考察温度x对产量y的影响,测得下列10组数据: 温度(℃) 20 25 30 35 40 45 50 55
考察温度x对产量y的影响,测得下列10组数据:
温度(℃) | 20 | 25 | 30 | 35 | 40 | 45 | 50 | 55 | 60 | 65 |
产量(kg) | 13.2 | 15.1 | 16.4 | 17.1 | 17.9 | 18.7 | 19.6 | 21.2 | 22.5 | 24.3 |
求y关于x的线性回归方程,检验回归效果是否显著,并预测x=42℃时产量的估值及预测区间(置信度95%).
考察温度x对产量y的影响,测得下列10组数据:
温度(℃) | 20 | 25 | 30 | 35 | 40 | 45 | 50 | 55 | 60 | 65 |
产量(kg) | 13.2 | 15.1 | 16.4 | 17.1 | 17.9 | 18.7 | 19.6 | 21.2 | 22.5 | 24.3 |
求y关于x的线性回归方程,检验回归效果是否显著,并预测x=42℃时产量的估值及预测区间(置信度95%).
温度Xi(℃) | 20 | 25 | 30 | 35 | 40 | 45 | 50 | 55 | 60 | 65 |
产量Yi(kg) | 13.2 | 15.1 | 16.4 | 17.1 | 17.9 | 18.7 | 19.6 | 21.2 | 22.5 | 24.3 |
求:
某建材实验室在作陶粒混凝土强度实验中,考察每立方米混凝土的水泥用量x(kg)对28天后的混凝土抗压强度Y(kg/cm2)的影响,测得数据如下表:
水泥用量 | 150 | 160 | 170 | 180 | 190 | 200 | 210 | 220 | 230 | 240 | 250 | 260 |
抗压强度 | 56.9 | 58.3 | 61.4 | 64.6 | 68.9 | 71.3 | 74.1 | 77.4 | 80.2 | 82.6 | 86.4 | 89.7 |
(1)求Y关于x的线性回归方程;(2)检验回归效果是否显著(α=0.05).(3)当给定水泥用量为225kg时,估计抗压强度的0.95的预测区间。
某工厂生产某电器产品的产量x(万件)与单位成本y(元)的资料如下:
n=6,∑x=21,∑x2=79,∑xy=1487,∑y=426,
∑y2=30268
要求:
(1)分析产量与单位成本是否存在线性相关,如存在,相关程度如何?
(2)拟合适当的回归模型,并评价拟合优度如何?
(3)估计产量为6万件时,其单位成本置信度为95%的特定值的置信区间。
试利用以上数据:
(1)拟合简单线性回归方程,并对回归系数的经济意义作出解释;
(2)计算决定系数和回归估计的标准误差::
(3)对β2进行显著水平为5%的显著性检验:
(4)假定明年1月销售收入为800万元,利用拟合的回归方程预测相应的销售成本,并给出置信度为95%的预测区间。
在对两个变量x,y进行线性回归分析时有以下步骤: (1)利用回归方程进行预测;(2)收集数据(xi,yi),i=1,2,…,n; (3)求线性回归方程;(4)根据所收集的数据绘制散件图. 则正确的操作顺序是______. |
温度x/℃ | 100 110 120 130 140 150 160 170 180 190 |
得率y/% | 45 51 54 61 66 70 74 78 85 89 |
下表数据是退火温度x(℃)对黄铜延性Y效应的试验结果,Y是以延长度计算的.
x(℃) | 300 | 400 | 500 | 600 | 700 | 800 |
y(%) | 40 | 50 | 55 | 60 | 67 | 70 |
画出散点图并求Y对于x的线性回归方程.
下面数据是依据10组X和Y的观察值得到的:
∑Yi=1110,∑Xi=1680,∑XiYi=204200
假定满足所有的经典线性回归模型的假设。求: