经过对的统计量的研究,得到了若干个临界值,当时,我们
A.有95%的把握认为与有关. | B.有99%的把握认为与有关 |
C.没有充分理由说事件与有关 | D.有97.5%的把握认为与有关 |
已知x、y之间的一组数据如下:
x |
0 |
1 |
2 |
3 |
y |
8 |
2 |
6 |
4 |
则线性回归方程所表示的直线必经过点( )
A.(0,0) B.(1.5,5) C.(4,1.5) D.(2,2)
为了解儿子身高与其父亲身高的关系,随机抽取5对父子的身高数据如下:
父亲身高x(cm) |
174 |
176 |
176 |
176 |
178 |
儿子身高y(cm) |
175 |
175 |
176 |
177 |
177 |
则y对x的线性回归方程为( )
A.y = x-1 B.y = x+1 C.y =" 88+" D.y = 176
某产品的广告费用x与销售额y的统计数据如下表
广告费用x(万元) |
4 |
2 |
3 |
5 |
销售额y(万元) |
49 |
26 |
39[ |
54 |
根据上表可得回归方程中的为9.4,据此模型预报广告费用为6万元时销售额为
A.63.6万元 B.65.5万元 C.67.7万元 D.72.0万元
把一组数据中的每一个数据都减去80,得一组新数据,若求得新数据的平均数是1.2,
方差是4.4,则原来数据的平均数和方差分别是( )
A.78.8,75.6 | B.78.8,4.4 |
C.81.2,84.4 | D.81.2,4.4 |
下列两个变量中,具有相关关系的是( )
A.正方体的体积棱长 | B.匀速行驶的汽车的行驶距离与时间 |
C.人的身高与体重 | D.人的身高与视力 |
从某高中随机选取5名高三男生,其身高和体重的数据如下表所示,
身高 |
160 |
165 |
170 |
175 |
180 |
体重 |
63 |
66 |
70 |
72 |
74 |
由上表可得回归直线方程,据此模型预报身高为的男生的体重大约为( )
A.70.09 B.70.12 C.70.55 D.71.05
通过随机询问110名性别不同的大学生是否爱好某项运动,得到如下的列联表:
|
男 |
女 |
总计 |
爱好 |
40 |
20 |
60 |
不爱好 |
20 |
30 |
50 |
总计 |
60 |
50 |
110 |
由算得,.
0.050 |
0.010 |
0.001 |
|
3.841 |
6.635 |
10.828 |
参照附表,得到的正确结论是( )
A.再犯错误的概率不超过0.1%的前提下,认为“爱好该项运动与性别有关”
B.再犯错误的概率不超过0.1%的前提下,认为“爱好该项运动与性别无关”
C.有99%以上的把握认为“爱好该项运动与性别有关”
D.有99%以上的把握认为“爱好该项运动与性别无关”
在对一组数据采用几种不同的回归模型进行回归分析时,得到下面的相应模型的相关指数的值,其中拟和效果较好的是( )
A. | B. | C. | D. |
已知x,y取值如下表:
x |
0 |
1 |
4 |
5 |
6 |
8 |
y |
1.3 |
1.8 |
5.6 |
6.1 |
7.4 |
9.3 |
从所得的散点图分析可知:y与x线性相关,且 =0.95x+a,则a=( ).
A.1.30 B.1.45 C.1.65 D.1.80
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 |