某产品在某零售摊位的零售价x(单位:元)与每天的销售量y(单位:个)的统计资料如下表所示:由上表可得回归直线方程中的,据此模型预测零售价为15元时,每天的销售量为( )
A.51个 | B.50个 | C.49个 | D.48个 |
下表是一位母亲给儿子作的成长记录:
年龄/周岁 |
3 |
4 |
5 |
6 |
7 |
8 |
9 |
身高/cm |
94.8 |
104.2 |
108.7 |
117.8 |
124.3 |
130.8 |
139.1 |
根据以上样本数据,她建立了身高(cm)与年龄x(周岁)的线性回归方程为,给出下列结论:
①y与x具有正的线性相关关系;
②回归直线过样本的中心点(42,117.1);
③儿子10岁时的身高是cm;
④儿子年龄增加1周岁,身高约增加cm.
其中,正确结论的个数是
A.1 B.2 C. 3 D. 4
已知某企业上半年前5个月产品广告投入与利润额统计如下:
月份 |
1 |
2 |
3 |
4 |
5 |
广告投入(x万元) |
9.5 |
9.3 |
9.1 |
8.9 |
9.7 |
利润(y万元) |
92 |
89 |
89 |
87 |
93 |
由此所得回归方程为,若6月份广告投入10万元,估计所获得利润为( )
A.95.25万元 B.96.5万元 C.97万元 D.97.25万元
观察下列关于两个变量和的三个散点图,它们从左到右的对应关系依次为( )
A.正相关、负相关、不相关 | B.负相关、不相关、正相关 |
C.负相关、正相关、不相关 | D.正相关、不相关、负相关 |
四名同学根据各自的样本数据研究变量之间的相关关系,并求得回归直线方程,分别得到以下四个结论:
①y与x负相关且;
②y与x负相关且;
③y与x正相关且;
④y与x正相关且.
其中一定不正确的结论的序号是 ( )
A.①② | B.②③ | C.③④ | D.①④ |
甲,乙,丙,丁四位同学各自对A,B两变量的线性相关试验,并用回归分析方法分别求得相关系数r如表:
|
甲 |
乙 |
丙 |
丁 |
r |
0.82 |
0.78 |
0.69 |
0.85 |
则这四位同学的试验结果能体现出A,B两变量有更强的线性相关性的是( ).
A.甲 B.乙 C.丙 D.丁
在两个变量y与x的回归模型中,分别选择了4个不同模型,它们的相关系数r如下,其中拟合效果最好的模型是( )
A.模型1的相关系数r为0.98 |
B.模型2的相关系数r为0.80 |
C.模型3的相关系数r为0.50 |
D.模型4的相关系数r为0.25 |
已知、取值如下表:
0 |
1 |
4 |
5 |
6 |
|
1.3 |
5.6 |
7.4 |
画散点图分析可知:与线性相关,且求得回归方程为,则的值(精确到0.1)为( )
A.1.5 B.1.6 C.1.7 D.1.8
观察下列关于两个变量和的三个散点图,它们从左到右的对应关系依次为( ).
A.正相关、负相关、不相关 |
B.负相关、不相关、正相关 |
C.负相关、正相关、不相关 |
D.正相关、不相关、负相关 |
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. |
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. |