线性回归方程
高中数学线性回归方程线性回归方程公式详解
高中数学线性回归方程线性回归方程公式详解
线性回归方程是一种用于拟合一组数据的最常见的数学模型，它可以用来预测一个因变量（例如销售额）和一个或多个自变量（例如广告费用）之间的关系。
下面是线性回归方程的公式详解：
假设有n个数据点，每个数据点包含一个因变量y和k个自变量x1,x2,...,xk。
线性回归方程可以表示为：
y = β0 + β1*x1 + β2*x2 + ... + βk*xk + ε
其中，β0, β1, β2, ..., βk是模型的系数，ε是误差项，用来表示实际数据和模型预测之间的差异。
系数β0表示当所有自变量均为0时的截距，而β1, β2, ..., βk 则表示每个自变量对因变量的影响。
当系数为正时，自变量增加时因变量也会增加；而当系数为负时，自变量增加时因变量会减少。
通常，我们使用最小二乘法来估计模型的系数。
最小二乘法就是通过最小化所有数据点与模型预测之间的距离来找到最优的系数。
具体来说，我们可以使用以下公式来计算系数：
β = (X'X)-1 X'y
其中，X是一个n×(k+1)的矩阵，第一列全为1，其余的列为自变量x1,x2,...,xk。
y是一个n×1的向量，每一行对应一个因
变量。
X'表示X的转置，-1表示X的逆矩阵，而β则是一个(k+1)×1的向量，包含所有系数。
当拟合出线性回归方程后，我们可以使用它来预测新的数据点的因变量。
具体来说，我们可以将自变量代入方程中，计算出相应的因变量值。
如果模型的系数是可靠的，我们可以相信这些预测结果是比较准确的。
线性回归方程-高中数学知识点讲解
线性回归方程
1．线性回归方程
【概念】
线性回归是利用数理统计中的回归分析，来确定两种或两种以上变数间相互依赖的定量关系的一种统计分析方法之一，运用十分广泛．分析按照自变量和因变量之间的关系类型，可分为线性回归分析和非线性回归分析．如果在回归分析中，只包括一个自变量和一个因变量，且二者的关系可用一条直线近似表示，这种回归分析称为一元线性回归分析．如果回归分析中包括两个或两个以上的自变量，且因变量和自变量之间是线性关系，则称为多元线性回归分析．变量的相关关系中最为简单的是线性相关关系，设随机变量与变量之间存在线性相关关系，则由试验数据得到的点将散布在某一直线周围．因此，可以认为关于的回归函数的类型为线性函数．
【实例解析】
例：对于线性回归方程푦=1.5푥+45，푥1∈{1，7，5，13，19}，则푦=
解：푥=1+7+5+13+19
5
=
9，因为回归直线必过样本中心（푥，푦），
所以푦=1.5×9+45=13.5+45=58.5．
故答案为：58.5．
方法就是根据线性回归直线必过样本中心（푥，푦），求出푥，代入即可求푦．这里面可以看出线性规划这类题解题方法比较套路化，需要熟记公式．
【考点点评】
这类题记住公式就可以了，也是高考中一个比较重要的点．
1/ 1。
高中数学：线性回归方程
高中数学：线性回归方程线性回归是利用数理统计中的回归分析来确定两种或两种以上变数间相互依赖的定量关系的一种统计分析方法，是变量间的相关关系中最重要的一部分，主要考查概率与统计知识，考察学生的阅读能力、数据处理能力及运算能力，题目难度中等，应用广泛．一线性回归方程公式二规律总结(3)回归分析是处理变量相关关系的一种数学方法．主要用来解决：①确定特定量之间是否有相关关系，如果有就找出它们之间贴近的数学表达式；②根据一组观察值，预测变量的取值及判断变量取值的变化趋势；③求线性回归方程．线性回归方程的求法1四线性回归方程的应用例2例3例4例5例6推导2个样本点的线性回归方程例7 设有两个点A（x1，y1），B（x2，y2），用最小二乘法推导其线性回归方程并进行分析。
解：由最小二乘法，设，则样本点到该直线的“距离之和”为从而可知：当时，b有最小值。
将代入“距离和”计算式中，视其为关于b的二次函数，再用配方法，可知：此时直线方程为：设AB中点为M，则上述线性回归方程为可以看出，由两个样本点推导的线性回归方程即为过这两点的直线方程。
这和我们的认识是一致的：对两个样本点，最好的拟合直线就是过这两点的直线。
上面我们是用最小二乘法对有两个样本点的线性回归直线方程进行了直接推导，主要是分别对关于a和b的二次函数进行研究，由配方法求其最值及所需条件。
实际上，由线性回归系数计算公式：可得到线性回归方程为设AB中点为M，则上述线性回归方程为。
求回归直线方程例8 在硝酸钠的溶解试验中，测得在不同温度下，溶解于100份水中的硝酸钠份数的数据如下0 4 10 15 21 29 36 51 6866.7 71.0 76.3 80.6 85.7 92.9 99.4 113.6 125.1 描出散点图并求其回归直线方程.解：建立坐标系，绘出散点图如下：由散点图可以看出：两组数据呈线性相关性。
设回归直线方程为：由回归系数计算公式：可求得：b=0.87，a=67.52，从而回归直线方程为：y=0.87x+67.52。
线性回归方程公式
线性回归方程公式线性回归是一种用于预测连续数值变量的统计方法。
它基于一个线性的数学模型，通过寻找最佳的拟合直线来描述自变量和因变量之间的关系。
线性回归方程公式为：Y=β0+β1X1+β2X2+...+βnXn+ε其中，Y是因变量，X1,X2,...,Xn是自变量，β0,β1,β2,...,βn是回归系数，ε是误差项。
回归系数表示自变量对因变量的影响程度。
线性回归的基本假设是：1.线性关系：自变量和因变量之间存在线性关系，即因变量的变化可以通过自变量的线性组合来解释。
2.残差独立同分布：误差项ε是独立同分布的，即误差项之间不存在相关性。
3.残差服从正态分布：误差项ε服从正态分布，即在每个自变量取值下，因变量的观测值呈正态分布。
4.残差方差齐性：在每个自变量取值下，因变量的观测值的方差是相等的。
线性回归的求解方法是最小二乘法，即通过最小化实际观测值与回归方程预测值之间的平方差来估计回归系数。
具体步骤如下：1.数据收集：收集自变量和因变量的观测数据。
2.模型设定：根据自变量和因变量之间的关系设定一个线性模型。
3.参数估计：通过最小化平方误差来估计回归系数。
4.模型检验：通过检验残差的随机性、正态性和方差齐性等假设来检验模型的合理性。
5.模型拟合：利用估计的回归系数对未知自变量的观测值进行预测。
6.模型评估：通过评估预测结果的准确性来评估模型的性能。
Y=β0+β1X1+β2X2+...+βnXn+ε其中，Y是因变量，X1,X2,...,Xn是自变量，β0,β1,β2,...,βn 是回归系数，ε是误差项。
多元线性回归方程可以更准确地描述自变量和因变量之间的关系。
除了最小二乘法，还有其他方法可以用来求解线性回归模型，如梯度下降法和最大似然估计法等。
这些方法可以在不同的情况下选择使用，以获得更好的回归模型。
线性回归是一种经典的预测分析方法，被广泛应用于各个领域，如经济学、金融学、社会科学、自然科学等。
通过建立合适的线性回归模型，可以帮助我们理解自变量和因变量之间的关系，并用于预测未来的趋势和变化。
线性回归方程公式
线性回归方程公式线性回归是一种常见的统计学方法，用于建立一个预测目标变量与一个或多个自变量之间的线性关系模型。
它是一种广泛应用的回归方法，适用于各种领域，如经济学、金融学、社会学、生物学和工程学等。
线性回归模型可以表示为以下形式：Y = b0 + b1*X1 + b2*X2+ ... + bp*Xp，其中Y是目标变量，X1、X2、...、Xp是自变量，b0、b1、b2、...、bp是回归系数。
这个方程描述了目标变量Y与自变量X之间的线性关系，通过调整回归系数的值可以拟合数据并预测未知数据的值。
线性回归模型的目标是找到最佳拟合直线，使得预测值与实际观测值之间的误差最小化。
常用的误差衡量指标是残差平方和（RSS），也可以使用其他指标如平均绝对误差（MAE）和均方根误差（RMSE）。
线性回归模型的建立过程包括两个主要步骤：参数估计和模型评估。
参数估计是通过最小化误差来确定回归系数的值。
最常用的方法是最小二乘法，通过最小化残差平方和来估计回归系数。
模型评估是用来评估模型的拟合优度和预测能力，常用的指标包括决定系数（R^2）、调整决定系数（Adjusted R^2）和F统计量。
线性回归模型的假设包括线性关系、误差项的独立性、误差项的方差恒定以及误差项服从正态分布。
如果这些假设不成立，可能会导致模型的拟合效果不佳或不可靠的预测结果。
对于线性回归模型的建立，首先需要收集相关的数据，然后进行数据的处理和变量选择。
数据处理包括缺失值处理、异常值处理和变量转换等。
变量选择是通过统计方法或经验判断来选择对目标变量有影响的自变量。
常见的变量选择方法包括逐步回归、岭回归和lasso回归等。
在建立模型之后，需要对模型进行评估和验证。
评估模型的拟合优度是通过决定系数和F统计量来实现的，较高的决定系数和较小的F统计量表明模型的拟合效果较好。
验证模型的预测能力可以使用交叉验证等方法。
线性回归模型还有一些扩展形式，如多项式回归、加权回归和广义线性回归等。
线性回归方程公式_数学公式
线性回归方程公式_数学公式线性回归方程公式线性回归方程公式：b=(x1y1+x2y2+...xnyn-nXY)/(x1+x2+...xn-nX)。
线性回归方程公式求法：第一：用所给样本求出两个相关变量的(算术)平均值：x_=(x1+x2+x3+...+xn)/ny_=(y1+y2+y3+...+yn)/n第二：分别计算分子和分母：(两个公式任选其一)分子=(x1y1+x2y2+x3y3+...+xnyn)-nx_Y_分母=(x1^2+x2^2+x3^2+...+xn^2)-n__x_^2第三：计算b：b=分子/分母用最小二乘法估计参数b，设服从正态分布，分别求对a、b的偏导数并令它们等于零。
其中，且为观测值的样本方差.线性方程称为关于的线性回归方程，称为回归系数，对应的直线称为回归直线.顺便指出，将来还需用到，其中为观测值的样本方差。
先求x，y的平均值X，Y再用公式代入求解:b=(x1y1+x2y2+...xnyn-nXY)/(x1+x2+...xn-nX)后把x，y的平均数X，Y代入a=Y-bX求出a并代入总的公式y=bx+a得到线性回归方程(X为xi的平均数，Y为yi的平均数)线性回归方程的应用线性回归方程是回归分析中第一种经过严格研究并在实际应用中广泛使用的类型。
这是因为线性依赖于其未知参数的模型比非线性依赖于其位置参数的模型更容易拟合，而且产生的估计的统计特性也更容易确定。
线性回归有很多实际用途。
分为以下两大类：如果目标是预测或者映射，线性回归可以用来对观测数据集的和X的值拟合出一个预测模型。
当完成这样一个模型以后，对于一个新增的X值，在没有给定与它相配对的y的情况下，可以用这个拟合过的模型预测出一个y值。
给定一个变量y和一些变量X1,...,Xp，这些变量有可能与y相关，线性回归分析可以用来量化y与Xj之间相关性的强度，评估出与y不相关的Xj，并识别出哪些Xj的子集包含了关于y的冗余信息。
高三线性回归方程知识点
高三线性回归方程知识点线性回归是数学中的一种方法，用于建立一个自变量与因变量之间的关系。
在高三数学中，线性回归方程是一个重要的知识点。
本文将介绍高三线性回归方程的基本概念、推导过程以及应用范围。
一、基本概念1. 线性回归方程线性回归方程，也叫作线性回归模型，表示自变量x和因变量y之间的关系。
它可以用如下的一般形式表示：y = β0 + β1x + ε其中，y表示因变量，x表示自变量，β0和β1表示模型中的参数，ε表示误差项。
2. 参数估计线性回归方程中的参数β0和β1需要通过观测数据进行估计。
常用的方法是最小二乘法，即通过最小化实际观测值和预测值之间的差异，来得到最优的参数估计值。
二、推导过程1. 求解参数通过最小二乘法，可以得到线性回归方程中的参数估计值。
具体推导过程包括以下几个步骤：（1）确定目标函数：将观测值和预测值之间的差异平方和作为目标函数。
（2）对目标函数求偏导：对目标函数分别对β0和β1求偏导，并令偏导数为0。
（3）计算参数估计值：根据求得的偏导数为0的方程组，解出β0和β1的值。
2. 模型拟合度评估在得到参数估计值之后，需要评估线性回归模型的拟合度。
常用的指标包括相关系数R和残差平方和SSE等。
相关系数R可以表示自变量和因变量之间的线性相关程度，取值范围在-1到1之间，越接近1表示拟合度越好。
三、应用范围线性回归方程在实际问题中有广泛的应用，例如经济学、统计学、社会科学等领域。
它可以用来分析自变量和因变量之间的关系，并预测未来的结果。
1. 经济学应用在线性回归模型中，可以将自变量设置为经济指标，例如GDP、通货膨胀率等，将因变量设置为某一经济现象的数值。
通过构建线性回归方程，可以分析不同经济指标对经济现象的影响，为经济决策提供参考依据。
2. 统计学应用线性回归方程是统计学中的一项重要工具。
通过对观测数据的拟合，可以得到参数估计值，并进一步分析自变量和因变量之间的关系。
统计学家可以利用线性回归分析建立统计模型，为实验数据的解释提供更为准确的结论。
线性回归方程.附答案docx
线性回归方程一、考点、热点回顾一、相关关系：1、⎩⎨⎧<=1||1||r r 不确定关系：相关关系确定关系：函数关系2、相关系数：∑∑∑===-⋅---=ni ini ini iiy y x x y y x x r 12121)()())((，其中：（1）⎩⎨⎧<>负相关正相关00r r ；（2）相关性很弱；相关性很强；3.0||75.0||<>r r3、散点图：初步判断两个变量的相关关系。
二、线性回归方程：1、回归方程：a x b yˆˆˆ+= 其中2121121)())((ˆxn x yx n yx x x y yx x bn i i ni ii n i i ni ii--=---=∑∑∑∑====，x b y aˆˆ-=（代入样本点的中心） 2、残差：（1）残差图：横坐标为样本编号，纵坐标为每个编号样本对应的残差。
（2）残差图呈带状分布在横轴附近，越窄模型拟合精度越高。
（3）残差平方和∑=-ni i iyy12)ˆ(越小，模型拟合精度越高。
3、相关指数：∑∑==---=n i ini i iy yyyR 12122)()ˆ(1（1）其中：∑=-ni i iyy12)ˆ(为残差平方和；∑=-ni i y y 12)(为总偏差平方和。
（2）)1,0(2∈R ，越大模型拟合精度越高。
二、典型例题+拓展训练典型例题1：在一组样本数据),,,2)(,(),,(),,(212211不全相等n n n x x x n y x y x y x ≥的散点图中，若所有样本点),2,1)(,(n i y x i i =都在直线121+-=x y 上，则样本相关系数为（ ） 21.21.1.1.--D C B A典型例题2：设某大学的女生体重)(kg y 与身高)(cm x 具有线性相关关系，根据一组样本数据)2,1)(,(n i y x i i =，用最小二乘法建立的回归方程为71.8585.0ˆ-=x y ，则不正确的是（ ）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),(y xC.若该大学某女生身高增加1cm,则其体重约增加0.85kgD.若该大学某女生身高为170cm,则可断定其体重必为58.79kg扩展2.一台机器使用时间较长，但还可以使用.它按不同的转速生产出来的某机械零件有一些会有缺点，每小时生产有缺点零件的多少，随机器运转的速度而变化，下表为抽样试（1）对变量y 与x 进行相关性检验；（2）如果y 与x 有线性相关关系，求回归直线方程；（3）若实际生产中，允许每小时的产品中有缺点的零件最多为10个，那么，机器的运转速度应控制在什么范围内？典型例题3.为了对x 、Y 两个变量进行统计分析，现有以下两种线性模型： 6.517.5y x =+，717y x =+，试比较哪一个模型拟合的效果更好.52211521()155110.8451000()i i i ii y y R yy ==-=-=-=-∑∑，221R =-521521()18010.821000()ii i ii yy y y ==-=-=-∑∑，84.5%＞82%，所以甲选用的模型拟合效果较好.扩展1.下列说法正确的是（ ）（1）残差平方和越小，相关指数2R 越小，模型拟合效果越差； （2）残差平方和越大，相关指数2R 越大，模型拟合效果越好； （3）残差平方和越小，相关指数2R 越大，模型拟合效果越好； （4）残差平方和越大，相关指数2R 越小，模型拟合效果越差；A.（1）（2）B.（3）（4）C.（1）（4）D.（2）（3）扩展2.关于某设备的使用年限x （年）和所支出的维修费用y （万元）有下表所示的资料：若由资料知，y 对x 呈线性相关关系，求：（1）线性回归方程a x b yˆˆˆ+=中的回归系数b a ˆ,ˆ； （2）残差平方和与相关指数2R ，作出残差图，并对该回归模型的拟合精度作出适当判断； （3）使用年限为10年时，维修费用大约是多少？三、典型例题4.非线性回归模型：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年的年宣传费和年销售量（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。
- 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)。
2.4线性回归方程
重难点：散点图的画法，回归直线方程的求解方法，回归直线方程在现实生活与生产中的应．
考纲要求：①会作两个有关联变量数据的散点图，会利用散点图认识变量间的相关关系．
②了解最小二乘法的思想，能根据给出的线性回归方程系数公式建立线性回归方程．
经典例题：10．有10名同学高一（x）和高二（y）的数学成绩如下：
⑴画出散点图；
⑵求y对x的回归方程。
当堂练习：
1.下表是某小卖部一周卖出热茶的杯数与当天气温的对比表：若热茶杯数y与气温x近似地满足线性关系，则其关系式最接近的是（）
.
.
. . A ．
B ．
C ．
D ． 2．线性回归方程表示的直线必经过的一个定点是（ ）
A ．
B ．
C ．
D ．
3．设有一个直线回归方程为 ,则变量x 增加一个单位时 （ ）
A ． y 平均增加 1.5 个单位 B. y 平均增加 2 个单位
C ． y 平均减少 1.5 个单位 D. y 平均减少 2 个单位
4．对于给定的两个变量的统计数据，下列说确的是（ ）
A ．都可以分析出两个变量的关系
B ．都可以用一条直线近似地表示两者的关系
C ．都可以作出散点图 D. 都可以用确定的表达式表示两者的关系
5．对于两个变量之间的相关系数，下列说法中正确的是（ ）
A ．|r|越大，相关程度越大
B ．|r|，|r|越大，相关程度越小，|r|越小，相关程度越大
杯
数 24 34 39 51 63
C．|r|1且|r|越接近于1，相关程度越大；|r|越接近于0，相关程度越小D．以上说法都不对
6．“吸烟有害健康”，那么吸烟与健康之间存在什么关系（）
A．正相关B．负相关C．无相关D．不确定
7．下列两个变量之间的关系不是函数关系的是（）
A．角度与它的余弦值B．正方形的边长与面积
C．正n边形的边数和顶点角度之和D．人的年龄与身高
8．对于回归分析，下列说法错误的是（）
A．变量间的关系若是非确定性关系，则因变量不能由自变量唯一确定
B．线性相关系数可正可负
C．如果，则说明x与y之间完全线性相关
D．样本相关系数
9．为了考察两个变量x和y之间的线性相关性，甲、乙两个同学各自独立的做10次和15V次试验，并且利用线性回归方法，求得回归直线分布为和，已知
.
.
在两人的试验中发现对变量x的观察数据的平均值恰好相等都为s，对变量y的观察数据的平均值恰好相等都为t,那么下列说确的是（）
A．直线和有交点（s,t）B．直线和相交，但是交点未必是（s,t）C．直线和平行D．直线和必定重合
10．下列两个变量之间的关系是相关关系的是（）
A．正方体的棱长和体积B．单位圆中角的度数和所对弧长
C．单产为常数时，土地面积和总产量D．日照时间与水稻的亩产量
11．对于简单随机抽样，下列说法中正确的命题为（）
①它要求被抽取样本的总体的个数有限，以便对其中各个个体被抽取的概率进行分析；②它是从总体中逐个地进行抽取，以便在抽取实践中进行操作；③它是一种不放回抽样；④它是一种等概率抽样，不仅每次从总体中抽取一个个体时，各个个体被抽取的概率相等，而且在整个抽样过程中，各个个体被抽取的概率也相等，从而保证了这种方法抽样的公平性.
A．①②③B．①②④C．①③④D．①②③④
12．为了解初一学生的身体发育情况，打算在初一年级10个班的某两个班按男女生比例抽取样本，正确的抽样方法是（）
A．随机抽样B．分层抽样C．先用抽签法，再用分层抽样D．先用分层抽样，再用随机数表法
.
.
13．下列调查中属于样本调查的是（）
①每隔5年进行一次人口普查②某商品的优劣③某报社对某个事情进行舆论调查④高考考生的体查
A．②③B．①④C. ③④D. ①②
14．现实世界中存在许多情况是两个变量间有密切联系,但这种关系无法用确定的函数关系式表达出来,这种变量之间的关系称．
15．某中学高一期中考试后，对成绩进行分析，从13班中选出5名学生的总成绩和外语成绩如下表:
则外语成绩对总成绩的回归直线方程是．
16．对于回归方程y=4.75x+257,当x=28时,y的估计值为．
17．相应与显著性水平0.05,观测值为10组的相关系数临界值为．
18．假设关于某设备的使用年限x（年）和所支出的维修费用y（万元）有如下统计资料：
.
.
若由资料知，y对x呈线性相关关系，试求：
（1）回归直线方程；
（2）估计使用年限为10年时，维修费用约是多少？
19．假设关于某设备的使用年限和所支出的维修费用(万元),有如下的统计数
据由资料知对呈线性相关,并且统计的五组数据得平均值
分别为,,若用五组数据得到的线性回归方程去估计,使用8年的维修费用比使用7年的维修费用多1.1万元,
求回归直线方程;(2)估计使用年限为10年时,维修费用是多少?
20．某连锁经营公司所属5个零售店某月的销售额和利润额资料如下表
商店名称A B C D E
E
销售额(x)/千万元35679
9
利润额(y)/百万元23345
(1)画出销售额和利润额的散点图．(2)若销售额和利润额具有相关关系，计算利润额y对销售额x的回归直线方程．(3)对计算结果进行简要的分析说明．
21．已知10只狗的血球体积及红血球的测量值如下
ｘ45424648423558403950
.
y 6.53 6.309.257.50 6.99 5.909.49 6.20 6.557.72
ｘ（血球体积，ｍｍ），ｙ（血红球数，百万）
画出上表的散点图;(2)求出回归直线并且画出图形（3）回归直线必经过的一点是哪一点？
参考答案：
经典例题：10．解：
⑴如图：
⑵由已知表格的数据可得，，
所以，
.
.
又可查表中相应与显著性水平0.05和n－2的相关系数的临界值
因为可知,y与x具有相关关系.
因为y与x具有相关关系，设y=bx+a，
∴
∴所求的回归方程为y=1.22x－14.32．
当堂练习：
1.C;
2.D;
3.C;
4.C;
5.B;
6.B;
7.D;
8.D;
9.A; 10.D; 11.D; 12.C; 13.C; 14. 相关关系; 15. =14.5+0.132; 16. 390; 17. 0.632;
18.（1）列表如下：
i12345
xi23456
yi 2.2 3.8 5.5 6.57.0
.
.
. . xiyi
4.4 11.4 22.0 32.5 42.0
∴回归直线方程为
（2）当时，（万元）
即估计用10年时，维修费用约为12.38万元。
19.(1)因为线性回归方程
经过定点,将,代入回归方程得
; 又;解得, 线性回归方程
(2)将代入线性回归方程得(万元)
∴线性回归方程;使用年限为10年时,维修费用是21(万元).．
20.（1）如下图： （2）y=0.5x+0.4 （3）略
21.解：（１）见下图
（２）
设回归直线为，
所以所求回归直线的方程为，图形如下:
.
.
.
...
..
.
回归直线必过点（45.50,7.37）.
.
.
.z。