3.1 统计案例

流程再造失败案例统计一、流程再造失败案例之企业A。

1.1 盲目跟风。

企业A看到同行业的其他公司进行流程再造取得了一定成果，就迫不及待地也想要进行流程再造。

没有深入分析自身的实际情况，比如自身的企业文化、员工素质、业务特点等。

就像看到别人穿什么衣服好看，自己也不管合不合适就往上套，结果肯定是不伦不类。

这完全是一种盲目跟风的行为，企业以为只要进行流程再造就能像其他公司一样获得成功，简直是异想天开。

1.2 缺乏沟通。

在流程再造过程中，企业A的管理层自己制定了一系列的计划，根本没有和基层员工进行有效的沟通。

员工们都不知道为什么要进行这样的改变，一头雾水。

这就好比要打仗了，指挥官自己制定了作战计划，却不告诉士兵们作战目的和方法，那这仗怎么能打得赢呢？员工们对新流程不理解，就会产生抵触情绪，不愿意积极配合，这就为流程再造的失败埋下了伏笔。

二、流程再造失败案例之企业B。

2.1 目标不明确。

企业B进行流程再造的时候，没有一个明确的目标。

今天觉得要提高效率，明天又想降低成本，后天又想改善服务质量，朝三暮四的。

就像一个人在森林里迷路了，一会儿想往东走，一会儿想往西走，结果只能是在原地打转。

没有明确目标的流程再造就像一艘没有航向的船，在大海里随波逐流，最终只能触礁沉没。

2.2 过度依赖技术。

企业B以为只要引进先进的技术就能解决所有问题，在流程再造中过度依赖技术手段。

他们花了大量的钱购买软件和设备，却忽略了人的因素。

技术是死的，人是活的。

如果员工不能很好地掌握和运用这些技术，那这些技术就只是摆设。

这就好比给一个不会开车的人一辆豪车，他也开不了，只能干瞪眼。

而且技术更新换代很快，如果只注重技术而不注重流程的本质和人的适应性，迟早会出问题。

2.3 忽视员工培训。

企业B没有重视对员工的培训，员工对新的流程和技术一知半解。

新流程实施起来磕磕绊绊，效率不但没有提高，反而下降了。

这就好比让一群没经过训练的新兵上战场，结果可想而知。

3.1回归分析的基本思想及其初步应用第3课时 非线性回归分析【学习目标】1、结合案例进一步体会回归分析的基本思想及其应用，掌握线性回归模型与线性回归方程的关系及其参数、变量的意义。

2、会通过残差分析研究模型的拟合精度以及回归方程的预报精度。

【重点难点】重点：掌握线性回归模型与线性回归方程的关系及其参数、变量的意义。

难点：了解回归分析的基本步骤, 了解简单的非线性回归分析方法 【学习过程】 一.课前预习1、当回归方程不是形如a bx y +=时，称之为方程。

2、对于非线性回归模型相应的回归方程，可以做适当的变换，使之成为线性回归方程吗？请试试看。

（1）,ln d x c y +=令x t ln =，可得。

（2）,2d cx y +=令，可得。

（3）c xky +=，令，可得。

（4）)0(>=c ce y dx，令，可得。

3、若可能有几种模型同时可以拟合散点，则需利用来优选， ，说明模型的拟合精度越高。

二．典型例题类型3 非线性回归分析【典例2】下表为收集到的一组数据：（1）作出x 与y 的散点图,并猜测x 与y 之间的关系；（2）建立x 与y 的关系，预报回归模型并计算残差； （3）利用所得模型，预报x=40时y 的值．【归纳升华】非线性回归问题有时并不给出经验公式，这时我们可以画出已知数据的散点图，把它与学过的各种函数(幂函数、指数函数、对数函数等)图象作比较，挑选一种跟这些散点拟合得最好的函数，然后像本例这样，采用适当的变量置换，把问题化为线性回归分析问题，使之得到解决．以模型kx y ce =去拟合一组数据时，为了求出回归方程，设ln z y =，其变换后得到线性回归方程0.34z x =+，则c =________.类型4 弄不清回归模型的类型致误【典例3】在一次抽样调查中测得样本的5个样本点数值如下表：【易错提示】本题易犯的错误是直接使用最小二乘法求出线性回归直线方程，实际上，本题中的数据在散点图上并不在某条直线附近，因此不能用线性回归模型求解.【当堂检测】1．若一组观测值(x 1，y 1)，(x 2，y 2)，…，(x n ，y n )之间满足(1i i i y bx a e i =++=，2，…，n ），且i e 恒为0，则2R 为_____．2．在研究身高和体重的关系时，得到的结论是“身高解释了64%的体重变化，而随机误差贡献了剩余的36%，所以身高对体重的效应比随机误差的效应大得多”.则求得的相关指数2R≈ （ ）A.0.36B.0.64C.0.32D.0.183．若某函数型相对一组数据的残差平方和为89，其相关指数为0.95，则总偏差平方和为________，回归平方和为________．4、已知两相关变量x ，y 的三组观测值如下表：根据经验知y 对x 的回归模型为a bx y +=2，试求出该回归方程。

国外方法学验证统计学案例1.2 从实际情况看，国外在统计学方法学验证方面往往起步较早，有许多成熟的理论和实践体系。

了解他们的案例，就好比站在巨人的肩膀上看世界，能够拓宽我们的视野，使我们对统计学方法的应用有更深入的理解。

二、具体案例剖析。

2.1 以医药研发领域为例。

国外某大型药企在进行新药临床试验的方法学验证时，运用了先进的统计学模型。

他们通过大量的样本采集，精确地分析药物的疗效和安全性。

这一过程中，不仅仅是简单的数据收集，而是采用了分层抽样等复杂的统计学方法。

这种做法就如同精心编织一张大网，确保每个层面的患者情况都能被准确捕捉到，不漏掉任何一个可能影响结果的因素。

2.2 在环境科学研究方面，国外有个关于大气污染监测的案例。

研究人员为了验证一种新的空气质量评估方法学，采用了时间序列分析等统计学手段。

他们长时间地对不同区域的空气质量数据进行监测和分析，就像一个耐心的猎人在等待猎物出现一样，不放过任何细微的变化。

通过这种严谨的方法学验证，得出的结果为当地的环境政策制定提供了坚实的依据。

2.3 再看金融领域。

国外某金融机构在风险评估的方法学验证上采用了多元回归分析。

他们把众多影响金融风险的因素，如市场波动、利率变化、企业经营状况等都纳入到模型中。

这就像是一场大型的拼图游戏，每个因素都是一块拼图，只有把它们准确地拼在一起，才能完整地呈现出金融风险的全貌。

三、我们从中能学到什么？3.1 首先是严谨性。

国外这些案例无一不体现出对统计学方法学验证的严谨态度。

我们在自己的工作和研究中也应该像他们一样，对待每一个数据、每一个模型都一丝不苟，绝不能马马虎虎、敷衍了事。

3.2 其次是创新性。

他们在应用统计学方法时，往往不局限于传统的方式，而是勇于创新，尝试新的模型和算法。

我们也应该打破思维定式，敢于尝试新的东西，不能总是墨守成规、按部就班。

§3.1 回归分析的基本思想及其应用(1)教学目标（1）通过实例引入线性回归模型，感受产生随机误差的原因；（2）通过对回归模型的合理性等问题的研究，渗透线性回归分析的思想和方法； （3）能求出简单实际问题的线性回归方程．教学重点，难点线性回归模型的建立和线性回归系数的最佳估计值的探求方法．教学过程一． 引言：我们知道函数关系是一种确定性关系，而相关关系是一种非确定性关系。

回归分析是对具有相关关系的两个变量进行统计分析的一种常用方法。

在《数学3》中，我们对两个具有线性相关关系的变量利用回归分析的方法进行了研究，其解题步骤是：画散点图，求回归直线方程，并用回归直线方程进行预报。

二．探究一对于一组具有线性相关关系的数据),(),(),,(2211n n y x y x y x ,我们知道其回归方程的截据和斜率的最小二乘估计公式为1122211()()()()nni i iii i nni ii i x x y y x ynx yb x x xn x a y bx====⎧---⎪⎪==⎪⎨--⎪⎪=-⎪⎩∑∑∑∑ 其中11n i i x x n ==∑， 11ni i y y n ==∑你能推倒出这两个计算公式吗?-------教材-P 80-81《必修3》知道，截距aˆ和斜率b ˆ分别是使 21)(),(∑=--=ni i i x y Q αββα取最小值时，βα,的值，如何求21)(),(∑=--=ni i ix yQ αββα的最小值？------见教材P 80-81三、问题情境求根据女大学生的身高预报体重的回归方程，并预报一名身高为172cm 的女大学生的体重。

根据《数学3（必修）》中的有关内容，解决这个问题的方法是：先作散点图，如下图所示：从散点图中可以看出，样本点呈条状分布，身高与体重有着较好的线性关系．因此可以用回归直线a bx y +=来刻画它们之间的关系．根据线性回归的系数公式，1221()ni i i ni i x y nx y b x n x a y bx==⎧-⎪⎪=⎪⎨-⎪⎪=-⎪⎩∑∑ 得： 可以得到线性回归方程为0.84985.712y x =-，期中849.0=b是回归直线的斜率的估计值，说明身高x 每增加1个单位时，体重y 就增加849.0个单位，这表明身高与体重具有正的线性相关关系。

假设检验(hypothesis testing)方法演变：t检验、z检验、F检验、卡方检验，方差分析( ANOVA)➢概述假设检验是分析数据的一种方法。

回答此类问题：“随机发生的事件的概率是多少?”另一方面的问题是：“我们从数据中发现的结果是真的吗？”当问题是有关大的总体而只能得到总体的一个样本时用假设检验。

这种方法被用来回答在质量改进中一系列重要的问题，如“我们在过程中所做的改变对产出创造了有意义的差别吗？”或”顾客对场地A的满意度是不是比其他场地高？”最常用的检验是：z检验、t检验、F检验、卡方（χ2）检验和方差分析。

这些检验和其他的检验都是基于均值、方差、比例及其他统计量所形成的具有常见模式的频率分布。

最有名的分布就是正态分布，它是：检验的基础。

t检验、F检验和卡方(χ2)检验是基于t分布、F分布和卡方分布。

➢适用场合·想知道一组或更多组数据的平均值、比例、方差或其他特征时；·当结论是基于更大总体中所取得的样本时。

例如：·想确定一个过程的均值或方差有否改变；·想确定很多数据集的均值或方差是否不同：·想确定两组不同的数据集的比例是否不同；·想确定真正的比例、均值或方差是否和一个定值相等（或大于或小于）。

➢实施步骤假设检验的步骤由三部分组成：理解要解决的问题并安排检验（以下步骤1～3）；数字计算通常由计算机完成（步骤4和步骤5）；应用数值结果到实际问题中（步骤6）。

虽然计算机能处理数字，但理解假没检验隐含的观念对第1部分和第3部分至关重要。

如果第一次接触假设检验，那么从看“注意事项”中的术语和定义开始。

这些定义解释了假设检验的慨念，然后再回来看这个步骤。

本书不可能详细地涉及假设检验。

这个步骤是个综述和快速参考。

要得到更多的信息，查阅统计学参考书或请教统计学家。

1确定要从数据中获得的结论。

选择适当的检验方法。

用哪种检验取决于检验的目的和数据的种类。

3.1 第二课时 残差分析及回归模型的选择一、课前准备 1.课时目标(1) 了解残差分析回归效果； (2) 了解相关指数2R 分析回归效果；(3) 了解常见的非线性回归转化为线性回归的方法. 2.基础预探1.在线性回归模型y bx a e =++中，a b 和为模型的未知参数，e y 是与y bx a =+之间的误差，通常ｅ为随机变量，称为_______.它的均值E(ｅ)＝0，方差2()0D e σ=>.线性回归模型的完整表达形式为2()0,()y bx a eE e D e σ=++⎧⎨==⎩.在此模型中，随机误差ｒ的方差2σ越小，通过回归直线y bx a =+预报真实值ｙ的精度越高. 2.对于样本点1122(,),(,),,(,)n n x y x y x y 而言，相应于它们的随机误差为(1,2,,)i i i i e y y y bx a i n =-=--=，其估计值为(1,2,,)i i i i i e y y y bx a i n =-=--=，i e 称为相应于点(,)i i x y 的______.类比样本方差估计总体方差的思想，可以用21(,)2Q a b n σ=-(ｎ＞2)作为2σ的估计量，其中a b 和由公式给出，()Q a b ,称为残差平方和.可以用2σ衡量回归直线方程的预报精度.通常2σ越小，预报精度越高.3.在研究两个变量间的关系时，首先要根据散点图来粗略判断它们是否线性相关，是否可以用线性回归模型来拟合数据.然后，可以通过残差12,,n e e e 来判断模型拟合的效果，判断原始数据中是否存在可疑数据.这方面的分析工作称为_______.4.用相关指数2R 来刻画回归的效果，其计算公式是：22121()1()nii nii y y R y y ==-=--∑∑.显然2R 取值越大，意味着残差平方和_______，也就是说模型的拟合效果________. 二、学习引领1. 进行回归分析的步骤是什么？(1)确定研究对象，明确是哪两个变量之间的相关关系.(2)画出散点图，观察它们之间的关系是否存在线性关系，也可计算变量间的线性相关系数的值来精确判断它们之间是否存在相关关系.如果不存在线性相关关系，判断散点图是否存在非线性相关关系.(3)若存在相关关系，则由经验确定回归方程的类型：如观察到数据呈线性关系，则选用线性回归方程ˆy=bx+a ；否则可选择指数模型、对数模型或二次函数模型等. (4)利用残差图或者相关指数2R 对回归效果进行判断2.随机误差ｅ的产生及估计的方法(1)在实际中，随机变量ｙ除了受随机变量ｘ的影响之外，还受其它变量的影响；(2)由于前面相关关系公式中的a b 和为截距和斜率的估计值，它们与真实值a b 和之间也存在误差.(3)因为随机误差是随机变量，因此可以通过这个随机变量的数字特征来刻画它的一些总体特征.均值是反映随机变量取值平均水平的数字特征，方差是反映随机变量集中于均值程度的数字特征，而随机变量的均值为0，因此可以用方差2来衡量随机误差的大小. 3.如何利用2R 判断回归效果在线性回归模型中，2R 表示解释变量对于预报变量变化的贡献率. 2R 越接近于1，表示回归的效果越好(因为2R 越接近于1，表示解释变量和预报变量的相关性越强).如果对某组数据可能采取几种不同的回归方程进行回归分析.也可以通过比较几个2R ，选择其值大的模型.4.常见的可线性化的回归模型(1)幂函数曲线y=ax b(如图所示), 作变换u=lny ,v=lnx,c=lna,得线性函数u=c+bv.(2)指数函数y=ae bx(如图所示) 作变换u=lny, c= lna,得线性函数u=c+bx.(3)倒指数曲线y=a b xe (如图所示).(4)对数曲线y=a+blnx(如图所示)三、典例导析题型一相关系数的应用例1 下表为某地近几年机动车辆数与交通事故数的统计资料，请判断交通事故数与机动车r，由此判断交通事故数y与机动车辆数x是否线性相关.解析：将数据列成下表由此可知x=128.875 y=8.95，进而求得0.9927≈.因为|r|接近1 ,所以可得交通事故数y和机动车辆数x有较强的线性相关关系.规律总结：进行回归分析时，通常先进行相关性检验，若能确定两个变量具有线性相关关系，再去求其线性回归方程，否则所求的方程无意义.两个变量正(负)相关时，它们就有相同(反)的变化趋势，即当由小变大时，相应的有由小(大)变大(小)的趋势.变式训练：某工业部门进行一项研究，分析该部门的产量与生产费用之间的关系?从这个工完成下列要求：(1)计算x 与y 的相关系数；(2)对这两个变量之间是否线性相关进行相关性检验。

数学选修2-3第三章统计案例教案第三章 统计案例§3.1 独立性检验（1）1． 某医疗机构为了了解呼吸道疾病与吸烟是否有关，进行了一次抽样调查，共调查了515个成年人，其中吸烟者220人，不吸烟者295人．调查结果是：吸烟的220人中有37人患呼吸道疾病（简称患病），183人未患呼吸道疾病（简称未患病）；不吸烟的295人中有21人患病，274人未患病．问题：根据这些数据能否断定“患呼吸道疾病与吸烟有关”？为了研究这个问题，（1）引导学生将上述数据用下表来表示：一．建构数学1．独立性检验：（1）假设0H ：患病与吸烟没有关系．若将表中“观测值”用字母表示，则得下表：如果实际观测值与假设求得的估计值相差不大，就可以认为所给数据（观测值）不能否定假设0H ．否则，应认为假设0H 不能接受，即可作出与假设0H 相反的结论．（2）卡方统计量：为了消除样本对上式的影响，通常用卡方统计量（χ22()-=∑观测值预期值预期值）来进行估计．卡方χ2统计量公式： χ2()()()()()2n ad bc a b c d a c b d -=++++（其中n a b c d =+++） 由此若0H 成立，即患病与吸烟没有关系，则χ2的值应该很小．把37,183,21,274a b c d====代入计算得χ211.8634=，统计学中有明确的结论，在0H 成立的情况下，随机事件“2 6.635χ≥” 发生的概率约为0.01，即2( 6.635)0.01P χ≥≈，也就是说，在0H 成立的情况下，对统计量χ2进行多次观测，观测值超过6.635的频率约为0.01．由此，我们有99%的把握认为0H 不成立，即有99%的把握认为“患病与吸烟有关系”．分析：在口服的病人中，有5859%98≈的人有效；在注射的病人中，有6467%95≈的人有效．从直观上来看，口服与注射的病人的用药效果的有效率有一定的差异，能否认为用药效果与用药方式一定有关呢？下面用独立性检验的方法加以说明．解：提出假设0H ：药的效果与给药方式没有关系．由列联表中的数据，求得22193(58314064) 1.3896 2.072122719895χ⨯⨯-⨯=≈<⨯⨯⨯ 当0H 成立时，2 1.3896χ≥的概率大于15%，这个概率比较大，所以根据目前的调查数据，不能否定假设0H ，即不能作出药的效果与给药方式有关的结论．说明：如果观测值2 2.706χ≤，那么就认为没有充分的证据显示“Ⅰ与Ⅱ有关系”，但也不能作出结论“0H 成立”，即Ⅰ与Ⅱ没有关系．§3.1 独立性检验（2）二．数学运用1．练习题：1．在对人们的休闲方式的一次调查中，共调查了124人，其中女性70人，男性54人。

第三章 3.1 回归分析的根本思想及其初步应用A 级 根底稳固一、选择题1．(2021·深圳一模)其食品研究部门为了解一种酒品的储藏年份与芳香度之间的相关关系，在市场上收集到了一局部不同年份的该酒品，并测定了其芳香度(如表).年份x 0 1 4 5 6 8 芳香度y由最小二乘法得到回归方程y ^x ＋1.13，但不小心在检测后滴到表格上一滴检测液，污损了一个数据，请你推断该数据为( A )[解析] 由表中数据：x ＝16(0＋1＋4＋5＋6＋8)＝4，回归方程y ^x ＋1.13，∴y ^＝1.03×4＋1.13＝5.26，∴y ＝16(1.3＋1.8＋5.6＋？＋7.4＋9.3)＝5.26，解得：？＝6.1． 应选A ．2．由变量x 与y 相对应的一组数据(1，y 1)、(5，y 2)、(7，y 3)、(13，y 4)、(19，y 5)得到的线性回归方程为y ^＝2x ＋45，那么y －＝( D )A ．135B ．90C ．67D ．63[解析] ∵x －＝15(1＋5＋7＋13＋19)＝9，y －＝2x －＋45，∴y －＝2×9＋45＝63，应选D ． 3．观测两个相关变量，得到如下数据：x －1 －2 －3 －4 －5 5 4 3 2 1 y－25A ．y ^x －1 B ．y ^＝x C ．y ^＝2x ＋0.3 D ．y ^＝x ＋1[解析] 因为x －＝0， y －＝,10)＝0，根据回归直线方程必经过样本中心点(x －，y －)可知，回归直线方程过点(0,0)，所以选B ．4．一位母亲记录了儿子3～9岁的身高，数据(略)，由此建立的身高与年龄的回归模型为y ^x ＋73.93，用这个模型预测这个孩子10岁时的身高，那么正确的表达是( C )A ．身高一定是B ．身高在以上C ．身高在左右D ．身高在以下[解析] 将x 的值代入回归方程y ^x ＋73.93时，得到的y ^值是年龄为x 时，身高的估计值，应选C ．5．(2021·西宁模拟)为了规定工时定额，需要确定加工零件所花费的时间，为此进展了5次试验，得到5组数据(x 1，y 1)，(x 2，y 2)，(x 3，y 3)，(x 4，y 4)(x 5，y 5)．根据收集到的数据可知x ＝20，由最小二乘法求得回归直线方程为y ^x ＋48，那么5i ＝1y i ＝( D )A ．60B ．120C ．150D ．300[解析] 由题意，x ＝20，回归直线方程为y ^x ＋48，∴y ^＝0.6×20＋48＝60．那么 i ＝15y i ＝60×5＝300．应选D ．6．设某大学的女生体重y (单位：kg)与身高x (单位：cm)具有线性相关关系，根据一组样本数据(x i ，y i )(i ＝1,2，…，n )，用最小二乘法建立的回归方程为y ^x －85.71，那么以下结论中不正确的选项是．．．．．．．( D ) A ．y 与x 具有正的线性相关关系 B ．回归直线过样本点的中心(x －，y －)C ．假设该大学某女生身高增加1cm ，那么其体重约增加gD ．假设该大学某女生身高为170cm ，那么可断定其体重必为 [解析] 此题考察线性回归方程．D 项中身高为170cm 时，体重“约为〞58.79，而不是“确定〞，回归方程只能作出“估计〞，而非确定“线性〞关系．二、填空题7．以下五个命题，正确命题的序号为__③④⑤__． ①任何两个变量都具有相关关系； ②圆的周长与该圆的半径具有相关关系；③某商品的需求量与该商品的价格是一种非确定性关系； ④根据散点图求得的回归直线方程可能是没有意义的；⑤两个变量间的相关关系可以通过回归直线，把非确定性问题转化为确定性问题进展研究．[解析] 变量的相关关系是变量之间的一种近似关系，并不是所有的变量都有相关关系，而有些变量之间是确定的函数关系．例如，②中圆的周长与该圆的半径就是一种确定的函数关系；另外，线性回归直线是描述这种关系的有效方法；如果两个变量对应的数据点与所求出的直线偏离较大，那么，这条回归直线的方程就是毫无意义的．8．(2021·兰州模拟)变量 x ，y 具有线性相关关系，它们之间的一组数据如下表所示，假设y 关于 x 的线性回归方程为y ^x －1，那么m ＝____.x 1 2 3 4 ym4[解析] 由题意，x ＝2.5，代入线性回归方程为y ^x －1，可得y ＝2.25， ∴0.1＋1.8＋m ＋4＝4×2.25， ∴m ＝3.1． 故答案为3.1．9．以下是某地区的降雨量与年平均气温的一组数据： 年平均气温(℃)年降雨量(mm) 542507813574701432464根据这组数据可以推断，该地区的降雨量与年平均气温__不具有__相关关系．(填“具有〞或“不具有〞)[解析] 画出散点图，观察可知，降雨量与年平均气温没有相关关系．三、解答题10．为了迎接2021年俄罗斯世界杯，某协会组织了一次“迎2021世界杯，手工制作助威旗〞活动，将俄罗斯世界杯的标志以手工刺绣的方式刺绣到红色的三角形的旗子上面，来为世界杯加油．在10次制作中测得的数据如下： 助威旗数x (个) 10 20 30 40 50 60 70 80 90 100 加工时间Y (小时)626875818995102108115122试问：(1)x 与Y 是否具有线性相关关系？(2)如果x 与Y 具有线性相关关系，求出Y 对x 的回归直线方程，并根据回归直线方程，预测加工2021个助威旗需多少天(准确到1)?注：每天工作8小时．(参考数据：x ＝55，y ＝91.7，∑i ＝110x 2i ＝38500，∑i ＝110y 2i ＝87 777，∑i ＝110x i y i ＝55950,38500－10×552－8250，38500－10×552≈91，错误!≈61)[解析] (1)作散点图如下图从图中可以看出，各点都散布在一条直线附近，即它们线性相关． (2)由所给数据求得b ＝∑i ＝110x i y i －10xy∑i ＝110x 2i －10x 2＝,38500－10×552)∴a ＝y －b x ＝91.7－0.668×55∴Y 对x 的回归直线方程为 y ^x当x ＝2021时，y ^＝54.96＋0.668×2021＝1397.64(小时)又1397.64÷8＝174.705(天)∴加工2021个助威旗所需时间约为175天．B 级 素养提升1．(2021·保定一模)具有线性相关的变量x ，y ，设其样本点为A i (x i ，y i )(i ＝1,2，…，8)，回归直线方程为y ^＝12x ＋a ，假设OA 1→＋OA 2→＋…＋OA 8→＝(6,2)，(O 为原点)，那么a ＝( B )A ．18B ．－18C ．14D ．－14[解析] 计算x ＝18×(x 1＋x 2＋…＋x 8)＝68＝34，y ＝18×(y 1＋y 2＋…＋y 8)＝28＝14；回归直线方程为y ^＝12x ＋a ，∴14＝12×34＋a ， 解得a ＝－18．应选B ．2．变量X 与Y 相对应的一组数据为(10,1)，(11.3,2)，(11.8,3)，(12.5,4)，(13,5)，变量U 与V 相对应的一组数据为(10,5)，(11.3,4)，(11.8,3)，(12.5,2)，(13,1)．r 1表示变量Y 与X 之间的线性相关系数，r 2表示变量V 与U 之间的线性相关系数，那么( C )A ．r 2<r 1<0B ．0<r 2<r 1C ．r 2<0<r 1D ．r 2＝r 1[解析] ∵变量X 与Y 相对应的一组数据为(10,1)，(11.3,2)，(11.8,3)，(12.5,4)，(13,5)，∴X ＝10＋11.3＋11.8＋12.5＋135＝11.72，Y ＝1＋2＋3＋4＋55＝3，i ＝15(x i －x)(y i －y )＝(10－11.72)×(1－3)＋(11.3－11.72)×(2－3)＋(11.8－11.72)×(3－3)＋(12.5－11.72)×(4－3)＋(13－11.72)×(5－3)＝7.2，∑i ＝15 x i －x2∑i ＝15 y i －y2＝19.172，∴这组数据的相关系数是r 1＝,19.172)＝0.3755，变量U 与V 相对应的一组数据为(10,5)，(11.3,4)，(11.8,3)，(12.5,2)，(13,1)，U ＝15(10＋11.3＋11.8＋12.5＋13)＝11.72， V ＝5＋4＋3＋2＋15＝3，∑i ＝15(U i －U)(V i －V )＝(10－11.72)×(5－3)＋(11.3－11.72)×(4－3)＋(11.8－11.72)×(3－3)＋(12.5－11.72)×(2－3)＋(13－11.72)×(1－3)＝－7.2，∑i ＝15U i －U2·∑i ＝15V i －V2＝19.172．∴这组数据的相关系数是r 2＝－0.3755，∴第一组数据的相关系数大于零，第二组数据的相关系数小于零，应选C ． 二、填空题3．(2021·张店区校级模拟)在一组样本数据(x 1，y 1)，(x 2，y 2)，…(x 6，y 6)的散点图中，假设所有样本点(x i ，y i )(i ＝1,2，…，6)都在曲线y ＝bx 2－1附近波动．经计算∑i ＝16x i ＝11，∑i ＝16y i ＝13，∑i ＝16x 2i ＝21，那么实数b 的值为__1921__．[解析] 根据题意，把对应点的坐标代入曲线y ＝bx 2－1，y 1＝bx 11－1，y 2＝bx 22－1，…y 6＝bx 26－1，∴y 1＋y 2＋…＋y 6＝b (x 21＋x 22＋…＋x 26)－6， ∴13＝b ×21－6，∴b ＝1921，故答案为1921．4．某品牌服装专卖店为了解保暖衬衣的销售量y (件)与平均气温x (℃)之间的关系，随机统计了连续四旬的销售量与当旬平均气温，其数据如表：时间 二月上旬二月中旬二月下旬 三月上旬 旬平均气温x (℃)381217旬销售量y (件) 55 m 33 24由表中数据算出线性回归方程y ^＝bx ＋a 中的b ＝－2，样本中心点为(10,38)． (1)表中数据m ＝__40__；(2)气象部门预测三月中旬的平均气温约为22℃，据此估计，该品牌的保暖衬衣在三月中旬的销售量约为__14件__．[解析] (1)由y ＝38，得m ＝40． (2)由a ＝y －b x 得a ＝58， 故y ^＝－2x ＋58， 当x ＝22时，y ^＝14，故三月中旬的销售量约为14件． 三、解答题5．以下是某地搜集到的新房屋的销售价格y 和房屋的面积x 的数据：房屋面积(m 2) 115 110 80 135 105 销售价格(万元)22(1)画出数据对应的散点图；(2)求线性回归方程，并在散点图中加上回归直线； (3)据(2)的结果估计当房屋面积为150m 2时的销售价格． [解析] (1)数据对应的散点图如以下图所示：(2)x ＝15∑5 i ＝1x i ＝109，l xx ＝∑5i ＝1 (x i －x )2＝1570， y ＝23.2，l xy ＝∑5i ＝1 (x i －x )(y i －y )＝308．设所求回归直线方程为y ^＝b ^x ＋a ^，那么b ^＝l xy l xx ＝3081570≈0.1962，a ^＝y －b ^x ＝1.8166．故所求回归直线方程为y ^x ＋1.8166．(3)据(2)，当x ＝150m 2时，销售价格的估计值为y ^＝0.1962×150＋1.8166＝31.2466(万元)．6．(2021·全国卷Ⅱ理，18)以下图是某地区2000年至2021年环境根底设施投资额y (单位：亿元)的折线图．为了预测该地区2021年的环境根底设施投资额，建立了y 与时间变量t 的两个线性回归模型．根据2000年至2021年的数据(时间变量t 的值依次为1,2，…，17)建立模型①：y ^t ；根据2021年至2021年的数据(时间变量t 的值依次为1,2，…，7)建立模型②：y ^t ．(1)分别利用这两个模型，求该地区2021年的环境根底设施投资额的预测值． (2)你认为用哪个模型得到的预测值更可靠？并说明理由．[解析] (1)利用模型①，可得该地区2021年的环境根底设施投资额的预测值为y ^＝－30.4＋13.5×19＝226.1(亿元)．利用模型②，可得该地区2021年的环境根底设施投资额的预测值为y ^＝99＋17.5×9＝256.5(亿元)．(2)利用模型②得到的预测值更可靠． 理由如下：(i)从折线图可以看出，2000年至2021年的数据对应的点没有随机散布在直线yt 上下，这说明利用2000年至2021年的数据建立的线性模型①不能很好地描述环境根底设施投资额的变化趋势.2021年相对2021年的环境根底设施投资额有明显增加，2021年至2021年的数据对应的点位于一条直线的附近，这说明从2021年开场环境根底设施投资额的变化规律呈线性增长趋势，利用2021年至2021年的数据建立的线性模型y ^t 可以较好地描述2021年以后的环境根底设施投资额的变化趋势，因此利用模型②得到的预测值更可靠．(ii)从计算结果看，相对于2021年的环境根底设施投资额220亿元，由模型①得到的预测值226.1亿元的增幅明显偏低，而利用模型②得到的预测值的增幅比拟合理，说明利用模型②得到的预测值更可靠．(以上给出了2种理由，考生答出其中任意一种或其他合理理由均可得分)C 级 能力拔高炼钢是一个氧化降碳的过程，钢水含碳量的多少直接影响冶炼时间的长短，必须掌握钢水含碳量和冶炼时间的关系．如果已测得炉料熔化完毕时，钢水的含碳量x 与冶炼时间y (从炉料熔化完毕到出钢的时间)的一组数据，如下表所示：x /0.01% 104 180 190 177 147 134 150 191 204 121 y /min100200210185155135170205235125(1)作出散点图，你能从散点图中发现含碳量与冶炼时间的一般规律吗？ (2)求回归直线方程；(3)预测当钢水含碳量为160时，应冶炼多少分钟？[解析] (1)x 轴表示含碳量，y 轴表示冶炼时间，可作散点图如图．从图中可以看出，各点分布在一条直线附近，所以它们线性相关． (2)列出下表，并用科学计算器进展计算：i 1 2 3 4 5 6 7 8 9 10 x i 104 180 190 177 147 134 150 191 204 121 y i 100 200 210 185 155 135 170 205 235 125 x i y i10 40036 00039 90032 74522 78518 09025 50039 15547 94015 125x ＝159.8，y ＝172，∑i ＝110x 2i＝265 448，∑i ＝110y 2i＝312 350，∑i ＝110x i y i ＝287 640设所求的回归直线方程为＝x ＋，＝∑i ＝110x i y i －10x·y∑i ＝110x 2i －10x 2≈1.267，＝y －x ≈－30.47，即所求的回归直线方程为＝1.267x －30.47．(3)当x ＝160时，＝1.267×160－30.47≈172(min )，即大约冶炼172 min ．。