题目内容
8．设f（x）=$\left\{\begin{array}{l}2{e^{x-1}}\;，x＜3\\{log_3}（{x^2}-1），x≥3\end{array}$，则$f（f（\sqrt{10}））$=（ ）| A． | 1 | B． | 2 | C． | 2e | D． | 2e2 |
分析 直接利用函数的解析式，由里及外逐步求解即可．
解答 解：f（x）=$\left\{\begin{array}{l}2{e^{x-1}}\;，x＜3\\{log_3}（{x^2}-1），x≥3\end{array}$，
∵$f（\sqrt{10}）={log_3}9=2$，∴$f（f（\sqrt{10}））=f（2）=2{e^{2-1}}=2e$，
故选：C．
点评 本题考查分段函数的应用，函数在的求法，考查计算能力．
练习册系列答案
阅读快车系列答案
相关题目
16．已知a，b都是实数，那么“|a|＞|b|”是“a＞|b|”的（ ）
| A． | 充分而不必要条件 | B． | 必要而不充分条件 | ||
| C． | 充分必要条件 | D． | 既不充分也不必要条件 |
16．2016年是我国重点打造“智慧城市”的一年，主要在“智慧技术、智慧产业、智慧应用、智慧服务、智慧治理、智慧人文、智慧生活”7个方面进行智慧化．现假设某一城市目前各项指标分数x（满分10分）与智慧城市级别y（级）的有关数据如表：
（1）请根据表中的数据，求出y关于x的线性回归方程；
（2）从智慧城市级别的7项指标中随机抽取1项指标，级别在区间[9.1，10）内记10分，在区间[9，9.1）内记6分，在区间[8，9）内记5分．现从中随机抽取2项指标考查，记得分总和为ξ，求ξ的分布列与数学期望．
附：回归直线的斜率和截距的最小二乘法估计公式分别为$\widehat{b}$=$\frac{\sum_{i=1}^{n}（{x}_{i}-\overline{x）}（{y}_{i}-\overline{y}）}{\sum_{i=1}^{n}（{x}_{i}-\overline{x}）^{2}}$，$\widehat{a}=\overline{y}-\widehat{b}\overline{x}$．
| 项目 | 智慧技术 | 智慧产业 | 智慧应用 | 智慧服务 | 智慧治理 | 智慧人文 | 智慧生活 |
| 指标分数x | 6.8 | 7 | 6.8 | 6.8 | 7.2 | 7 | 7.4 |
| 智慧级别y | 9 | 8.8 | 9 | 9.1 | 9.2 | 8.8 | 9.1 |
（2）从智慧城市级别的7项指标中随机抽取1项指标，级别在区间[9.1，10）内记10分，在区间[9，9.1）内记6分，在区间[8，9）内记5分．现从中随机抽取2项指标考查，记得分总和为ξ，求ξ的分布列与数学期望．
附：回归直线的斜率和截距的最小二乘法估计公式分别为$\widehat{b}$=$\frac{\sum_{i=1}^{n}（{x}_{i}-\overline{x）}（{y}_{i}-\overline{y}）}{\sum_{i=1}^{n}（{x}_{i}-\overline{x}）^{2}}$，$\widehat{a}=\overline{y}-\widehat{b}\overline{x}$．
3．某种商品价格与该商品日需求量之间的几组对照数据如表：
（Ⅰ） 求y关于x的线性回归方程；
（Ⅱ） 利用（Ⅰ）中的回归方程，当价格x=40元/kg时，日需求量y的预测值为多少？
参考公式：线性回归方程$\widehaty=bx+a$，其中b=$\frac{{\sum_{i=1}^n{（{{x_i}-\overline x}）（{{y_i}-\overline y}）}}}{{\sum_{i=1}^n{{{（{{x_i}-\overline x}）}^2}}}}$，a=$\overline y-b\overline x$．
| 价格x（元/kg） | 10 | 15 | 20 | 25 | 30 |
| 日需求量y（kg） | 11 | 10 | 8 | 6 | 5 |
（Ⅱ） 利用（Ⅰ）中的回归方程，当价格x=40元/kg时，日需求量y的预测值为多少？
参考公式：线性回归方程$\widehaty=bx+a$，其中b=$\frac{{\sum_{i=1}^n{（{{x_i}-\overline x}）（{{y_i}-\overline y}）}}}{{\sum_{i=1}^n{{{（{{x_i}-\overline x}）}^2}}}}$，a=$\overline y-b\overline x$．
13．PM2.5是指空气中直径小于或等于2.5微米的颗粒物，为了探究车流辆与PM2.5的浓度是否相关，现采集到某城市周一至周五某一时间段车流量与PM2.5的浓度的数据如下表：
（Ⅰ）根据上表数据，用最小二乘法求出y关于x的线性回归方程；
（Ⅱ）若周六同一时间段车流量是200万辆，试根据（Ⅰ）中求出的线性回归方程预测，此时PM2.5的浓度是多少？
附：线性回归方程$\hat y=\hat bx+\hat a$中系数计算公式：$\hat b=\frac{{\sum_{i=1}^n{（\;{x_i}-\overline x\;）（\;{y_i}-\overline y\;）}}}{{\sum_{i=1}^n{{{（\;{x_i}-\overline x\;）}^2}}}}$，$\hat a=\overline y-\hat b\;\overline x$，其中$\overline x$、$\overline y$表示样本均值．
| 时间 | 周一 | 周二 | 周三 | 周四 | 周五 |
| 车流量x（万辆） | 100 | 102 | 108 | 114 | 116 |
| PM2.5的浓度y（微克/立方米） | 78 | 80 | 84 | 88 | 90 |
（Ⅱ）若周六同一时间段车流量是200万辆，试根据（Ⅰ）中求出的线性回归方程预测，此时PM2.5的浓度是多少？
附：线性回归方程$\hat y=\hat bx+\hat a$中系数计算公式：$\hat b=\frac{{\sum_{i=1}^n{（\;{x_i}-\overline x\;）（\;{y_i}-\overline y\;）}}}{{\sum_{i=1}^n{{{（\;{x_i}-\overline x\;）}^2}}}}$，$\hat a=\overline y-\hat b\;\overline x$，其中$\overline x$、$\overline y$表示样本均值．
