欢迎来到七七文库! | 帮助中心 分享价值,成长自我!
七七文库
全部分类
  • 幼教>
  • 小学>
  • 初中>
  • 高中>
  • 职教>
  • 高教>
  • 办公>
  • 资格考试>
  • 行业>
  • ImageVerifierCode 换一换
    首页 七七文库 > 资源分类 > DOCX文档下载
    分享到微信 分享到微博 分享到QQ空间

    8.2一元线性回归模型及其应用 课后练习(含答案)2023年新教材人教A版数学选择性必修第三册

    • 资源ID:233756       资源大小:311.84KB        全文页数:10页
    • 资源格式: DOCX        下载积分:20积分
    快捷下载 游客一键下载
    账号登录下载
    微信登录下载
    三方登录下载: QQ登录 微博登录
    二维码
    微信扫一扫登录
    下载资源需要20积分
    邮箱/手机:
    温馨提示:
    快捷下载时,用户名和密码都是您填写的邮箱或者手机号,方便查询和重复下载(系统自动生成)。
    如填写123,账号就是123,密码也是123。
    支付方式: 支付宝    微信支付   
    验证码:   换一换

    加入VIP,更优惠
     
    账号:
    密码:
    验证码:   换一换
      忘记密码?
        
    友情提示
    2、PDF文件下载后,可能会被浏览器默认打开,此种情况可以点击浏览器菜单,保存网页到桌面,就可以正常下载了。
    3、本站不支持迅雷下载,请使用电脑自带的IE浏览器,或者360浏览器、谷歌浏览器下载即可。
    4、本站资源下载后的文档和图纸-无水印,预览文档经过压缩,下载后原文更清晰。
    5、试题试卷类文档,如果标题没有明确说明有答案则都视为没有答案,请知晓。

    8.2一元线性回归模型及其应用 课后练习(含答案)2023年新教材人教A版数学选择性必修第三册

    1、8.2一元线性回归模型及其应用8.2.1 一元线性回归模型练习1.说明函数模型与回归模型的区别,并分别举出两个应用函数模型和回归模型的例子.2.在一元线性回归模型(1)中,参数b的含义是什么?3.将图8.2-1中的点按父亲身高的大小次序用折线连起来,所得到的图象是一个折线图,可以用这条折线表示儿子身高和父亲身高之间的关系吗?8.2.2 一元线性回归模型参数的最小二乘估计练习1.对一元线性回归模型参数a和b的估计中,有人认为:“估计方法不止一种,根据不同的样本观测数据到直线整体接近程度的定义,可以得到参数a和b不同的估计,只要整体接近程度定义合理即可.”你觉得这个说法对吗?2.假如女儿身高y(单

    2、位:cm)关于父亲身高x(单位:cm)的经验回归方程为.已知父亲身高为175cm,请估计女儿的身高.3.根据8.1.1节表8.1-1中的数据,建立人体的脂肪含量关于年龄的经验回归方程,画出残差图,描述残差图的特点.4.计算表8.2-2中的所有残差之和,你能发现什么规律?5.假设变量x与变量Y的n对观测数据为,两个变量满足一元线性回归模型.请写出参数b的最小二乘估计.例 经验表明,一般树的胸径(树的主干在地面以上1.3m处的直径)越大,树就越高.由于测量树高比测量胸径困难,因此研究人员希望由胸径预测树高.在研究树高与胸径之间的关系时,某林场收集了某种树的一些数据(表8.2-3),试根据这些数据建

    3、立树高关于胸径的经验回归方程.表8.2-3编号123456胸径/18.120.122.224.426.028.3树高/m18.819.221.02L022.122.1编号789101112胸径/29.632.433.735.738.340.2树高/m22.422.623.024.3;23.924.7分析:因为要由胸径预测树高,所以要以成对样本数据的胸径为横坐标、树高为纵坐标描出散点,进而得到散点图,再根据散点图判断树高与胸径是否线性相关.如果是,再利用公式(2)计算出,即可.解:以胸径为横坐标、树高为纵坐标作散点图,得到图8.2-9.图82-9在图8.2-9中,散点大致分布在一条从左下角到右上

    4、角的直线附近,表明两个变量线性相关,并且是正相关,因此可以用一元线性回归模型刻画树高与胸径之间的关系.用d表示胸径,h表示树高,根据最小二乘法,计算可得经验回归方程为,相应的经验回归直线如图8.2-10所示.图8.2-10根据经验回归方程,由表8.2-3中胸径的数据可以计算出树高的预测值(精确到0.1)以及相应的残差,如表8.2-4所示.表8.2-4编号胸径/cm树高观测值/m树高预测值/m残差/m118.118.819.4-0.6220.119.219.9-0.7322.221.020.40.6424.421.020.90.1526.022.121.30.8628.322.121.90.27

    5、29.622.422.20.2832.422.622.9-0.3933.723.023.2-0.21035.724.323.70.61138.323.9244-0.51240.224.724.90.2以胸径横坐标,残差为纵坐标,作残差图,得到图8.2-11.图8.2-11观察残差表和残差图,可以看到,残差的绝对值最大是0.8,所有残差分布在以横轴为对称轴、宽度小于2的带状区域内.可见经验回归方程较好地刻画了树高与胸径的关系,我们可以根据经验回归方程由胸径预测树高.练习1.在回归分析中,分析残差能够帮助我们解决哪些问题?2.19972006年中国的国内生产总值(GDP)的数据如下:年份GDP/亿

    6、元年份GDP/亿元199779715.02002121717.4199885195.52003137422.0199990564.42004161840.22000100280.12005187318.92001110863.12006219438.5(1)作GDP和年份的散点图,根据该图猜想它们之间的关系可以用什么模型描述;(2)建立年份为解释变量,GDP为响应变量的一元线性回归模型,并计算残差;(3)根据你得到的一元线性回归模型,预测2017年的GDP,看看你的预测值与实际的GDP的误差是多少;(4)你认为这个模型能较好地刻画GDP和年份的关系吗?请说明理由(5)随着时间的发展,又收集到2

    7、0072016年的GDP数据如下:年份GDP/亿元年份GDP/亿元2007270232.32012540367.42008319515.52013595244.42009349081.42014643974.02010413030.32015689052.12011489300.62016744127.2建立年份(19972016)为解释变量,GDP为响应变量的经验回归方程,并预测2017年的GDP,与实际的GDP误差是多少?你能发现什么?习题 8.2复习巩固1. 如果散点图中所有的散点都落在一条斜率为非0的直线上,请回答下列问题:(1)解释变量和响应变量的关系是什么?(2)是多少?【答案】(

    8、1)线性函数关系 (2)【解析】【分析】(1)根据题意得到解释变量和响应变量的关系是线性函数关系;(2)由(1)知:【小问1详解】因为散点图中所有的散点都落在一条斜率为非0的直线上,所以解释变量和响应变量的关系是线性函数关系.【小问2详解】由(1)知:2. 一个车间为了规定工时定额,需要确定加工零件所花费的时间,为此进行了10次试验,收集数据如下表所示.零件数x个102030405060708090100加工时间ymin626875818995102108115122(1)画出散点图;(2)建立加工时间关于零件数的一元线性回归模型(精确到0.001);(3)关于加工零件的个数与加工时间,你能得

    9、出什么结论?【答案】(1)散点图见解析 (2) (3)每多加工个零件,需要增加分钟加工时间.【解析】【分析】(1)根据表格提供数据画出散点图.(2)根据回归直线方程计算公式,计算出回归直线方程.(3)根据回归直线方程作出判断.【小问1详解】画出散点图如下图所示:【小问2详解】,所以.【小问3详解】根据回归直线方程可知:每多加工个零件,需要增加分钟加工时间.综合运用3. 人口问题是关乎国计民生的大问题.下表是19492016年中国的人口总数(摘自中国统计年鉴2017).年份总人口/万人年份总人口万人年份总人口万人194954167198210165420001267431950551961983

    10、103008200112762719515630019841043572002128453195561465198510585120031292271960662071986107507200129988196572538198710930020051307561970829921988111026200613144819718522919891127042007132129197287177199011433320081328021973892111991115823200913345019749085919921171712010134091197592420199311851720111

    11、34735197693717199411985020121354041977949741995121121201313607219789625919961223892014136782197997542199712362620151374621980987051998124761201613827119811000721999125786(1)画出散点图;(2)建立总人口数关于年份的一元线性回归模型;(3)直接用上面建立的回归模型预测2020年的中国人口总数,得到的结果合理吗?为什么?【答案】(1)散点图见解析 (2),(单位:万人). (3)答案见解析.【解析】【分析】(1)描点可作出散点图

    12、;(2)根据线性回归方程的计算公式计算可得答案;(3)将代入(2)中的线性回归方程,计算可得答案.【小问1详解】解:散点图如下图所示:.【小问2详解】解:由表中数据和相关系数来计算其拟合程度,首先,再代入数据得,以及,因此,是有很强的正相关关系的,因此设回归直线为,由,计算得,因此该回归模型为,(单位:万人).【小问3详解】解:当时,(单位:万人),结果计算出来届时我国人口总数为15亿,的确保证了是增长型,但是由于这只是预测,并没有考虑到2020年出现的疫情和相应的政策等,因此难免会有所误差.4. 在某地区的一段时间内观测到的不小于某震级x的地震数N的数据如下表:震级x3.03.23.43.6

    13、3.84.04.24.44.64.85.0地震数N28381203801479510695764155023842269819191356973震级x5.25.45.65.86.06.26.46.66.87.0地震数N74660443527420614898574125试建立经验回归方程表示二者之间的关系,该模型对预测地震有帮助吗?(、精确到整数,相关系数精确到0.001) 【答案】,该模型对预测地震有帮助.【解析】【分析】根据回归直线方程计算公式,计算出回归直线方程,并作出判断.【详解】,所以.该模型对预测地震是有帮助:回归直线方程显示,当增大时,减小,与表格提供的实际数据的变化趋势相同,所以该模型对预测地震有帮助.,这表明与有很强的线性相关关系,从而也表明建立的回归模型是有意义的、有帮助的.拓广探索5. 生活中有许多变量之间的关系是值得我们去研究的.例如,数学成绩、物理成绩和化学成绩两两之间是相关的吗?哪两个学科成绩之间相关性更大,你能解释其中的原因吗?语文成绩对数学成绩有影响吗?等等,请用你们班的某次考试成绩,研究它们之间的关系.如果它们之间有关系,请建立统计模型进行分析.【答案】


    注意事项

    本文(8.2一元线性回归模型及其应用 课后练习(含答案)2023年新教材人教A版数学选择性必修第三册)为本站会员(热***)主动上传,七七文库仅提供信息存储空间,仅对用户上传内容的表现方式做保护处理,对上载内容本身不做任何修改或编辑。 若此文所含内容侵犯了您的版权或隐私,请立即通知七七文库(点击联系客服),我们立即给予删除!




    关于我们 - 网站声明 - 网站地图 - 资源地图 - 友情链接 - 网站客服 - 联系我们

    工信部备案编号:浙ICP备05049582号-2     公安备案图标。浙公网安备33030202001339号

    本站为“文档C2C交易模式”,即用户上传的文档直接卖给(下载)用户,本站只是网络服务平台,本站所有文档下载所得的收益归上传人(含作者)所有。本站仅提供信息存储空间,仅对用户上传内容的表现方式做保护处理,对上载内容本身不做任何修改或编辑。如您发现文档所含内容侵犯了您的版权或隐私,请立刻联系我们并提供证据,我们将立即给予删除!

    收起
    展开