logo
  • write-homewrite-home-active首页
  • icon-chaticon-chat-activeAI 智能助手
  • icon-pluginicon-plugin-active浏览器插件
  • icon-subjecticon-subject-active学科题目
  • icon-uploadicon-upload-active上传题库
  • icon-appicon-app-active手机APP
首页
/
统计
题目

下图是我国2008年至2014年生活垃圾无害化处理量(单位:亿吨)的折线图1.80-|||-1.60-|||-1.40-|||-1.20-|||-1.00-|||-0.80-|||-1 2 3 4 s 6 7-|||-年份代码t (Ⅰ)由折线图看出,可用线性回归模型拟合y与t的关系,请用相关系数加以说明; (Ⅱ)建立y关于t的回归方程(系数精确到0.01),预测2016年我国生活垃圾无害化处理量. 附注:参考数据:sumlimits_(i=1)^7({{y)_(i)}}=9.32,sumlimits_(i=1)^7({{t)_(i)}({y)_(i)}}=40.17,sqrt(sumlimits_(i=1)^7{{{({{y)_(i)}-bar(y))}^2}}}=0.55,sqrt(7)≈2.646. 参考公式:相关系数r= dfrac( sumnolimits_{i=1)^7((t)_(i)- bar(t))((y)_(i)- bar(y))}( sqrt( sumnolimits_{i=1)^n({t)_(i)- bar(t)) underset(i=1)(overset{n)({)^2∑}}((y)_(i)- bar(y)())^2}}= dfrac( sumnolimits_{i=1)^n(t)_(i)(y)_(i)-n bar(t bar{y)}}( sqrt( sumlimits_{i=1)^n({t)_(i)- bar(t)())^2} sqrt( sumlimits_(i=1)^n({y)_(i)- bar(y{))^2}}} 回归方程widehat(y)=widehat(a)+widehat(b),t中斜率和截距的最小二乘估计公式分别为:hat (b)= dfrac( sumnolimits_{i=1)^n((t)_(i)- bar(t))((y)_(i)-y)}( sumnolimits_{i=1)^n((t)_(i)- bar(t)())^2},hat (a)= bar(y)-hat (b) bar(t) widehat(a)(=)bar(y)-widehat(b),bar(t).

下图是我国$2008$年至$2014$年生活垃圾无害化处理量$($单位:亿吨$)$的折线图 $($Ⅰ$)$由折线图看出,可用线性回归模型拟合$y$与$t$的关系,请用相关系数加以说明; $($Ⅱ$)$建立$y$关于$t$的回归方程$($系数精确到$0.01)$,预测$2016$年我国生活垃圾无害化处理量. 附注:参考数据:$\sum\limits_{i=1}^{7}{{{y}_{i}}}=9.32$,$\sum\limits_{i=1}^{7}{{{t}_{i}}{{y}_{i}}}=40.17$,$\sqrt{\sum\limits_{i=1}^{7}{{{({{y}_{i}}-\bar{y})}^{2}}}}=0.55$,$\sqrt{7}≈2.646$. 参考公式:相关系数$r= \dfrac{ \sum\nolimits_{i=1}^{7}({t}_{i}- \bar{t})({y}_{i}- \bar{y})}{ \sqrt{ \sum\nolimits_{i=1}^{n}({t}_{i}- \bar{t}) \underset{i=1}{\overset{n}{{}^{2}∑}}({y}_{i}- \bar{y}{)}^{2}}}= \dfrac{ \sum\nolimits_{i=1}^{n}{t}_{i}{y}_{i}-n \bar{t \bar{y}}}{ \sqrt{ \sum\limits_{i=1}^{n}({t}_{i}- \bar{t}{)}^{2}} \sqrt{ \sum\limits_{i=1}^{n}({y}_{i}- \bar{y{)}^{2}}}}$ 回归方程$\widehat{y}=\widehat{a}+\widehat{b}\,t$中斜率和截距的最小二乘估计公式分别为:$\hat {b}= \dfrac{ \sum\nolimits_{i=1}^{n}({t}_{i}- \bar{t})({y}_{i}-y)}{ \sum\nolimits_{i=1}^{n}({t}_{i}- \bar{t}{)}^{2}},\hat {a}= \bar{y}-\hat {b} \bar{t} \widehat{a}{=}\bar{y}-\widehat{b}\,\bar{t}.$

题目解答

答案

解:$($Ⅰ$)∵\overset{-}{t}=4 $,$\sum\limits_{i=1}^{7}{\left({t}_{i}- \overset{-}{t}\right)}^{2}=28 $,$\sqrt{ \sum\limits_{i=1}^{7}{\left({y}_{i}- \overset{-}{y}\right)}^{2}}=0.55 $,
$\sqrt{ \underset{7}{\overset{i=1}{∑\left({t}_{i}- \overset{¯}{t}\right)\left({y}_{i}- \overset{¯}{y}\right)}}}= \sqrt{ \underset{i=1}{ \overset{7}{∑{t}_{i}{y}_{i}- \overset{¯}{t}}} \sum\limits_{i=1}^{7}{y}_{i}}=2.89$,
$r≈ \dfrac{2.89}{0.55×2×2.646}≈0.99 $,
说明$y$与$t$的线性相关相当高,从而可以用线性回归模型拟合$y$与$t$的关系.
$($Ⅱ$)$由$\overset{-}{y}= \dfrac{9.32}{7}≈1.331 $及$(1)$得:
$\overset{\}{b}= \dfrac{ \underset{7}{\overset{i=1}{∑\left({t}_{i}- \overset{¯}{t}\right)}}\left({y}_{i}- \overset{¯}{y}\right)}{ \sum\nolimits_{i=1}^{n}{\left({t}_{i}-t\right)}^{2}}= \dfrac{2.89}{28}≈0.103$,
$\overset{∧}{a}= \overset{-}{y}- \overset{∧}{b} \overset{-}{t}≈1.331-0.103×4≈0.92 $,
$∴y$关于$t$的回归方程为:$\overset{∧}{y}=0.92+0.10t $,
将$2016$年对应的$t=9 $代入回归方程得:$\overset{∧}{y}=0.92+0.10×9=1.82 $,
$∴$预测$2016$年我国生活垃圾无害化处理量将约$1.82$亿吨.

解析

步骤 1:计算相关系数$r$
根据题目给出的参考数据,我们首先计算相关系数$r$。相关系数$r$的计算公式为:
$$
r = \frac{\sum_{i=1}^{n}(t_i - \bar{t})(y_i - \bar{y})}{\sqrt{\sum_{i=1}^{n}(t_i - \bar{t})^2} \sqrt{\sum_{i=1}^{n}(y_i - \bar{y})^2}}
$$
其中,$\bar{t}$和$\bar{y}$分别是$t$和$y$的平均值。根据题目给出的数据,我们有:
$$
\bar{t} = \frac{1+2+3+4+5+6+7}{7} = 4
$$
$$
\bar{y} = \frac{9.32}{7} \approx 1.331
$$
$$
\sum_{i=1}^{7}(t_i - \bar{t})^2 = 28
$$
$$
\sqrt{\sum_{i=1}^{7}(y_i - \bar{y})^2} = 0.55
$$
$$
\sum_{i=1}^{7}(t_i - \bar{t})(y_i - \bar{y}) = \sum_{i=1}^{7}t_iy_i - n\bar{t}\bar{y} = 40.17 - 7 \times 4 \times 1.331 = 2.89
$$
因此,相关系数$r$为:
$$
r = \frac{2.89}{\sqrt{28} \times 0.55} \approx 0.99
$$
步骤 2:建立$y$关于$t$的回归方程
根据题目给出的参考公式,我们计算回归方程的斜率$\hat{b}$和截距$\hat{a}$。斜率$\hat{b}$的计算公式为:
$$
\hat{b} = \frac{\sum_{i=1}^{n}(t_i - \bar{t})(y_i - \bar{y})}{\sum_{i=1}^{n}(t_i - \bar{t})^2} = \frac{2.89}{28} \approx 0.103
$$
截距$\hat{a}$的计算公式为:
$$
\hat{a} = \bar{y} - \hat{b}\bar{t} = 1.331 - 0.103 \times 4 \approx 0.92
$$
因此,$y$关于$t$的回归方程为:
$$
\hat{y} = 0.92 + 0.10t
$$
步骤 3:预测$2016$年我国生活垃圾无害化处理量
将$2016$年对应的$t=9$代入回归方程,得到:
$$
\hat{y} = 0.92 + 0.10 \times 9 = 1.82
$$

相关问题

  • 设随机变量XY都服从N(0,1),则有()A. X+Y服从正态分布B. X+Y服从x^2分布 C. X^2和Y^2都服从x^2分布 D. (X^2)div (Y^2)服从F分布

  • 下列哪项属于常见的池化方式。()A. 协方差池化B. 方差池化C. 反向传播D. 最大池化

  • 重测信度用重测相关系数来表示,相关系数越趋近于下列哪一数值时,则重测信度越高A. 1B. 0.7C. 2D. 3

  • {1.5分)确定研究总体和样本时,不需要考虑A. 立题依据B. 样本量C. 抽样方法D. 目标总体E. 纳入及排除标准

  • 请你从下表中找出1~100中所有质数.并数一数一共多少个. 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81 82 83 84 85 86 87 88 89 90 91 92 93 94 95 96 97 98 99 100

  • 5.聚类分析可以看作是一种非监督的分类。()

  • 皮尔逊相关系数的取值范围为0到正无穷。()A. 正确B. 错误

  • 下列关于回归分析的描述不正确的是()A. 回归分析模型可分为线性回归模型和非线性回归模型B. 回归分析研究不同变量之间存在的关系()C. 刻画不同变量之间关系的模型统称为线性回归模型D. 回归分析研究单个变量的变化情况

  • 下列说法正确的是()A. 方差数值上等于各个数据与样本方差之差的平方和之平均数B. 协方差衡量了多个变量的分布C. 协方差和方差的计算方式完全一致D. 方差描述了样本数据的波动程度

  • 1. 名词解释 假设检验 (请在答题纸上手写并拍照上传)

  • 下列说法正确的是()A. 方差数值上等于各个数据与样本方差之差的平方和之平均数B. 协方差和方差的计算方式完全一致C. 协方差衡量了多个变量的分布D. 方差描述了样本数据的波动程度

  • {15分)常规情况下,下列不属于人口学变量的是A. 民族B. 收入C. 年龄D. 睡眠时间E. 性别

  • 44.2021年,我国人均预期寿命提高到了()。A. 78岁B. 79岁C. 78.2岁D. 79.2岁

  • 以下几种数据挖掘功能中,〔〕被广泛的用于购物篮分析.A. 关联分析B. 分类和预测C. 聚类分析D. 演变分析

  • 像从性不好的资料是()A. 由于死亡或者其他原因不能继续试验B. 能按照试验规定要求完成实验C. 重复参加试验D. 由于纳入标准不合格导致选择的研究对象不符合试验要求E. 能完成试验但是不能按照规定要求完成试验

  • 假定用于分析的数据包含属性age.数据元组[1]中age的值如下(按递增序):13,15,16,16,19,20,20,21,22,22,25,25,25,30,33,33,35,35,36,40,45,46,52,70, 问题:使用按箱平均值平滑方法对上述数据进行平滑,箱的深度为3。第二个箱子值为:A. 18.3B. 22。6C. 26。8D. 27。9

  • 48皮尔逊相关系数的取值范围为0到正无穷。()A. 错误B. 正确

  • 下列哪项属于常见的池化方式。()A. 反向传播B. 最大池化C. 方差池化D. 协方差池化

  • 对研究对象制定明确的纳入标准和排除标准,是为了保证样本的A. 可靠性B. 可行性C. 代表性D. 合理性E. 科学性

  • 可以从最小化每个类簇的方差这一视角来解释K均值聚类的结果,下面对这一视角描述正确的A. 每个样本数据分别归属于与其距离最远的聚类质心所在聚类集合B. 每个簇类的质心累加起来最小C. 最终聚类结果中每个聚类集合中所包含数据呈现出来差异性最大D. 每个簇类的方差累加起来最小

上一页下一页
logo
广州极目未来文化科技有限公司
注册地址:广州市黄埔区揽月路8号135、136、137、138房
关于
  • 隐私政策
  • 服务协议
  • 权限详情
学科
  • 医学
  • 政治学
  • 管理
  • 计算机
  • 教育
  • 数学
联系我们
  • 客服电话: 010-82893100
  • 公司邮箱: daxuesoutijiang@163.com
  • qt

©2023 广州极目未来文化科技有限公司 粤ICP备2023029972号    粤公网安备44011202002296号