线性回归方程——非线性方程转化为线性方程.docx
9.1.2线性回归方程讲义-2021-2022学年高二下学期数学苏教版（2019）选择性必修第二册
编号032 §9.1.2 线性回归方程目标要求1、结合具体实例，了解一元线性回归模型的含义．2、结合具体实例，了解模型参数的统计意义．3、结合具体实例，了解最小二乘原理，掌握一元线性回归模型参数的最小二乘估计方法．4、结合具体实例，会使用相关的统计软件．5、针对实际问题，会用一元线性回归模型进行预测．学科素养目标本章内容是在学生已经学习过必修课程中的统计知识和概率知识的基础上，通过对典型案例的研究，了解和使用一些常用统计分析方法，进一步体会运用统计方法解决实际问题的基本思想，认识统计方法在决策中的作用，从而形成运用统计的观点认识客观事物的习惯．在本章教学中，应突出对学生应用意识的培养，不能只限于要求学生会解书本上的习题，还要关注学生应用与解决实际问题的能力．应引导、鼓励学生从现实生活中发现问题，并能自觉地运用所学的统计方法加以理解，应尽量给学生提供一定的实践活动机会，可结合数学建模活动，选择一个案例，要求学生亲自实践．重点难点重点：一元线性回归模型参数的最小二乘估计方法； 难点：用一元线性回归模型进行预测．教学过程基础知识点 1．线性回归模型我们将y ＝___________称为线性回归模型． 2．线性回归方程与最小二乘法(1)线性回归方程：直线＝__________称为线性回归方程．其中__称为回归截距，__称为回归系数，__称为回归值． (2)，的计算公式＝∑i ＝1n（x i －x）（y i －y ）∑i ＝1n（x i －x ）2＝________________ ，＝______________.【课前小题演练】题1．关于回归分析，下列说法错误的是( ) A ．回归分析是研究两个具有相关关系的变量的方法 B ．散点图中，解释变量在x 轴，响应变量在y 轴 C ．回归模型中一定存在随机误差 D ．散点图能明确反映变量间的关系题2．根据如下样本数据：x2 3 4 5 6Y 4 2.5 －0.5 －2 －3得到的经验回归方程为＝x＋，则( )A．＞0，＞0 B．＞0，＜0C．＜0，＞0 D．＜0，＜0题3．已知变量x，Y之间具有线性相关关系，其散点图如图所示，则其经验回归方程可能为( )A．＝1.5x＋2 B．＝－1.5x＋2C．＝1.5x－2 D．＝－1.5x－2题4．若某地财政收入x与支出Y满足经验回归方程＝x＋＋e i(单位：亿元)(i＝1，2，…)，其中＝0.8，＝2，|e i|<0.5，如果今年该地区财政收入10亿元，年支出预计不会超过( )A．10亿元B．9亿元C．10.5亿元D．9.5亿元题5．若施肥量x(kg)与水稻产量Y(kg)的经验回归方程为＝5x＋250，当施肥量为80 kg时，预计水稻产量约为________kg.题6．某种产品的广告费用支出x与销售额Y(单位：百万元)之间有如下的对应数据：x/百万元 2 4 5 6 8Y/百万元30 40 60 50 70(1)画出散点图；(2)求经验回归方程；(3)试预测广告费用支出为10百万元时，销售额多大？【当堂巩固训练】题7．已知x，y的取值如表所示：x234 5y 2.2 3.8 5.5m若y与x线性相关，且回归直线方程为＝1.46x－0.61，则表格中实数m的值为( )A．7.69 B．7.5 C．6.69 D．6.5题8．某药厂为了了解某新药的销售情况，将2019年2至6月份的销售额整理如下：月份 2 3 4 5 6 销售额(万元)1925353742根据2至6月份的数据可求得每月的销售额y 关于月份x 的线性回归方程＝x ＋为( )(参考公式及数据：＝∑i ＝1nx i y i －n x y∑i ＝1n x 2i －n （x ）2，＝y －x ，∑i ＝15x i y i ＝690，∑i ＝15x 2i ＝90)A ．＝5.8x ＋8.4B ．＝8.4x ＋5.8C ．＝6x －9D ．＝4x ＋31.6题9．登山族为了了解某山高y (km )与气温x (℃)之间的关系，随机统计了4次山高与相应的气温，并制作了对照表：气温x (℃) 18 13 10 －1 山高y (km )24343864由表中数据，得到线性回归方程＝－2x ＋()∈R ，由此请估计出山高为72(km )处气温的度数为( )A ．－10B ．－8C ．－4D ．－6题10．根据如下的样本数据：x 1 2 3 y2.133.9得到的回归方程为＝bx ＋a ，则直线ax ＋by －3＝0经过定点( ) A ．(－1，－2) B ．(－1，2) C ．(1，－2)D ．(1，2)题11．某同学在研究学习中，收集到某制药厂今年5个月甲胶囊生产产量(单位：万盒)的数据如表所示：x (月份) 1 2 3 4 5 y (万盒)55668若x ，y 线性相关，线性回归方程为＝0.7x ＋，则以下为真命题的是( ) A ．x 每增加1个单位长度，则y 一定增加0.7个单位长度 B ．x 每增加1个单位长度，则y 必减少0.7个单位长度C．当x＝6时，y的预测值为8.1万盒D．线性回归直线＝0.7x ＋经过点(2，6)题12．下列说法：①设有一个回归方程＝3－5x，变量x增加一个单位时，y平均增加5个单位；②线性回归方程＝x＋必过()x，y；③设某地女儿身高y对母亲身高x的一个回归直线方程是＝34.92＋0.78x，则方程中的＝34.92可以解释为女儿身高不受母亲身高变化影响的部分．其中正确的个数是( )A．0 B．1 C．2 D．3题13．(多选题．．．)两个相关变量x，y的5组对应数据如表：x8.3 8.6 9.9 11.1 12.1y 5.9 7.8 8.1 8.4 9.8根据表格，可得回归直线方程＝x＋，求得＝0.78.据此估计，以下结论正确的是( )A．x＝10 B．y＝9C．＝0.2 D．当x＝15时，＝11.95题14．(多选题．．．)已知x与y之间的几组数据如表：x 1 2 3 4 5 6y0 2 1 3 3 4假设根据表格数据所得线性回归直线方程为＝x＋，若某同学根据上表中的前两组数据()1，0和()2，2求得的直线方程为y＝b′x＋a′，则以下结论正确的是( )参考公式：＝∑i＝1nx i y i－n x y∑i＝1nx2i－n（x）2，＝y－b x .A．a′＝－2 B．b′＝2 C．>b′ D．>a′【综合突破拔高】题15．对于指数曲线y＝ae bx，令U＝ln y，c＝ln a，经过非线性回归分析后，可转化的形式为( ) A．U＝c＋bx B．U＝b＋cxC．y＝c＋bx D．y＝b＋cx题16．若一函数模型为y ＝sin 2α＋2sinα＋1，为将y 转化为t 的经验回归方程，则需作变换t 等于( ) A ．sin 2αB ．(sinα＋1)2C ．⎝ ⎛⎭⎪⎫sin α＋12 2D ．以上都不对题17．在生物学上，有隔代遗传的现象．已知某数学老师的体重为62 kg ，他的曾祖父、祖父、父亲、儿子的体重分别为58 kg 、64 kg 、58 kg 、60 kg .如果体重是隔代遗传，且呈线性相关，根据以上数据可得解释变量x 与预报变量的回归方程为＝x ＋，其中＝0.5，据此模型预测他的孙子的体重约为( ) A ．58 kgB ．61 kgC ．65 kgD ．68 kg题18．(多选题．．．)月亮公转与自转的周期大约为30天，阴历是以月相变化为依据．人们根据长时间的观测，统计了月亮出来的时间y (简称“月出时间”，单位：小时)与天数x (x 为阴历日数，x ∈N *，且0≤x ≤30)的有关数据，如表，并且根据表中数据，求得y 关于x 的线性回归方程为＝0.8x ＋．x 2 4 7 10 15 22 y8.19.41214.418.524其中，阴历22日是分界线，从阴历22日开始月亮就要到第二天(即23日0：00)才升起．则( ) A ．样本点的中心为()10，14.4 B ．＝6.8C ．预报月出时间为16时的那天是阴历13日D ．预报阴历27日的月出时间为阴历28日早上4：00题19．对某台机器购置后的运行年限x (x ＝1，2，3，…)与当年利润Y 的统计分析知x ，Y 具备线性相关关系，经验回归方程为＝10.47－1.3x ，估计该台机器最为划算的使用年限为______年．题20．以模型y ＝ce kx 去拟合一组数据时，为了求出非经验回归方程，设z ＝ln y ，其变换后得到经验回归方程＝0.3x ＋4，则c ＝________.题21．为了响应中央号召，某日深圳环保局随机抽查了本市市区汽车尾气排放污染物x (单位：ppm )与当天私家车路上行驶的时间y (单位：小时)之间的关系，从某主干路随机抽取10辆私家车，已知x 与y 之间具有线性相关关系，其回归直线方程为＝0.3x －0.4，若该10辆车中有一辆私家车的尾气排放污染物为6(单位：ppm )，据此估计该私家车行驶的时间为________小时．题22．某市农科所对冬季昼夜温差大小与某反季节大豆新品种发芽多少之间的关系进行分析研究，他们分别记录了12月1日至12月4日的每天昼夜温差与实验室每天每100颗种子中的发芽数，得到如下数据：日期 12月1日12月2日12月3日12月4日温差 11 13 12 8 发芽数(颗)26322617根据表中12月1日至12月3日的数据，求得线性回归方程＝x ＋中的＝－8，则求得的＝________；若用12月4日的数据进行检验，检验方法如下：先用求得的线性回归方程计算发芽数，再求与实际发芽数的差，若差值的绝对值不超过2颗，则认为得到的线性回归方程是可靠的，则求得的线性回归方程________(填“可靠”或“不可靠”).题23．如表为收集到的一组数据：x 21 23 25 27 29 32 35 Y711212466115325试建立Y 与x 之间的回归方程．题24．宿州市公安局交警支队依据《中华人民共和国道路交通安全法》第90条规定：所有主干道路凡机动车途经十字路口或斑马线，无论转弯或者直行，遇有行人过马路，必须礼让行人，违反者将被处以100元罚款，记3分的行政处罚．如表是本市一主干路段监控设备所抓拍的5个月内，机动车驾驶员“不礼让行人”行为统计数据：月份x 1 2 3 4 5 违章驾驶员人数y1151101009085(1)若x 与y 之间具有很强的线性相关关系，请利用所给数据求违章驾驶员人数y 与月份x 之间的回归直线方程＝x ＋；(2)预测该路段8月份的“不礼让行人”违章驾驶员的人数．参考公式：＝∑i ＝1nx i y i －n x ·y∑i ＝1nx 2i －n （x）2，＝y －x ，参考数据：∑i ＝15x i y i ＝1 420.编号032 §9.1.2 线性回归方程目标要求1、结合具体实例，了解一元线性回归模型的含义．2、结合具体实例，了解模型参数的统计意义．3、结合具体实例，了解最小二乘原理，掌握一元线性回归模型参数的最小二乘估计方法．4、结合具体实例，会使用相关的统计软件．5、针对实际问题，会用一元线性回归模型进行预测．学科素养目标本章内容是在学生已经学习过必修课程中的统计知识和概率知识的基础上，通过对典型案例的研究，了解和使用一些常用统计分析方法，进一步体会运用统计方法解决实际问题的基本思想，认识统计方法在决策中的作用，从而形成运用统计的观点认识客观事物的习惯．在本章教学中，应突出对学生应用意识的培养，不能只限于要求学生会解书本上的习题，还要关注学生应用与解决实际问题的能力．应引导、鼓励学生从现实生活中发现问题，并能自觉地运用所学的统计方法加以理解，应尽量给学生提供一定的实践活动机会，可结合数学建模活动，选择一个案例，要求学生亲自实践．重点难点重点：一元线性回归模型参数的最小二乘估计方法； 难点：用一元线性回归模型进行预测．教学过程基础知识点 1．线性回归模型我们将y ＝a ＋bx ＋ε称为线性回归模型． 2．线性回归方程与最小二乘法(1)线性回归方程：直线＝＋x 称为线性回归方程．其中称为回归截距，称为回归系数，称为回归值．(2)，的计算公式＝∑i ＝1n（x i －x ）（y i －y ）∑i ＝1n（x i －x ）2＝___∑i ＝1nx i y i －n x y∑i ＝1nx 2i －n （x）2___ ，＝__y －x __.【课前小题演练】题1．关于回归分析，下列说法错误的是( ) A ．回归分析是研究两个具有相关关系的变量的方法 B ．散点图中，解释变量在x 轴，响应变量在y 轴 C ．回归模型中一定存在随机误差 D ．散点图能明确反映变量间的关系【解析】选D .用散点图反映两个变量间的关系时，存在误差． 题2．根据如下样本数据：x 2 3 4 5 6Y 4 2.5 －0.5 －2 －3得到的经验回归方程为＝x＋，则( )A．＞0，＞0 B．＞0，＜0C．＜0，＞0 D．＜0，＜0【解析】选B.由题干表中的数据可得，变量Y随着x的增大而减小，则＜0，又回归方程为＝x＋经过(2，4)，(3，2.5)，可得＞0.题3．已知变量x，Y之间具有线性相关关系，其散点图如图所示，则其经验回归方程可能为( )A．＝1.5x＋2 B．＝－1.5x＋2C．＝1.5x－2 D．＝－1.5x－2【解析】选B.设经验回归方程为＝x＋，由题干中散点图可知变量x，Y之间负相关，经验回归直线在Y轴上的截距为正数，所以<0，>0，因此方程可能为＝－1.5x＋2.题4．若某地财政收入x与支出Y满足经验回归方程＝x＋＋e i(单位：亿元)(i＝1，2，…)，其中＝0.8，＝2，|e i|<0.5，如果今年该地区财政收入10亿元，年支出预计不会超过( )A．10亿元B．9亿元C．10.5亿元D．9.5亿元【解析】选C.＝0.8×10＋2＋e i＝10＋e i，因为|e i|<0.5，所以9.5＜<10.5.题5．若施肥量x(kg)与水稻产量Y(kg)的经验回归方程为＝5x＋250，当施肥量为80 kg时，预计水稻产量约为________kg.【解析】把x＝80代入经验回归方程可得其预测值＝5×80＋250＝650(kg).答案：650题6．某种产品的广告费用支出x与销售额Y(单位：百万元)之间有如下的对应数据：x/百万元 2 4 5 6 8Y/百万元30 40 60 50 70(1)画出散点图；(2)求经验回归方程；(3)试预测广告费用支出为10百万元时，销售额多大？【解析】(1)散点图如图所示：(2)列出下表，并用科学计算器进行有关计算：i 1 2 3 4 5 合计 x i 2 4 5 6 8 25 y i 30 40 60 50 70 250 x i y i 60 160 300 300 560 1 380 x 2i416253664145所以x ＝255 ＝5，y ＝2505＝50，∑i ＝15x 2i ＝145，∑i ＝15x i y i ＝1 380.于是可得＝∑i ＝15x i y i －5x y∑i ＝15x 2i －5x 2＝1 380－5×5×50145－52×5＝6.5，＝y －x ＝50－6.5×5＝17.5. 所以所求的经验回归方程为＝6.5x ＋17.5.(3)根据上面求得的经验回归方程，当广告费用支出为 10百万元时，＝6.5×10＋17.5＝82.5(百万元)，即广告费用支出为10百万元时，销售额大约为82.5百万元． 【当堂巩固训练】题7．已知x ，y 的取值如表所示：x 2 3 4 5 y2.23.85.5m若y 与x 线性相关，且回归直线方程为＝1.46x －0.61，则表格中实数m 的值为( ) A ．7.69 B ．7.5 C ．6.69 D ．6.5 【解析】选D .因为x ＝2＋3＋4＋54 ＝72， y ＝2.2＋3.8＋5.5＋m 4 ＝11.5＋m 4，所以11.5＋m 4 ＝1.46×72－0.61，解得m ＝6.5.题8．某药厂为了了解某新药的销售情况，将2019年2至6月份的销售额整理如下：月份 2 3 4 5 6 销售额(万元)1925353742根据2至6月份的数据可求得每月的销售额y 关于月份x 的线性回归方程＝x ＋为( )(参考公式及数据：＝∑i ＝1nx i y i －n x y∑i ＝1n x 2i －n （x ）2，＝y －x ，∑i ＝15x i y i ＝690，∑i ＝15x 2i ＝90)A ．＝5.8x ＋8.4B ．＝8.4x ＋5.8C ．＝6x －9D ．＝4x ＋31.6【解析】选A .由表格中的数据得x ＝2＋3＋4＋5＋65＝4，y ＝19＋25＋35＋37＋425＝31.6，所以＝∑i ＝15x i y i －5x y∑i ＝15x 2i －5（x）2＝690－5×4×31.690－5×42＝5.8， ＝31.6－5.8×4＝8.4，因此，y 关于x 的线性回归方程为＝5.8x ＋8.4.题9．登山族为了了解某山高y (km )与气温x (℃)之间的关系，随机统计了4次山高与相应的气温，并制作了对照表：气温x (℃) 18 13 10 －1 山高y (km )24343864由表中数据，得到线性回归方程＝－2x ＋()∈R ，由此请估计出山高为72(km )处气温的度数为( )A ．－10B ．－8C ．－4D ．－6【解析】选D .由题意可得x ＝10，y ＝40，所以＝y ＋2x ＝40＋2×10＝60.所以＝－2x ＋60，当＝72时，有－2x ＋60＝72，解得x ＝－6. 题10．根据如下的样本数据：x 1 2 3 y2.133.9得到的回归方程为＝bx ＋a ，则直线ax ＋by －3＝0经过定点( ) A ．(－1，－2)B ．(－1，2)C ．(1，－2)D ．(1，2)【解析】选D .由所给数据得x ＝2，y ＝3，3i 1=∑(x i －x )(y i －y )＝1.8，3i 1=∑(x i －x )2＝2，所以b ＝0.9，a ＝3－0.9×2＝1.2，所以直线ax ＋by －3＝0方程为1.2x ＋0.9y －3＝0，过点(1，2). 题11．某同学在研究学习中，收集到某制药厂今年5个月甲胶囊生产产量(单位：万盒)的数据如表所示：x (月份) 1 2 3 4 5 y (万盒)55668若x ，y 线性相关，线性回归方程为＝0.7x ＋，则以下为真命题的是( ) A ．x 每增加1个单位长度，则y 一定增加0.7个单位长度 B ．x 每增加1个单位长度，则y 必减少0.7个单位长度 C ．当x ＝6时，y 的预测值为8.1万盒 D ．线性回归直线＝0.7x ＋经过点(2，6)【解析】选C .由＝0.7x ＋，得x 每增(减)一个单位长度，y 不一定增加(减少)0.7，而是大约增加(减少)0.7个单位长度，故选项A ，B 错误；由已知表中的数据，可知x ＝1＋2＋3＋4＝55 ＝3，y ＝5＋5＋6＋6＋85＝6，则回归直线必过点(3，6)，故D 错误；将(3，6)代入回归直线＝0.7x ＋，解得＝3.9，即＝0.7x ＋3.9，令x ＝6，解得＝0.7×6＋3.9＝8.1万盒． 题12．下列说法：①设有一个回归方程＝3－5x ，变量x 增加一个单位时，y 平均增加5个单位； ②线性回归方程＝x ＋必过()x ，y ；③设某地女儿身高y 对母亲身高x 的一个回归直线方程是＝34.92＋0.78x ，则方程中的＝34.92可以解释为女儿身高不受母亲身高变化影响的部分． 其中正确的个数是( ) A ．0 B ．1 C ．2 D ．3【解析】选C .设有一个回归方程＝3－5x ，变量x 增加一个单位时，y 平均减少5个单位，故①错；线性回归方程＝x ＋必过样本中心点()x ，y ，故②正确；设某地女儿身高y 对母亲身高x 的一个回归直线方程是＝34.92＋0.78x ，当x ＝0时，＝34.92， 方程中的＝34.92可以解释为女儿身高不受母亲身高变化影响的部分，故③正确． 题13．(多选题．．．)两个相关变量x ，y 的5组对应数据如表：x 8.3 8.6 9.9 11.1 12.1 y5.97.88.18.49.8根据表格，可得回归直线方程＝x ＋，求得＝0.78.据此估计，以下结论正确的是( )A ．x ＝10B ．y ＝9C ．＝0.2D ．当x ＝15时，＝11.95【解析】选AC .易求得x ＝10，y ＝8⇒＝y －x ＝8－0.78×10＝0.2，所以＝0.78x ＋0.2. x ＝15⇒＝0.78×15＋0.2＝11.90.题14．(多选题．．．)已知x 与y 之间的几组数据如表：x 1 2 3 4 5 6 y21334假设根据表格数据所得线性回归直线方程为＝x ＋，若某同学根据上表中的前两组数据()1，0 和()2，2 求得的直线方程为y ＝b ′x ＋a ′，则以下结论正确的是()参考公式：＝∑i ＝1nx i y i －n x y∑i ＝1nx 2i －n （x）2，＝y －b x . A ．a ′＝－2 B ．b ′＝2 C ．>b ′ D ．>a ′【解析】选ABD .因为某同学根据前两组数据()1，0 和()2，2 求得的直线方程为y ＝b ′x ＋a ′，所以b ′＝2，a ′＝－2，根据题意得：x ＝3.5，y ＝136，∑i ＝16x i y i ＝0＋4＋3＋12＋15＋24＝58，∑i ＝16x 2i ＝1＋4＋9＋16＋25＋36＝91，所以＝∑i ＝16x i y i －6x y∑i ＝16x 2i －6（x）2＝57 ，＝y －x ＝136 －57 ×72 ＝－13 ，所以<b ′，>a ′. 【综合突破拔高】题15．对于指数曲线y ＝ae bx ，令U ＝ln y ，c ＝ln a ，经过非线性回归分析后，可转化的形式为( ) A ．U ＝c ＋bx B ．U ＝b ＋cx C ．y ＝c ＋bxD ．y ＝b ＋cx【解析】选A .由y ＝ae bx 得ln y ＝ln (ae bx )， 所以ln y ＝ln a ＋ln e bx ，所以ln y ＝ln a ＋bx ，所以U ＝c ＋bx .题16．若一函数模型为y ＝sin 2α＋2sinα＋1，为将y 转化为t 的经验回归方程，则需作变换t 等于( ) A ．sin 2αB ．(sinα＋1)2C ．⎝⎛⎭⎪⎫sin α＋12 2D ．以上都不对 【解析】选B .因为y 是关于t 的经验回归方程，实际上就是y 是关于t 的一次函数，又因为y ＝(sin α＋1)2，若令t ＝(sin α＋1)2，则可得y 与t 的函数关系式为y ＝t ，此时变量y 与变量t 是线性相关关系． 题17．在生物学上，有隔代遗传的现象．已知某数学老师的体重为62 kg ，他的曾祖父、祖父、父亲、儿子的体重分别为58 kg 、64 kg 、58 kg 、60 kg .如果体重是隔代遗传，且呈线性相关，根据以上数据可得解释变量x 与预报变量的回归方程为＝x ＋，其中＝0.5，据此模型预测他的孙子的体重约为( ) A ．58 kgB ．61 kgC ．65 kgD ．68 kg【解析】选B .由于体重是隔代遗传，且呈线性相关， 则取数据(58，58)，(64，62)，(58，60)，得x ＝58＋64＋583 ＝60，y ＝58＋62＋603 ＝60，即样本点的中心为(60，60)，代入＝x ＋， 得＝60－0.5×60＝30，则＝0.5x ＋30， 取x ＝62，可得＝0.5×62＋30＝61 kg . 故预测他的孙子的体重约为61 kg .题18．(多选题．．．)月亮公转与自转的周期大约为30天，阴历是以月相变化为依据．人们根据长时间的观测，统计了月亮出来的时间y (简称“月出时间”，单位：小时)与天数x (x 为阴历日数，x ∈N *，且0≤x ≤30)的有关数据，如表，并且根据表中数据，求得y 关于x 的线性回归方程为＝0.8x ＋．x 2 4 710 15 22 y8.19.41214.418.524其中，阴历22日是分界线，从阴历22日开始月亮就要到第二天(即23日0：00)才升起．则( ) A ．样本点的中心为()10，14.4 B ．＝6.8C ．预报月出时间为16时的那天是阴历13日D ．预报阴历27日的月出时间为阴历28日早上4：00 【解析】选AD .x ＝2＋4＋7＋10＋15＋226＝10，y ＝8.1＋9.4＋12＋14.4＋18.5＋246＝14.4，故样本点的中心为()10，14.4 ，选项A 正确；将样本点的中心()10，14.4 代入＝0.8x ＋得＝6.4，故选项B 错误；因为＝0.8x ＋6.4，当y ＝16时，求得x ＝12，月出时间为阴历12日，选项C 错误；因为阴历27日时，即x ＝27，代入＝0.8×27＋6.4＝28，日出时间应该为28日早上4：00，选项D 正确． 题19．对某台机器购置后的运行年限x (x ＝1，2，3，…)与当年利润Y 的统计分析知x ，Y 具备线性相关关系，经验回归方程为＝10.47－1.3x ，估计该台机器最为划算的使用年限为______年． 【解析】当年利润小于或等于零时应该报废该机器， 当y ＝0时，令10.47－1.3x ＝0，解得x ≈8， 故估计该台机器最为划算的使用年限为8年． 答案：8题20．以模型y ＝ce kx 去拟合一组数据时，为了求出非经验回归方程，设z ＝ln y ，其变换后得到经验回归方程＝0.3x ＋4，则c ＝________. 【解析】由题意，得ln (ce kx )＝0.3x ＋4，所以ln c ＋kx ＝0.3x ＋4，所以ln c ＝4，所以c ＝e 4. 答案：e 4题21．为了响应中央号召，某日深圳环保局随机抽查了本市市区汽车尾气排放污染物x (单位：ppm )与当天私家车路上行驶的时间y (单位：小时)之间的关系，从某主干路随机抽取10辆私家车，已知x 与y 之间具有线性相关关系，其回归直线方程为＝0.3x －0.4，若该10辆车中有一辆私家车的尾气排放污染物为6(单位：ppm )，据此估计该私家车行驶的时间为________小时．【解析】由＝0.3x －0.4，令x ＝6，代入可得＝0.3×6－0.4＝1.4.所以估计该私家车行驶的时间为1.4小时． 答案：1.4题22．某市农科所对冬季昼夜温差大小与某反季节大豆新品种发芽多少之间的关系进行分析研究，他们分别记录了12月1日至12月4日的每天昼夜温差与实验室每天每100颗种子中的发芽数，得到如下数据：日期 12月1日 12月2日12月3日12月4日温差 11 13 12 8 发芽数(颗)26322617根据表中12月1日至12月3日的数据，求得线性回归方程＝x ＋中的＝－8，则求得的＝________；若用12月4日的数据进行检验，检验方法如下：先用求得的线性回归方程计算发芽数，再求与实际发芽数的差，若差值的绝对值不超过2颗，则认为得到的线性回归方程是可靠的，则求得的线性回归方程________(填“可靠”或“不可靠”).【解析】由题得x ＝11＋13＋123 ＝12，y ＝26＋32＋263 ＝28，所以样本中心点为(12，28)，所以28＝×12－8，所以＝3；因为＝3x －8，所以12月4日的估计值为＝3×8－8＝16，又|17－16|＝1，没有超过2，所以求得的线性回归方程可靠． 答案：3 可靠题23．如表为收集到的一组数据：x 21 23 25 27 29 32 35 Y711212466115325试建立Y 与x【解析】作出散点图，如图．从散点图中可以看出x 与Y 不具有线性相关关系，根据已有知识可以发现样本点分布在某一条指数函数曲线的周围．令Z ＝ln Y ，则变换后的样本点分布在直线＝x ＋的周围，这样就可以利用线性经验回归模型来建立非线性经验回归方程了，数据可以转化为：x 21 232527 29 32 35 Z1.9462.3983.0453.1784.1904.7455.784求得经验回归方程为＝0.272x －3.849， 所以＝e0.272x －3.849.题24．宿州市公安局交警支队依据《中华人民共和国道路交通安全法》第90条规定：所有主干道路凡机动车途经十字路口或斑马线，无论转弯或者直行，遇有行人过马路，必须礼让行人，违反者将被处以100元罚款，记3分的行政处罚．如表是本市一主干路段监控设备所抓拍的5个月内，机动车驾驶员“不礼让行人”行为统计数据：月份x 1 2 3 45 违章驾驶员人数y1151101009085(1)若x 与y 之间具有很强的线性相关关系，请利用所给数据求违章驾驶员人数y 与月份x 之间的回归直线方程＝x ＋；(2)预测该路段8月份的“不礼让行人”违章驾驶员的人数．参考公式：＝∑i ＝1nx i y i －n x ·y∑i ＝1nx 2i －n （x）2，＝y －x ，参考数据：∑i ＝15x i y i ＝1 420.【解析】(1)由表中数据得：x ＝15()1＋2＋3＋4＋5 ＝3，y ＝15()115＋110＋100＋90＋85 ＝100，＝∑i ＝15x i y i－5x·y∑i＝15x2i－5（x）2＝1 420－5×3×10055－45＝－8，＝y－x＝100＋8×3＝124.所以y与x之间的回归直线方程为＝－8x＋124；(2)由(1)得，＝－8x＋124，令x＝8，得＝－8×8＋124＝60，预测该路段8月份的“不礼让行人”违章驾驶员人数为60人．。
(完整版)线性回归方程——非线性方程转化为线性方程
线性回归方程——非线性方程转化为线性方程例1．(2015·高考全国卷Ⅰ)某公司为确定下一年度投入某种产品的宣传费，需了解年宣传费x （单位：千元）对年销售量y （单位：t ）和年利润z （单位：千元）的影响，对近8年的宣传费x i 和年销售量y i (i =1,2,⋯,8)数据作了初步处理，得到下面的散点图及一些统计量的值.x̅ y ̅ w ̅46.6 563 6.8289.81.61469108.8表中w i =√x i ，w ̅ =18 ∑w i 8i=1，，I ）根据散点图判断，y =a +bx 与y =c +d √x ，哪一个适宜作为年销售量y 关于年宣传费x 的回归方程类型（给出判断即可，不必说明理由）；，II ）根据（I ）的判断结果及表中数据，建立y 关于x 的回归方程；（III ）已知这种产品的年利润z 与x ，y 的关系为z =0.2y −x ，根据（II ）的结果回答下列问题： （i ）年宣传费x =49时，年销售量及年利润的预报值是多少？ （ii ）年宣传费x 为何值时，年利润的预报值最大？附：对于一组数据(u 1,v 1) (u 2,v 2) ，…，(u n ,v n ) 其回归直线v =α+βu 的斜率和截距的最小二乘估计分别为：β̂=∑(u i −u)(v i −v)ni=1∑(u i −u)2ni=1，α̂=v −β̂u . 【答案】(Ⅰ)y =c +d √x 适宜作为年销售量y 关于年宣传费x 的回归方程类型；(Ⅱ)y ̂=100.6+68√x ；(Ⅲ)(i)答案见解析；(ii)46.24千元.【解析】（I ）由散点图可以判断，y =c +d √x 适宜作为年销售量y 关于年宣传费x 的回归方程类型. （II ）令w =√x ，先建立y 关于w 的线性回归方程，由于d̂=∑(w i −w)(y i −y)8i=1∑(w i −w)28i=1=108.81.6=68，∴ĉ=y −d ̂w =563−68×6.8=100.6， ∴y 关于w 的线性回归方程为y ̂=100.6+68w ， 因此y 关于x 的回归方程为y ̂=100.6+68√x .（III ）(ⅰ)由（II ）知，当x =49时，年销售量y 的预报值y ̂=100.6+68√49=576.6， 年利润z 的预报值为ẑ=576.6×0.2−49=66.32.，ⅱ）根据（II ）的结果知，年利润z 的预报值ẑ=0.2(100.6+68√x)−x =−x +13.6√x +20.12， 所以当√x =13.62=6.8，即x =46.24时，ẑ取得最大值. 故年宣传费为46.24千元时，年利润的预报值最大.例2．某地级市共有200000中小学生，其中有7%学生在2017年享受了“国家精准扶贫”政策，在享受“国家精准扶贫”政策的学生中困难程度分为三个等次：一般困难、很困难、特别困难，且人数之比为5:3:2，为进一步帮助这些学生，当地市政府设立“专项教育基金”，对这三个等次的困难学生每年每人分别补助1000元、1500元、2000元。
（整理）计量经济学第四章非线性回归模型的线性化
（整理）计量经济学第四章⾮线性回归模型的线性化第四章⾮线性回归模型的线性化以上介绍了线性回归模型。
但有时候变量之间的关系是⾮线性的。
例如 y t = α 0 + α11βt x + u t y t = α 0 t x e 1α+ u t上述⾮线性回归模型是⽆法⽤最⼩⼆乘法估计参数的。
可采⽤⾮线性⽅法进⾏估计。
估计过程⾮常复杂和困难，在20世纪40年代之前⼏乎不可能实现。
计算机的出现⼤⼤⽅便了⾮线性回归模型的估计。
专⽤软件使这种计算变得⾮常容易。
但本章不是介绍这类模型的估计。
另外还有⼀类⾮线性回归模型。
其形式是⾮线性的，但可以通过适当的变换，转化为线性模型，然后利⽤线性回归模型的估计与检验⽅法进⾏处理。
称此类模型为可线性化的⾮线性模型。
下⾯介绍⼏种典型的可以线性化的⾮线性模型。
4.1 可线性化的模型⑴指数函数模型y t = t t ubx ae + (4.1)b >0 和b <0两种情形的图形分别见图4.1和4.2。
显然x t 和y t 的关系是⾮线性的。
对上式等号两侧同取⾃然对数，得Lny t = Lna + b x t + u t (4.2)令Lny t = y t *, Lna = a *, 则y t * = a * + bx t + u t (4.3) 变量y t * 和x t 已变换成为线性关系。
其中u t 表⽰随机误差项。
010203040501234XY 1图4.1 y t =tt u bx ae+, (b > 0) 图4.2 y t =t+, (b < 0)⑵对数函数模型y t = a + b Ln x t+ u t(4.4)b>0和b<0两种情形的图形分别见图4.3和4.4。
x t和y t的关系是⾮线性的。
令x t* = Lnx t, 则y t = a + b x t* + u t(4.5)变量y t和x t* 已变换成为线性关系。
图4.3 y t = a + b Lnx t + u t , (b > 0) 图4.4 y t = a + b Lnx t + u t , (b < 0)⑶幂函数模型y t= a x t b t u e(4.6) b取不同值的图形分别见图4.5和4.6。
第5讲：线性与非线性回归分析初步(第2次课)
掌握非线性回归函数 nlinfit polyfit lsqcurvefit
非线性回归( nonlinear regression )
前面假定因变量和自变量之间的相关关系可以 用线性方程来近似地反映，但是，在现实生活中， 非线性关系是大量存在的，在许多场合，非线性 与 第 的回归函数比线性回归函数更能够正确地反映客 非 五 观现象之间的相互联系。
非线性回归( nonlinear regression )
非线性回归通常需要猜测未知的初始值，然后 反复迭代，每次迭代都会修正当前的估计值，直至 算法收敛为止。但是，如果设定的参数初始值不当 则计算难以收敛，无法求得正确结果(或陷入局部 与第 非 五 最优)，在实际应用当中，对大多数用户来说，给 线 讲 出(猜出)恰当的初始值是件相当困难的事 。
线 性 回 归 讲 一 元 多 元 线 性 回 归
2
非线性回归模型是回归函数关于未知参数具有 非线性结构的回归模型，模型的拟合一般很困难。 处理非线性回归的通行方法是，通过变量变换， 将非线性回归转化为 y f ( x1 , x2 ,..., xn ) 线性回归，然后用线 ~ N (0, 2 ) 性回归方法处理。
首先: 编写被调M函数文件reacfun.m
function yhat=reacfun(b,x) x1=x(:,1); x2=x(:,2); x3=x(:,3); yhat=(b(1)*x2-x3/b(5))./(1+b(2)*x1+b(3)*x2+b(4)*x3);
然后: 导入数据并利用nlinfit进行非线性回归
与 非 线 性 回 归 第 五 讲 一 元 应用：试估计氢255、n-戊烷230和异戊烷70时的该 多 元 物质的反应速度？f(255,130,70) % ans = 2.4895 线 性 回 归
非线性回归方程的线性化
School of Microelectronics and Solid-State Electronics
3
第五章 回归分析方法
回归分析处理的是变量与变量间的关系。变量 间常见的关系有两类：确定性关系与相关关系。
变量间的相关关系不能用完全确切的函数形式表 示，但在平均意义下有一定的定量关系表达式，寻 找这种定量关系表达式就是回归分析的主要任务。
1
第五章 回归分析方法
5.1 一元线性回归
5.1.1 引言
确定关系
变量之间的关系
相关关系
S πr 2
确定性关系
身高和体重 相关关系
相关关系的特征是: 变量之间的关系很难用一
种精确的方法表示出来.
School of Microelectronics and Solid-State Electronics
回归分析便是研究变量间相关关系的一门学科 。它通过对客观事物中变量的大量观察或试验获 得的数据，去寻找隐藏在数据背后的相关关系，
给出它们的表达形式——回归函数的估计。
School of Microelectronics and Solid-State Electronics
4
第五章 回归分析方法
8
第五章 回归分析方法
如何制订含碳量的控制标准？
为达到以上质量控制要求，就需要制定该合 金钢冶炼中含碳量的工艺控制标准，也即要 确定在冶炼中应将含碳量控制在什么范围内 ，可以有99%的把握使抗拉强度和延伸率这两 项指标都达到要求。 这是一个典型的产品质量控制问题，可以使 用回归分析方法求解。
School of Microelectronics and Solid-State Electronics
线性回归方程——非线性方程转化为线性方程
资料范本本资料为word版本，可以直接编辑和打印，感谢您的下载线性回归方程——非线性方程转化为线性方程地点：__________________时间：__________________说明：本资料适用于约定双方经过谈判，协商而共同承认，共同遵守的责任与义务，仅供参考，文档可直接下载或修改，不需要的部分可直接删除，使用时请详细阅读内容线性回归方程——非线性方程转化为线性方程例1．(2015·高考全国卷Ⅰ)某公司为确定下一年度投入某种产品的宣传费，需了解年宣传费x（单位：千元）对年销售量y（单位：t）和年利润z （单位：千元）的影响，对近8年的宣传费xi和年销售量yii=1,2,⋯,8数据作了初步处理，得到下面的散点图及一些统计量的值.表中wi=xi ，w =18 i=18wi．（I）根据散点图判断，y=a+bx与y=c+dx，哪一个适宜作为年销售量y关于年宣传费x的回归方程类型（给出判断即可，不必说明理由）；（II）根据（I）的判断结果及表中数据，建立y关于x的回归方程；（III）已知这种产品的年利润z与x，y的关系为z=0.2y-x ，根据（II）的结果回答下列问题：（i）年宣传费x=49时，年销售量及年利润的预报值是多少？（ii）年宣传费x为何值时，年利润的预报值最大？附：对于一组数据(u1,v1),(u2,v2)，…，(un,vn),其回归直线v=α+βu 的斜率和截距的最小二乘估计分别为：β=i=1n(ui-u)(vi-v)i=1n(ui-u)2，α=v-βu.【答案】(Ⅰ)y=c+dx适宜作为年销售量y关于年宣传费x的回归方程类型；(Ⅱ)y=100.6+68x；(Ⅲ)(i)答案见解析；(ii)46.24千元.【解析】（I）由散点图可以判断，y=c+dx适宜作为年销售量y关于年宣传费x的回归方程类型.（II）令w=x，先建立y关于w的线性回归方程，由于d=i=18(wi-w)(yi-y)i=18(wi-w)2=108.81.6=68，∴c=y-dw=563−68×6.8=100.6，∴y关于w的线性回归方程为y=100.6+68w，因此y关于x的回归方程为y=100.6+68x.（III）(ⅰ)由（II）知，当x=49时，年销售量y的预报值y=100.6+6849=576.6，年利润z的预报值为z=576.6×0.2-49=66.32.（ⅱ）根据（II）的结果知，年利润z的预报值z=0.2(100.6+68x)-x=-x+13.6x+20.12，所以当x=13.62=6.8，即x=46.24时，z取得最大值. 故年宣传费为46.24千元时，年利润的预报值最大.例2．某地级市共有200000中小学生，其中有7%学生在2017年享受了“国家精准扶贫”政策，在享受“国家精准扶贫”政策的学生中困难程度分为三个等次：一般困难、很困难、特别困难，且人数之比为5:3:2，为进一步帮助这些学生，当地市政府设立“专项教育基金”，对这三个等次的困难学生每年每人分别补助1000元、1500元、2000元。
非线性数学模型的线性化
第2章 辅导机械系统机械旋转系统如图所示。
为一圆柱体被轴承支撑并在黏性介质中转动。
当力矩作用于系统时，产生角位移。
求该系统的微分方程式。
解 根据牛顿第二定律，系统的诸力矩之和为22s )()()(T -T (t)dtt d J t T t d θ=- 式中：J ——转动系统的惯性矩；扭矩)()(T s t K t θ=， K ——扭簧的弹性系数； 黏性摩擦阻尼力矩dtt d B t T d )()(θ=，B因此该系统的运动方程式为)()()()(22t T tK dt t d B dt td J =++θθθ （2－2）电气系统电气系统的基本元件是电阻、电容、电感以及电动机等，支配电气系统的基本定律是基尔霍夫电路定律。
图为一具有电阻－电感－电容的无源网络，求以电压u 为输入，u c 为输出的系统微分方程式。
解 根据基尔霍夫电路定律，有 C u R i dtdiL t u +⋅+⋅=)( 而 dtdu Ci c=，则上式可写成如下形式 22u dt du RC dt u d LCC cc =++ （2－3）上式表示了RLC 电路的输入量和输出量之间的关系。
编写控制系统微分方程的一般步骤为：(l) 首先确定系统的输入量和输出量；(2) 将系统划分为若干个环节，确定每一环节的输入量和输出量。
确定输入量和输出量时，应使前一环节的输出量是后一环节的输入量。
(3) 写出每一环节(或元件)描述输出信号和输入信号相互关系的运动方程式；找出联系输出量与输入量的内部关系，并确定反映这种内在联系的物理规律。
而这些物理定律的数学表达式就是环节(或元件)的原始方程式。
在此同时再做一些数学上的处理，如非线性函数的线性化。
考虑忽略一些次要因素。
使方程简化的可能性和容许程度。
(4) 消去中间变量，列出各变量间的关系式。
设法消去中间变量，最后得到只包含输入量和输出量的方程式。
于是，就得到所要建立的元件或系统的数学模型了。
非线性数学模型的线性化1、一般运动方程式化为增量方程式的步骤 以下式为例)()()()(22t ky dt t dy B dtt y d M t F ++= (1) 确定额定点，写出静态方程式：设额定点为(F 。
线性回归计算方法及公式
• 多元线性回归方程的评价
评价回归方程的优劣、好坏可用确定系 数R2和剩余标准差Sy,x1,2..p 。 Sy,x1,2. p ＝SQRT（SS误差／n-p-1） 如用于预测，重要的是组外回代结果。
回归方程中自变量的选择
• 多元线性回归方程中并非自变量越多越 好，原因是自变量越多剩余标准差可能 变大；同时也增加收集资料的难度。故 需寻求“最佳”回归方程，逐步回归分 析是寻求“较佳”回归方程的一种方法。
• 逐步引入－剔除法（stepwise selection) 先规定两个阀值F引入和F剔除，当候选变 量中最大F值＞＝F引入时，引入相应变量； 已进入方程的变量最小F＜＝F剔除时，剔 除相应变量。如此交替进行直到无引入 和无剔除为止。（ 因素分析 • 调整混杂因素的作用 • 统计预测
2、偏回归系数的显著性检验：目的是检验回 归模型中自变量的系数是否为零，等价于总 体优势比OR是否为零。 H0：B等于零 H1：B不等于零 A、wald检验： B、Score test: C、likelihood ratio test(wald chi-square test):
回归模型中自变量的筛选
logistic回归模型参数的意义
优势比（odds ratio, OR)：暴露人群发病优势与非暴露 人群发病优势之比。
P(1) / [1-p(1)] OR= ——————— P(0) / [1-p(0)]
Ln(oR)=logit[p(1)]-logit[p(0)]=(B0+B×1) －(B0+B×0)=B 可见 B 是暴露剂量增加一个单位所引起的对数优势的增 量，或单位暴露剂量与零剂量死亡优势比的对数。eB就 是两剂量死亡优势比。常数项B0是所有变量 X等于零时 事件发生优势的对数。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
性回方程——非性方程化性方程
例 1．(2015 ·高考全国卷Ⅰ )某公司确定下一年度投入某种品的宣
，需了解年宣 x（位：千元）年售量 y（位： t ）和年利 z（位：千元）的影响，
近 8 年的宣和年售量
数据作了初步理，得到下面的散点及一些量
的 .
5631469
表中 =，=．
（ I）根据散点判断，与，哪一个适宜作年售量y 关于年宣x 的回方程型（出判断即可，不必明理由）；
（ II）根据（ I）的判断果及表中数据，建立y 关于 x 的回方程；
（ III）已知种品的年利z 与 x， y 的关系，根据（ II ）的果回答下列：
（ i）年宣，年售量及年利的是多少
（ ii）年宣何，年利的最大
附：于一数据,，⋯，, 其回直的斜率和截距的最小二乘估分：
，.
【答案】 (Ⅰ )适宜作年售量关于年宣的回方程型； (Ⅱ )； (Ⅲ )(i)答案解析； (ii)千元 .
【解析】（ I）由散点可以判断，适宜作年售量关于年宣的回方程型 .
（ II）令，先建立关于的性回方程，由于=68，
∴=563-68 ×=，∴ 关于的性回方程，
因此关于的回方程.
（ III） (ⅰ )由（ II）知，当 =49 ，年售量的=，
年利 z 的.
（ⅱ）根据（ II）的果知，年利 z 的，
所以当，即，取得最大 .故年宣千元，年利的最大.
例 2．某地级市共有200000 中小学生，其中有7%学生在 2017 年享受了“国家精准扶贫”政策，在享受“国家精准扶贫”政策的学生中困难程度分为三个等次：一般困难、很困难、特别困难，且人数之比为5:3:2 ，为进一步帮助这些学生，当地市政府设立“专项教育基金”，对这三个等次的困难学生每年每人分别补助1000 元、 1500 元、 2000 元。
经济学家调查发现，当地人均可支配年收入较上一年每增加，一般困难的学生中
有会脱贫，脱贫后将不再享受“精准扶贫”政策，很困难的学生中有转为一
般困难，特别困难的学生中有转为很困难。
现统计了该地级市2013 年到2017
年共 5 年的人均可支配年收入，对数据初步处理后得到了如图所示的散点图和表中
统计量的值，其中年份取 13 时代表2013 年，与（万元）近似满足关系式
，其中为常数。
（ 2013 年至 2019 年该市中学生人数大致保持不变）
其中，
（Ⅰ）估计该市2018 年人均可支配年收入；
（Ⅱ）求该市2018 年的“专项教育基金”的财政预算大约为多少
附：对于一组具有线性相关关系的数据，其回归直线方程的斜率和截距的最小二乘估计分别为
【答案】（Ⅰ）（万） ;（Ⅱ） 1624 万 .
【详解】（Ⅰ）因为，所以.
由得，所以，，
所以，所以.当时，2018年人均可支配年收入
（Ⅱ）由题意知2017 年时该市享受“国家精准扶贫”政策的学生共200000×7%=14000人
一般困难、很困难、特别困难的中学生依次有7000 人、 4200 人、 2800 人，2018 年人均可支配收入比（万）2017 年增
长
所以 2018 年该市特别困难的中学生有 2800×(1-10%)=2520人，很困难的学生有 4200×(1-20%)+2800×10%=3640人
一般困难的学生有7000×(1-30%)+4200×20%=5740人 .
所以 2018 年的“专项教育基金”的财政预算大约为5740×1000+3640×1500+2520×2000=1624万 .
例3．近期，某公交公司分别推出支付宝和徽信扫码支付乘车活动，活动设置了一段时间的推广期，由于推广期内
优惠力度较大，吸引越来越多的人开始使用扫码支付．某线路公交车队统计了活动刚推出一周内每一天使用扫码支
付的人次，用x 表示活动推出的天数，y 表示每天使用扫码支付的人次(单位：十人次)，统计数据如表l 所示：表1
根据以上数据，绘制了如右图所示的散点图．
(1)根据散点图判断，在推广期内，(c，d均为大于零的常数)
哪一个适宜作为扫码支付的人次y 关于活动推出天数x 的回归方程类型(给出判断
即可，不必说明理由)；
(2)根据 (1)的判断结果及表 1 中的数据，求y 关于x 的回归方程，并预测活动推出
第8 天使用扫码支付的人次；
参考数据：
其中
参考公式：对于一组数据，其回归直线的斜率和截距的最小二乘估计公式分别为：.
【答案】（ 1）（2）
【详解】（ 1）根据散点图判断，适宜作为扫码支付的人数（ 2），两边同时取常用对数得：关于活动推出天数
；
的回归方程类型；
设
，，
把样本中心点
，代入,得 :
，
，
关于的回归方程式：
把代入上式，；活动推出第
；
天使用扫码支付的人次为；
例 4．近年来，随着我国汽车消费水平的提高，二手车流通行业得到迅猛发展．某汽车交易市场对2017 年成交的
二手车交易前的使用时间（以下简称“使用时间”）进行统计，得到频率分布直方图如图1．
图 1图2
（ 1）记“在年成交的二手车中随机选取一辆，该车的使用年限在”为事件，试估计的概率；
（ 2）根据该汽车交易市场的历史资料，得到散点图如图2，其中(单位：年 )表示二手车的使用时间，(单位：万
元 )表示相应的二手车的平均交易价格．由散点图看出，可采用作为二手车平均交易价格关于其使用年限
的回归方程，相关数据如下表（表中，）：
① 根据回归方程类型及表中数据，建立关于的回归方程；
②该汽车交易市场对使用8 年以内 (含 8 年 )的二手车收取成交价格的佣金，对使用时间8 年以上 (不含 8 年 )的二手车收取成交价格的佣金．在图 1 对使用时间的分组中，以各组的区间中点值代表该组的各个值．若以2017年的数据作为决策依据，计算该汽车交易市场对成交的每辆车收取的平均佣金．
附注：① 对于一组数据，其回归直线的斜率和截距的最小二乘估计分别为
；② 参考数据：．
【答案】（ 1）；（ 2）万元
【详解】（ 1）由频率分布直方图得，该汽车交易市场2017 年成交的二手车使用时间在的频率为，在的频率为,所以．
（ 2）①由得，即关于的线性回归方程为．
因为，
所以关于的线性回归方程为
② 根据① 中的回归方程和图
，即关于的回归方程为1，对成交的二手车可预测：
使用时间在的平均成交价格为，对应的频率为；
使用时间在的平均成交价格为，对应的频率为；
使用时间在的平均成交价格为，对应的频率为；
使用时间在的平均成交价格为，对应的频率为；使用时间在的平均成交价格为，对应的频率为
所以该汽车交易市场对于成交的每辆车可获得的平均佣金为
万元
例 5．菜农定期使用低害杀虫农药对蔬菜进行喷洒，以防止害虫的危害，但采集上市时蔬菜仍存有少量的残留农药，食用时
需要用清水清洗干净，下表是用清水 x(单位：千克 )清洗该蔬菜 1 千克后，蔬菜上残留的农药 y(单位：微克)的数据作了初步处理，得到下面的散点图及一些统计量的值．
y（微克）
x（千克）
3381110374－ 121－751
其中
（ I）根据散点图判断，与，哪一个适宜作为蔬菜农药残量与用水量的回归方程类型（给出判
断即可，不必说明理由）；
(Ⅱ )若用解析式作为蔬菜农药残量与用水量的回归方程，求出与的回归方程．(c， d 精确到
(Ⅲ )对于某种残留在蔬菜上的农药，当它的残留量低于20 微克时对人体无害，为了放心食用该蔬菜，请估计需要用多少千克的清水清洗一千克蔬菜(精确到，参考数据)
附：参考公式：回归方程中斜率和截距的最小二乘估计公式分别为：
【答案】（ 1）见解析；（2）；（3）需要用4． 5 千克的清水清洗一千克蔬菜.
【详解】
（ I）根据散点图判断适宜作为蔬菜农药残量与用水量的回归方程类型；
（Ⅱ）令，先建立y 关于 w 的线性回归方程，
由于，∴．∴ y 关于w 的线性回归方程为，
∴ y 关于x 的回归方程为．
(Ⅲ)当时，，
∴ 为了放心食用该蔬菜，估计需要用4．5千克的清水清洗一千克蔬菜。