1回归分析的基本思想及其初步应用1
关于随机误差产生的原因分析正确的是()(1)用线性回归模型来近似真实模型所引起的误差;(2)忽略某些因素的影响所产生的误差;(3)对样本数据观测时产生的误差;(4)计算错误所产生的误差
(1)(2)(4)B
(1)(3)C
(2)(4)D
(1)(2)(3)【解析】选D
理解线性回归模型y=bx+a+e中随机误差e的含义是解决此问题的关键,随机误差可能由于观测工具及技术产生,也可能因忽略某些因素产生,也可以是回归模型产生,但不是计算错误
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R2如下,其中拟合效果最好的模型是()A
模型1的R2为0
模型2的R2为0
模型3的R2为0
模型4的R2为0
25【解析】选A
R2的取值范围为[0,1],其中R2=1,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
R2=0,说明模型中x与y无关
若施化肥量x与水稻产量y的回归直线方程为=5x+250,当施化肥量为80kg时,预报水稻产量为
【解析】当x=80kg时,=5×80+250=650(kg)
答案:650kg4
若一组观测值(x1,y1),(x2,y2),…,(xn,yn)之间满足yi=bxi+a+ei(i=1,2,…,n),若ei恒为0,则R2的值为
【解析】由ei恒为0,知yi=,即yi-=0,故R2=答案:15
为研究重量x(单位:克)对弹簧长度y(单位:厘米)的影响,对不同重量的6个物体进行测量,数据如下表所示:x510152025301y7
8(1)作出散点图并求线性回归方程
(2)求出R2
【解析】(1)散点图如图所示=×(5+
