结果：转速x（转/秒）1614128每小时生产有缺点的零件数y（件）11985（1）对变量y与x进行相关性检验；（2）如果y与x有线性

8、相关关系，求线性回归方程；（3）若实际生产中，允许每小时的产品中有缺点的零件最多为10个，则机器的运转速度应控制在什么范围内？解析（1）x12.5，8.25.0.995.因为r0.75，所以y与x有线性相关关系(2) 0.728 6x0.857 1.(3)要使10，即0.728 6x0.857 110，所以x14.901 3.所以机器的转速应控制在14.901 3转/秒以下14(2015济宁高二检测)已知某校5个学生的数学和物理成绩如下：学生的编号12345数学成绩x8075706560物理成绩y7066686462(1)通过大量事实证明发现，一个学生的数学成绩和物理成绩是具有很强的线性相关关

9、系的，在上述表格中，用x表示数学成绩，用y表示物理成绩，求y关于x的回归方程；(2)利用残差分析回归方程的拟合效果，若残差和在(0.1，0.1)范围内，则称回归方程为“优拟方程”，问：该回归方程是否为“优拟方程”解析(1)由已知数据得，x70，y66，0.36，40.8，故回归直线方程为0.36x40.8.(2)由0.36x40.8，可知10.368040.869.6，同理可得267.8，366，464.2，562.4，所以 (yii)0(0.1，0.1)故该回归方程是“优拟方程”15为研究质量x(单位：克)对弹簧长度y(单位：厘米)的影响，对不同质量的6个物体进行测量，数据如下表所示：x51

10、015202530y7.258.128.959.9010.911.8(1)作出散点图并求线性回归方程；(2)求出R2；(3)进行残差分析解析(1)作出散点图如图所示：x(51015202530)17.5，y(7.258.128.959.9010.911.8)9.487，xi22 275，xiyi1 076.2，计算得，0.183，6.285，所求回归直线方程为6.2850.183x.(2)列表如下：yii0.050.0050.080.0450.040.025yiy2.241.370.540.411.412.31所以 (yii)20.013 18， (yiy)214.678 4.所以R210.9

11、99 1.(3)由残差表中的数值可以看出第3个样本点的残差比较大，需要确认在采集这个数据的时候是否有人为的错误，如果有的话，需要纠正数据，重新建立回归模型；由表中数据可以看出残差点比较均匀地落在不超过0.15的狭窄的水平带状区域中，说明选用的线性回归模型的精度较高，由以上分析可知，弹簧长度与质量具有线性关系1若某函数型相对一组数据的残差平方和为89，其相关指数为0.95，则总偏差平方和为_，回归平方和为_答案1 7801 691解析R21，0.951，总偏差平方和为1 780.回归平方和总偏差平方和残差平方和1 780891 691.2对于x与y有如下观测数据：x182530394142495

12、2y356788910(1)作出散点图；(2)对x与y作回归分析；(3)求出y与x的回归直线方程；(4)根据回归直线方程，预测y20时x的值答案(1)作出散点图，如图(2)作相关性检验x(1825303941424952)37，y(356788910)7， xi218225230239241242249252211 920， yi232526272828292102428， xiyi18325530639741842849952102 257， xiyi82 2578377185， xi28x211 9208372968，yi28y242887236，由于r0.9910.75，因此，认为两个变

13、量有很强的相关关系(3)回归系数0.191，yx70.191370.067，所以y对x的回归直线方程为0.191x0.067.(4)当y20时，有200.191x0.067，得x105.因此在y的值为20时，x的值约为105.3以下是收集到的房屋的销售价格y与房屋的大小x的有关数据x(m2)11511080135105y(万元)24.821.618.429.222若y与x呈线性相关关系，求回归直线方程解析作出散点图由图可知房屋的销售价格与房屋的大小线性相关y(24.821.618.429.222)23.2，x(11511080135105)109， xi21152110280213521052

14、60 975， xiyi24.811521.611018.48029.21351052212 952.yx23.20.196 21091.814 2，所以y对x的回归直线方程为0.196 2x1.814 2.4一个车间为了规定工时定额，需要确定加工零件所花费的时间，为此进行了10次试验，测得数据如下：零件数x(个)102030405060708090100加工时间y(分)626875818995102108115122(1)计算总偏差平方和，残差及残差平方和；(2)求出相关指数R2；(3)进行残差分析解析(1)列出残差表(0.668x54.960，y91.7)i6268758189951021

15、0811512261.668.375.081.788.495.0101.7108.4115.1121.8yi-29.723.716.710.72.73.310.316.323.330.3yi -i0.40.300.70.600.30.40.10.2所以(yi-)2（29.7）2（23.7）230.323 688.1.( yii)20.42(0.3)20.221.4.即总偏差平方和为3 688.1，残差平方和为1.4，残差值如表中第四行的值(2)R2110.000 380.999 62，相关指数R2非常接近于1，回归直线模型拟合效果较好(3)作出残差图甲图甲：横坐标为零件个数，纵坐标为残差残差分析：由散点图乙和r的值(知识点二的例题，r0.999 8)可以说明x与y有很强的相关性，由R2的值可以看出回归直线模型的拟合效果很好由残差图可以观察到，第4个样本点和第5个样本点的残差比较大，需要确认在采集这两个样本点的过程中是否有人为的失误，如果有则需要纠正数据，重新利用线性回归模型拟合数据；由残差图中的残差点比较均匀地落在水平的带状区域中(在两条直线y0.65和y0.67之间)，也说明选用的线性回归模型较为合适，带状区域的宽度仅为1.32，比较狭窄，说明模型拟合精度较高！