4.设实数x,y满足约束条件$\left\{\begin{array}{l}y-x≤0\\ x≤2\\ y≥\frac{1}{2}\end{array}\right.$,则$2x+\frac{1}{y}$的最小值为( )
| A. | $\sqrt{2}$ | B. | $\sqrt{3}$ | C. | $2\sqrt{2}$ | D. | $2\sqrt{3}$ |
3.
已知函数f(x)=ax3+bx2+cx+d,若函数f(x)的图象如图所示,则一定有( )
| A. | b>0,c>0 | B. | b<0,c>0 | C. | b>0,c<0 | D. | b<0,c<0 |
2.设集合$M=\{x|y=\sqrt{2x-{x^2}}\},N=\{x|x≤a\}$,若M⊆N,则实数a的取值范围是( )
| A. | 0≤a≤2 | B. | 0≤a | C. | 2≤a | D. | a≤2 |
1.
某出版社检验某册书的成本费(单位:元)与印刷数(单位:千册)之间的关系,经统计得到数据(表一)并对其作初步的处理,得到如图所示的散点图及一些统一量的值(表二).
表一
表二
表中wi=$\frac{1}{{x}_{i}}$,$\overline{w}$=$\frac{1}{10}$$\sum_{i=1}^{10}$wi
(1)根据散点图可知更适宜作成本费与印刷册数的回归方程类型,试依据表中数据求出关于的回归方程(结果精确到0.01);
(2)从已有十组数据的前五组数据中任意抽取两组数据,求抽取的两组数据中有一组数据其预测值与实际值之差的绝对值超过0.02的概率.
附:对于一组数据(u1,v1),(u2,v2)…,(un,vn),其回归直线v=$\widehat{α}$+$\widehat{β}$u的斜估计分别为
$\widehat{β}$=$\frac{\sum_{i=1}^{n}({u}_{i}-\overline{u})({v}_{i}-\overline{v})}{\sum_{i=1}^{n}({u}_{i}-\overline{u})^{2}}$,$\widehat{α}$=$\overline{v}$$-\widehat{β}$$\overline{u}$.
0 240354 240362 240368 240372 240378 240380 240384 240390 240392 240398 240404 240408 240410 240414 240420 240422 240428 240432 240434 240438 240440 240444 240446 240448 240449 240450 240452 240453 240454 240456 240458 240462 240464 240468 240470 240474 240480 240482 240488 240492 240494 240498 240504 240510 240512 240518 240522 240524 240530 240534 240540 240548 266669
表一
| x | 1 | 2 | 3 | 5 | 7 | 10 | 11 | 20 | 25 | 30 |
| y | 9.02 | 5.27 | 4.06 | 3.03 | 2.59 | 2.28 | 2.21 | 1.89 | 1.80 | 1.75 |
| $\overline{x}$ | $\overline{y}$ | $\overline{w}$ | $\sum_{i=1}^{10}$(xi$-\overline{x}$)2 | $\sum_{i=1}^{10}$(wi$-\overline{w}$)2 | $\sum_{i=1}^{10}$(xi$-\overline{x}$)(yi$-\overline{y}$) | $\sum_{i=1}^{10}$(wi$-\overline{w}$)(yi$-\overline{y}$) |
| 11.4 | 3.39 | 0.249 | 934.4 | 934.4 | -139.03 | 6.196 |
(1)根据散点图可知更适宜作成本费与印刷册数的回归方程类型,试依据表中数据求出关于的回归方程(结果精确到0.01);
(2)从已有十组数据的前五组数据中任意抽取两组数据,求抽取的两组数据中有一组数据其预测值与实际值之差的绝对值超过0.02的概率.
附:对于一组数据(u1,v1),(u2,v2)…,(un,vn),其回归直线v=$\widehat{α}$+$\widehat{β}$u的斜估计分别为
$\widehat{β}$=$\frac{\sum_{i=1}^{n}({u}_{i}-\overline{u})({v}_{i}-\overline{v})}{\sum_{i=1}^{n}({u}_{i}-\overline{u})^{2}}$,$\widehat{α}$=$\overline{v}$$-\widehat{β}$$\overline{u}$.