题目内容
1．已知集合A={x|-1＜x≤1}，集合B={-1，1，3}，则A∩B={1}．分析 由集合的交集定义：A∩B={x|x∈A且x∈B}，即可得到所求．
解答 解：集合A={x|-1＜x≤1}，集合B={-1，1，3}，
则A∩B={1}．
故答案为：{1}．
点评 本题考查集合的运算，主要是交集的求法，注意运用定义法，考查运算能力，属于基础题．
练习册系列答案
孟建平错题本系列答案
超能学典应用题题卡系列答案
相关题目
11．若P（2，1）为圆（x-1）2+y2=25的弦AB的中点，则直线AB的方程为（ ）
| A． | 2x+y-3=0 | B． | x+y-1=0 | C． | x+y-3=0 | D． | 2x-y-5=0 |
12．已知圆锥的底面半径为2，且它的侧面展开图是一个半圆，则这个圆锥的表面积为（ ）
| A． | 8π | B． | 12π | C． | 4π | D． | 10π |
13．齐王与田忌赛马，田忌的上等马优于齐王的中等马，劣于齐王的上等马，田忌的中等马优于齐王的下等马，劣于齐王的中等马，田忌的下等马劣于齐王的下等马，现从双方的马匹中随机选一匹进行一场比赛，则在齐王的马获胜的条件下，齐王的上等马获胜的概率为（ ）
| A． | $\frac{2}{3}$ | B． | $\frac{1}{2}$ | C． | $\frac{1}{3}$ | D． | 1 |
10．设全集U={x∈R|x＞0}，函数f（x）=$\frac{1}{\sqrt{lnx-1}}$的定义域为A，则∁UA为（ ）
| A． | （0，e] | B． | （0，e） | C． | （e，+∞） | D． | [e，+∞） |
11．
某公司为了准确地把握市场，做好产品生产计划，对过去四年的数据进行整理得到了第x年与年销量y（单位：万件）之间的关系如表：
（Ⅰ）在图中画出表中数据的散点图；
（Ⅱ）根据（Ⅰ）中的散点图拟合y与x的回归模型，并用相关系数加以说明；
（Ⅲ）建立y关于x的回归方程，预测第5年的销售量约为多少？．
附注：参考数据：$\sqrt{\sum_{i=1}^4{{{（{y_i}-\overline y）}^2}}}≈32.6$，$\sqrt{5}≈2.24$，$\sum_{i=1}^4{{x_i}{y_i}=418}$．
参考公式：相关系数$r=\frac{{\sum_{i=1}^n{（{x_i}-\overline x）（{y_i}-\overline y）}}}{{\sqrt{\sum_{i=1}^n{{{（{x_i}-\overline x）}^2}}\sum_{i=1}^n{{{（{y_i}-\overline y）}^2}}}}}$，
回归方程$\widehaty=\widehata+\widehatbx$中斜率和截距的最小二乘法估计公式分别为：$\widehatb=\frac{{\sum_{i=1}^n{（{x_i}-\overline x）（{y_i}-\overline y）}}}{{\sum_{i=1}^n{{{（{x_i}-\overline x）}^2}}}}=\frac{{\sum_{i=1}^n{{x_i}{y_i}}-n\overline x\overline y}}{{\sum_{i=1}^n{x_i^2}-n{{\overline x}^2}}}$，$\widehata=\overline y-\widehatb\overline x$．
某公司为了准确地把握市场，做好产品生产计划，对过去四年的数据进行整理得到了第x年与年销量y（单位：万件）之间的关系如表：| x | 1 | 2 | 3 | 4 |
| y | 12 | 28 | 42 | 56 |
（Ⅱ）根据（Ⅰ）中的散点图拟合y与x的回归模型，并用相关系数加以说明；
（Ⅲ）建立y关于x的回归方程，预测第5年的销售量约为多少？．
附注：参考数据：$\sqrt{\sum_{i=1}^4{{{（{y_i}-\overline y）}^2}}}≈32.6$，$\sqrt{5}≈2.24$，$\sum_{i=1}^4{{x_i}{y_i}=418}$．
参考公式：相关系数$r=\frac{{\sum_{i=1}^n{（{x_i}-\overline x）（{y_i}-\overline y）}}}{{\sqrt{\sum_{i=1}^n{{{（{x_i}-\overline x）}^2}}\sum_{i=1}^n{{{（{y_i}-\overline y）}^2}}}}}$，
回归方程$\widehaty=\widehata+\widehatbx$中斜率和截距的最小二乘法估计公式分别为：$\widehatb=\frac{{\sum_{i=1}^n{（{x_i}-\overline x）（{y_i}-\overline y）}}}{{\sum_{i=1}^n{{{（{x_i}-\overline x）}^2}}}}=\frac{{\sum_{i=1}^n{{x_i}{y_i}}-n\overline x\overline y}}{{\sum_{i=1}^n{x_i^2}-n{{\overline x}^2}}}$，$\widehata=\overline y-\widehatb\overline x$．