题目内容
9.平潭国际“花式风筝冲浪”集训队,在平潭龙凤头海滨浴场进行集训,海滨区域的某个观测点观测到该处水深y(米)是随着一天的时间t(0≤t≤24,单位小时)呈周期性变化,某天各时刻t的水深数据的近似值如表:| t(时) | 0 | 3 | 6 | 9 | 12 | 15 | 18 | 21 | 24 |
| y(米) | 1.5 | 2.4 | 1.5 | 0.6 | 1.4 | 2.4 | 1.6 | 0.6 | 1.5 |
(Ⅱ)为保证队员安全,规定在一天中的5~18时且水深不低于1.05米的时候进行训练,根据(Ⅰ)中的选择的函数解析式,试问:这一天可以安排什么时间段组织训练,才能确保集训队员的安全.
分析 (Ⅰ)根据表中近似数据画出散点图,选②y=Acos(ωt+ϕ)+b做为函数模型,由此利用三角函数的图象和性质能求出该拟合模型的函数解析式.
(Ⅱ)由$y=0.9sin(\frac{π}{6}t)+1.5$,令y≥1.05,得$sin(\frac{π}{6}t)≥-\frac{1}{2}$,从而12k-1≤t≤12k+7,由此能求出这一天可以安排早上5点至7点以及11点至18点的时间段组织训练,才能确保集训队员的安全.
解答 (满分12分)
解:(Ⅰ)根据表中近似数据画出散点图,如图所示:![]()
依题意,选②y=Acos(ωt+ϕ)+b做为函数模型,
∴$A=\frac{2.4-0.6}{2}=0.9b=\frac{2.4+0.6}{2}=1.5$,
∵$T=\frac{2π}{ω}=12∴ω=\frac{π}{6}$∴$y=0.9cos(\frac{π}{6}t+φ)+1.5$-------------------------------------------------------------(5分)
又∵函数y=0.9cos($\frac{π}{6}t+$φ)+1.5的图象过点(3,2.4),
∴2.4=0.9×cos($\frac{π}{6}×3$+φ)+1.5,
∴cos($\frac{π}{2}$+φ)=1,∴sinφ=-1,
又∵-π<φ<0,∴φ=-$\frac{π}{2}$,
∴$y=0.9cos(\frac{π}{6}t-\frac{π}{2})+1.5=0.9sin(\frac{π}{6}t)+1.5$------------------------------------(7分)
(Ⅱ)由(Ⅰ)知:$y=0.9sin(\frac{π}{6}t)+1.5$
令y≥1.05,即$0.9sin(\frac{π}{6}t)+1.5≥1.05$∴$sin(\frac{π}{6}t)≥-\frac{1}{2}$--------------------------------------------------------------------------------(9分)
∴$2kπ-\frac{π}{6}≤\frac{π}{6}t≤2kπ+\frac{7π}{6}(k∈Z)$,
∴12k-1≤t≤12k+7
又∵5≤t≤18∵5≤t≤7或11≤t≤18-----------------------------------------------------------------------(11分)
∴这一天可以安排早上5点至7点以及11点至18点的时间段组织训练,
才能确保集训队员的安全.-----------------------------------------------------------------(12分)
点评 本题考查函数解析式的求法,考查确保集训队员的安全的训练时间的确定,考查三角函数的图象与性质等基础知识,考查化归与转化思想,数形结合思想,是中档题.
| A. | 程序框图 | B. | 组织结构图 | C. | 知识结构图 | D. | 工序流程图 |
| x(万元) | 2 | 4 | 5 | 6 | 8 |
| y(万元) | 28 | 36 | 52 | 56 | 78 |
(2)根据(1)中的线性回归方程,回答下列问题:
(i)当广告费支出为10万元时,预测销售额是多少?
(ii)从已知的五组数据中任意抽取两组数据,求这两组数据中至少有一组数据其销售额的实际值y与预测值$\stackrel{∧}{y}$之差的绝对值不超过3万元的概率
参考数据:$\sum_{i=1}^{5}$xi2=145,$\sum_{i=1}^{5}$yi2=14004,$\sum_{i=1}^{5}$xiyi=1420
附:回归方程$\stackrel{∧}{y}$=$\stackrel{∧}{b}$x+$\stackrel{∧}{a}$中斜率和截距的最小二乘估计公式分别为:$\stackrel{∧}{b}$=$\frac{\sum_{i=1}^{n}({x}_{i}-\overline{x})({y}_{i}-\overline{y})}{\sum_{i=1}^{n}({x}_{i}-\overline{x})^{2}}$,$\stackrel{∧}{a}$=$\stackrel{∧}{y}$-$\stackrel{∧}{b}$x.