为了预测该地区2018年的环境基础设施投资额,建立了 与时间变量t的两个线性回归模型,根据2000年至2016年的数据(时间变量 的值依次为1,2,…,17)建立模型①:=-30.4+13.5t .根据2010年至2016年的数据(时间变量t的值依次为1,2,…,7)建立模型 ②:
场次编号x
1
2
3
4
5
观众人数y
参考公式及参考数据:回归方程中斜率与截距的最小二乘法估计公式分别为 , , , 其中 .
k
购买A等票
购买非A等票
总计
男性观众
50
女性观众
60
100
200
月份
广告投入量
收益
他们分别用两种模型① , ②分别进行拟合,得到相应的回归方程并进行残差分析,得到如下图所示的残差图及一些统计量的值.
附:回归方程中斜率和截距的最小二乘估计公式分别为: , .
(i)剔除异常数据后求出(1)中所选模型的回归方程;
(ii)若广告投入量 , 求该模型收益的预报值是多少?
参考数据: , , .
附:样本的相关系数 ,
线性回归方程中的系数 , .
由此散点图,在10℃至40℃之间,下面四个回归方程类型中最适宜作为发芽率y和温度x的回归方程类型的是( )
为了预测该地区2018年的环境基础设施投资额,建立了 与时间变量t的两个线性回归模型,根据2000年至2016年的数据(时间变量 的值依次为1,2,…….,17)建立模型①: .根据2010年至2016年的数据(时间变量t的值依次为1,2,…,7)建立模型②: