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()。
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可以通过（）判断x与y之间是有相关的关系。
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。
价格（X，元）与需求量（Y，吨）之间的回归方程为：i=356-1.5Xi，说明价格每上涨一元，需求量减少（）吨。
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如果求得7天的抗压强度为26，那么可以预测28天的抗压强度为（）。
由两个变量的10组数据(χi，yi)，i=1，2，…，10，计算得到。 https://assets.asklib.com/psource/2014082618132386161.png 为（）。
一维数据插值的函数yi=interp1（x，y，xi，’spline’）表示（）。
收集了行组数据(χi，yi)，i=1．2，……，n，为了解变量χ与y间是否有相关关系，可以画（）加以考查。
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)
若x和y是两个整形变量，在执行了语句序列x=5; y=6; y+=x--;后，x+y的值为________________。
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=（
一个离散型随机变量，有P（X=xi)=pi，（i=1，2，…，n)，要使其成为一个分布，应满足下列条件（)。A．pi≥0，p1+
设X，Y是相互独立且服从同一分布的两个随机变量，已知X的分布律为P（X=i}=1/3，i=1，2，3，又设U=max（X，Y)，V=min（X，Y)，写出二维随机变量（U，V)的分布律。
设x和y均为int型变量，且x＝1，y＝2，则表达式2.0+y／x的值为【 】。
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()。
5、设随机变量X~N（0, 1), Y~N（1,4), X与Y相互独立，则D（2X-Y+1)的值为
24、设x和y均为int型变量，且x=1,y=2,则表达式x/y的值为 。
