某车间加工零件的数量与加工时间
的统计数据如下表:
现已求得上表数据的回归方程中的
的值为0.9,则据此回归模型可以预测,加工90个零件所需要的加工时间约为( )
A.93分钟 | B.94分钟 | C.95分钟 | D.96分钟 |
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 |
已知取值如表:从所得的散点图分析可知:
与
线性相关,且
,则
()
x |
0 |
1 |
4 |
5 |
6 |
8 |
y |
1.3 |
1.8 |
5.6 |
6.1 |
7.4 |
9.3 |
A.1.30 B.1.45 C.1.65 D.1.80
有五组变量:①汽车的重量和汽车每消耗1升汽油所行驶的平均路程;
②平均日学习时间和平均学习成绩;
③某人每日吸烟量和其身体健康情况;
④正方形的边长和面积;
⑤汽车的重量和百公里耗油量.
其中两个变量成正相关的是( )
A.①③ | B.②④ | C.②⑤ | D.④⑤ |
废品率和每吨生铁成本
(元)之间的回归直线方程为
,这表明 ( )
A.![]() ![]() |
B.![]() ![]() |
C.废品率每增加1%,生铁成本增加258元 |
D.废品率每增加1%,生铁成本平均每吨增加2元 |
下表是降耗技术改造后生产甲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,根据表中提供的数据,求出y关于x的线性回归方程=0.7x+0.35,那么表中m的值为( )
A.4 | B.3.15 | C.4.5 | D.3 |
某食品的保鲜时间
(单位:小时)与储藏温度
(单位:
)满足函数关系
(
为自然对数的底数,
为常数).若该食品在
的保鲜时间是
小时,在
的保鲜时间是小时,则该食品在
的保鲜时间是()
A. | 16小时 | B. | 20小时 | C. | 24小时 | D. | 21小时 |
某车间加工零件的数量与加工时间
的统计数据如下表:
零件数![]() |
10 |
20 |
30 |
加工时间![]() |
21 |
30 |
39 |
现已求得上表数据的回归方程中的
值为0.9,则据此回归模型可以预测,加工100个零件所需要的加工时间约为( )
A.84分钟 B.94分钟 C.102分钟 D.112分钟
下列判断中不正确的是( )
A.![]() ![]() |
B.在平面直角坐标系中,可以用散点图发现变量之间的变化规律 |
C.线性回归方程代表了观测值![]() ![]() |
D.任何一组观测值都能得到具有代表意义的回归直线方程 |
下列函数中,随x(x>0)的增大,增长速度最快的是( )
A.y =1,x∈Z | B.y=x | C.y= ![]() |
D.y=![]() |
对具有线性相关关系的变量x,y有一组观测数据(xi,yi)( i=1,2,…,8),其回归直线方程是=
x+a且x1+x2+…+x8=6,y1+y2+…+y8=3,则实数a的值是( )
A.![]() |
B.![]() |
C.![]() |
D.![]() |
经统计,用于数学学习的时间(单位:小时)与成绩(单位:分)近似于线性相关关系.对某小组学生每周用于数学的学习时间与数学成绩
进行数据收集如下:
x |
15 |
16 |
18 |
19 |
22 |
y |
102 |
98 |
115 |
115 |
120 |
由表中样本数据求得回归方程为,则点
与直线
的位置关系是( )
A.点在直线左侧 B.点在直线右侧 C.点在直线上 D.无法确定