回归分析的基本思想及其初步应用一
设两个变量x和y之间具有线性相关关系,它们的相关系数是r,y关于x的回归直线的斜率是b,纵截距是a,那么必有()(A)b与r的符号相同(B)a与r的符号相同(C)b与r的相反(D)a与r的符号相反2已知回归直线的斜率的估计值是1
23,样本点的中心为(4,5),则回归直线的方程是()A
23x+4B
23x+5C
233、两个变量与的回归模型中,分别选择了4个不同模型,它们的相关指数如下,其中拟合效果最好的模型是()(A)模型1的相关指数为0
98(B)模型2的相关指数为0
80(C)模型3的相关指数为0
50(D)模型4的相关指数为0
为了表示个点与相应直线在整体上的接近程度,我们常用()表示ABCD5
如果某地的财政收入与支出满足线性回归方程(单位:亿元),其中,如果今年该地区财政收入10亿元,则年支出预计不会超过()A9亿B10亿C9
如果发现散点图中所有的样本点都在一条直线上,则残差平方和等于
在两个变量的回归分析中,作散点图的目的是_______________________________
在研究身高和体重的关系时,求得相关指数,可以叙述为“身高解释了64%的体重变化,而随机误差贡献了剩余的36%”所以身高对体重的效应比随机误差的效应大得多三
某种书每册的成本费y(元)与印刷册数x(千册)有关,经统计得到数据如下:x123510203050100200y10
15检验每册书的成本费y与印刷册数的倒数之间是否具有线性相关关系,如有,求出y对x的回归方程
10为了研究某种细菌随时间x变化,繁殖的个数,收集数据如下:用心爱心专心天数x/天12