题目内容
1.某公司为确定明年投入某产品广告支出,对近5年的广告支出m与销售额t(单位:百万元)进行了初步统计,得到下列表格中的数据:| t | 30 | 40 | p | 50 | 70 |
| m | 2 | 4 | 5 | 6 | 8 |
分析 计算出平均数$\overline{t}$,$\overline{m}$;根据线性回归方程$\widehat{t}$=6.5m+17.5过样本中心点,代人方程求出p的值.
解答 解:根据题意,计算平均数$\overline{t}$=$\frac{1}{5}$(30+40+p+50+70)=38+$\frac{p}{5}$,
$\overline{m}$=$\frac{1}{5}$(2+4+5+6+8)=5;
又线性回归方程$\widehat{t}$=6.5m+17.5过样本中心点,
所以38+$\frac{p}{5}$=6.5×5+17.5,
解得p=60.
故答案为:60.
点评 本题考查了回归分析的初步应用问题,解题时应利用线性回归方程过样本中心点的知识,是基础题目.
练习册系列答案
相关题目
9.某公司对新研发的一种产品进行试销,得到如表数据及散点图:
其中z=2ln(y),$\overline x=35,\;\;\overline y=455,\;\;\;\overline z=11.55$$\sum_{i=1}^{i=6}{({x_i}}-\overline x{)^2}=1750$,$\sum_{i=1}^{i=6}{({x_i}}-\overline x)•({y_i}-\overline y)=-34580$,$\sum_{i=1}^{i=6}{({x_i}}-\overline x)•({z_i}-\overline z)=-175.5$,${\sum_{i=1}^{i=6}{({{y_i}-\overline y})}^2}=776840$,$\sum_{i=1}^{i=6}{({{y_i}-\overline y})}•({{z_i}-\overline z})=3465.2$
(Ⅰ)根据散点图判断,y与x、z与x哪一对具有较强线性相关性?(给出判断即可,不必说明理由)
(Ⅱ)根据(Ⅰ)的判断结果及数据,建立y关于x的回归方程(方程中的系数均保留两位有效数字)
(Ⅲ)利润为多少元/kg时,年利润的预报值最大?
附:对于一组数据(x1,y1),(x2,y2),(x3,y3),…(xn,yn),其回归直线$\overline{y}$=$\stackrel{∧}{a}$+
$\stackrel{∧}{b}$$\overline{x}$的斜率和截距的最小二乘估计分别为:$\widehatb=\frac{{\sum_{i=1}^{i=n}{({{x_i}-\overline x})•({{y_i}-\overline y})}}}{{\sum_{i=1}^{i=n}{{{({{x_i}-\overline x})}^2}}}}=\frac{{\sum_{i=1}^{i=n}{{x_i}•{y_i}-n•\overline x\overline{•y}}}}{{\sum_{i=1}^{i=n}{{x_i}^2-n•{{\overline x}^2}}}}$,$\widehata=\overline y-\widehatb•\overline x$
| 利润x(元/kg) | 10 | 20 | 30 | 40 | 50 | 60 |
| 年销量y(kg) | 1150 | 643 | 424 | 262 | 165 | 86 |
| Z=2ln(y) | 14.1 | 12.9 | 12.1 | 11.1 | 10.2 | 8.9 |
(Ⅰ)根据散点图判断,y与x、z与x哪一对具有较强线性相关性?(给出判断即可,不必说明理由)
(Ⅱ)根据(Ⅰ)的判断结果及数据,建立y关于x的回归方程(方程中的系数均保留两位有效数字)
(Ⅲ)利润为多少元/kg时,年利润的预报值最大?
附:对于一组数据(x1,y1),(x2,y2),(x3,y3),…(xn,yn),其回归直线$\overline{y}$=$\stackrel{∧}{a}$+
$\stackrel{∧}{b}$$\overline{x}$的斜率和截距的最小二乘估计分别为:$\widehatb=\frac{{\sum_{i=1}^{i=n}{({{x_i}-\overline x})•({{y_i}-\overline y})}}}{{\sum_{i=1}^{i=n}{{{({{x_i}-\overline x})}^2}}}}=\frac{{\sum_{i=1}^{i=n}{{x_i}•{y_i}-n•\overline x\overline{•y}}}}{{\sum_{i=1}^{i=n}{{x_i}^2-n•{{\overline x}^2}}}}$,$\widehata=\overline y-\widehatb•\overline x$