某厂生产白水泥,对每一窑生产的水泥都需要测定其抗压强度,以确定水泥标号,一般是将水泥出窑后做成的试块养护28天所测得的数据为准。但是水泥不可能堆放28天后再出厂,所以考虑用7天的抗压强度x来预测28天的抗压强度y。现对26窑水泥分别测定7天的抗压强度xi和28天的抗压强度yi(i=1,2,…,26),并求得如下结果:x=20.0,y=30.0,Lxx=35.0,Lxy=35.0,Lyy=70.0上面获得回归方程可否预测15天和35天的抗压强度?()
某地区2002~2013年统计某种产品消费量(Y)及同期相关产业产值(X)得出如下数据:∑xi2=28.68∑yi=80.4,=8.94∑xi=16.2,=1.62∑xiyi=154.33,用一元线性回归模型的回归系数是()。
为验证某产品的强度y与产品中碳的含量x是否有关,检验员收集了n组数据(xi,yi),i=1、2、...、n。检验员可以通过画()分析数据的相关性。
一维数据插值的函数yi=interp1(x,y,xi,’linear’)表示()。
某厂生产白水泥,对每一窑生产的水泥都需要测定其抗压强度,以确定水泥标号,一般是将水泥出窑后做成的试块养护28天所测得的数据为准。但是水泥不可能堆放28天后再出厂,所以考虑用7天的抗压强度x来预测28天的抗压强度y。现对26窑水泥分别测定7天的抗压强度xi和28天的抗压强度yi(i=1,2,…,26),并求得如下结果:x=20.0,y=30.0,Lxx=35.0,Lxy=35.0,Lyy=70.0y关于x的一元线性回归方程=A+Bx中A与B应该是()
一维数据插值的函数yi=interp1(x,y,xi,’nearest’)表示()。
一维数据插值的函数yi=interp1(x,y,xi,’cubic’)表示()。
若收集了n组数据(xi,yi),(i=1,2,……,n)求得两个变量间的相关系数为0,是下列说法()是正确的。
对变量X、Y进行回归分析,得回归方程Y=25.2+7.2X。若计算该组数据的相关系数,应该有()
在回归分析中,自变量同因变量的地位不同,两变量x和y中,y对石回归和x对y回归()。
一维数据插值的函数yi=interp1(x,y,xi,’spline’)表示()。
若收集了n组数据(Xi,Yi)(i=1,2,…,n),求得两个变量间的相关系数为1,则下列说法正确的是()。
通过最小二乘估计,得到某地区某种钢板消费量(Y)与同期第二产业产值(X)的一元线性回归方程为y=-7.55+9.59x,经计算∑(yi-yi’)2=11.87,∑(xi-x)2=1.56,取α=0.05,对其进行t检验,结论是()。(已知t(0.05,8)=1.86;t(0.025,8)=2.36,n=10)
多元线性回归模型中的回归系数为偏回归系数,它反映了当模型中的其它变量不变时,某个解释变量对因变量均值的影响。(2.0分)
有一n对数据的双变数资料,若回归标准误sy/x等于0,说明各观察点都在_____________。
由l5对数据(xi,yi),i=1,2,…,15,算得Lxx=355,Lyy=3102,Lxy=-923,贝0回归方程y=a+bx中回归系数b=(
两个变量(x,y),其观测值为(xi,yi),i=1,2,…,n。当相关系数的绝对值|r|大于某个临界值时,就认为它们
对于线性回归模型Yi=0+β1Xi+Ui,有关的β1方差的估计量的说法错误的是()。
一元线性回归模型Yi=β0+β1Xi+ui的经典假设包括()。A、E(ut)=0
设某商品需求模型为:Yi=β0+β1Xi+Ui,其中Y是商品的需求量,X是商品的价格,为了考虑全年12个月份季节变动的影响,假设模型中引入了12个虚拟变量,则会产生的问题是()。
举一反三法,抓住某个物品的结构特征来推断其它同类物品是X射线安检仪图像判读的方法中的共性分析法。()
在对两个变量x,y进行线性回归分析时,有下列步骤: 1所求出的回归直线方程作出解释; 2收集数据; 3求线性回归方程; 4求未知参数; 5根据所搜集的数据绘制散点图。 如果根据可行性要求能够作出变量,x,y具有线性相关结论,则在下列操作中正确的是()
若f(x)和g(x)都是n次多项式,并且在n+1个互异节点{xi|i=0,1,…n}上f(xi)= g(xi)(i=0,1,…n), 则f(x)g(x). ( )
设计一个程序,寻找 10 个正整数中的 最大偶数 ,若该组数据中不存在偶数,则输出“ 未发现偶数 ”。 提示 :利用一维数组来存放 10 个整数。判断整数 n 是否为偶数: n%2==0 。 计算一组数据中的最大值的算法如下: 假定第一个数据为当前最大值; 对于其余的数据,依次与当前最大值进行比较。若某个数据的值大于当前最大值,则将该数据的值作为新的当前最大值