题目内容
12．若某函数模型相对一组数据的残差平方和为8，其相关指数为0.95，则总偏差平方和为160．分析 根据相关指数等于1减去残差平方和除以总偏差平方和的商，设出总偏差平方和，根据上述关系列出关于总偏差平方和的方程，解方程即可答案．
解答 解：根据题意，设总偏差平方和为x，
根据公式有0.95=1-$\frac{8}{x}$，
解可得：x=160；
故答案为：160．
点评 本题考查回归分析的应用，考查残差平方和，总偏差平方和和相关指数的关系．
练习册系列答案
相关题目
中,角
、
、
所对的边分别为
、
、
，且满足
. 
，求角
如图，在△ABC中，点D、E、F分别在边BC、CA、AB上，2$\overrightarrow{AF}$=$\overrightarrow{FB}$，3$\overrightarrow{BD}$=$\overrightarrow{DC}$，3$\overrightarrow{CE}$=2$\overrightarrow{EA}$．设CF与AD交于p点，AD与BE交于Q点，BE与CF交于R点．
7．
四边形ABCD中，AB=BC，AD⊥DC，AC=2，∠ACD=θ，若$\overrightarrow{DB}•\overrightarrow{AC}=\frac{1}{3}$，则cos2θ等于（ ）
四边形ABCD中，AB=BC，AD⊥DC，AC=2，∠ACD=θ，若$\overrightarrow{DB}•\overrightarrow{AC}=\frac{1}{3}$，则cos2θ等于（ ）| A． | $\frac{2}{3}$ | B． | $\frac{1}{3}$ | C． | $\frac{1}{2}$ | D． | $\frac{1}{6}$ |
17．某冻品店为了解气温对其销售量的影响，随机记录了该店1月份中5天的日销售量y（单位：千克）与该地当日最低气温x（单位：℃）的数据作为样本，如表：
（1）利用最小二乘法求出y与x的回归方程$\stackrel{∧}{y}$=$\stackrel{∧}{b}$x+$\stackrel{∧}{a}$；
（2）设该地1月份的日最低气温X～N（μx，σx2），其中μx近似为样本平均数$\overline{x}$，σx2近似为样本方差Sx2，该地1月份的最高气温ξ与最低气温x的关系为ξ=2x+1且ξ～N（μξ，σξ2，）），其中μξ近似为最高气温的平均数，σξ2近似为最高气温的方差sξ2，求p（10.4≤ξ≤24.2）．
附：①$\sqrt{130}$≈11.5，$\sqrt{3.2}$≈1.8，若X～N（μ，σ2），
则p（μ-σ≤ξ≤μ+σ）=0.6826，p（μ-2σ≤ξ≤μ+2σ）=0.9544
附：②回归方程$\stackrel{∧}{y}$=$\stackrel{∧}{b}$x+$\stackrel{∧}{a}$中，$\stackrel{∧}{b}$=$\frac{\sum_{i=1}^{n}（{x}_{i}-\overline{x}）（{y}_{i}-\overline{y}）}{\sum_{i=1}^{n}（{x}_{i}-\overline{x}）^{2}}$=$\frac{\sum_{i=1}^{n}{x}_{i}{y}_{i}-n\overline{x}\overline{y}}{\sum_{i=1}^{n}{{x}_{i}}^{2}-n{\overline{x}}^{2}}$，$\stackrel{∧}{a}$=$\stackrel{∧}{y}$-$\stackrel{∧}{b}$x．
| x | 3 | 6 | 9 | 8 | 9 |
| y | 12 | 10 | 8 | 8 | 7 |
（2）设该地1月份的日最低气温X～N（μx，σx2），其中μx近似为样本平均数$\overline{x}$，σx2近似为样本方差Sx2，该地1月份的最高气温ξ与最低气温x的关系为ξ=2x+1且ξ～N（μξ，σξ2，）），其中μξ近似为最高气温的平均数，σξ2近似为最高气温的方差sξ2，求p（10.4≤ξ≤24.2）．
附：①$\sqrt{130}$≈11.5，$\sqrt{3.2}$≈1.8，若X～N（μ，σ2），
则p（μ-σ≤ξ≤μ+σ）=0.6826，p（μ-2σ≤ξ≤μ+2σ）=0.9544
附：②回归方程$\stackrel{∧}{y}$=$\stackrel{∧}{b}$x+$\stackrel{∧}{a}$中，$\stackrel{∧}{b}$=$\frac{\sum_{i=1}^{n}（{x}_{i}-\overline{x}）（{y}_{i}-\overline{y}）}{\sum_{i=1}^{n}（{x}_{i}-\overline{x}）^{2}}$=$\frac{\sum_{i=1}^{n}{x}_{i}{y}_{i}-n\overline{x}\overline{y}}{\sum_{i=1}^{n}{{x}_{i}}^{2}-n{\overline{x}}^{2}}$，$\stackrel{∧}{a}$=$\stackrel{∧}{y}$-$\stackrel{∧}{b}$x．