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 。