1、“.....点化工厂为预测产品的回收性回归方法，求得回归直线分别为和已知在两个人的试验中发现对变量的观测数据的平均值恰好相等，都为，对变量的观测数据的平均值也恰好相等，都为那么下列说法正确的是直线和有交点，用的模型是否合适与残差点的分布有关对于，的值越大，说明残差平方和越小，随机误差越小，则模型的拟合效果越好为了考察两个变量和之间的线性相关性，甲乙两个同学各自地做次和次试验，并且利用线适相关指数来刻画回归的效果，值越大，说明模型的拟合效果越好比较两个模型的拟合效果，可以比较残差平方和的大小，残差平方和越小的模型，拟合效果越好其中正确命题的个数是答案解析选作年限的线性回归方程为当时万元可以估计第名推销员的年推销金额为万元二能力提升有下列说法在残差图中，残差点比较均匀地落在水平的带状区域内，说明选用的模型比较合性回归模型的方法求出若第名推销员的工作年限为年......”。

2、“.....则，年推销金额关于工回归问题的处理方法指数函数型函数的图象处理方法两边取对数得，即令，把原始数据，转化为再根据线答案变量，的散点图如图所示，那么，之间的样本相关系数最接近的值为答案非线性回归分析的解题思路是答案通过变量置换转化为线性回归分析呈重点现规律非线性数据大小关系探究个体分类粗略判断变量是否相关答案变量与之间的回归方程表示与之间的函数关系与之间的不确定性关系与之间的真实关系形式与之间的真实关系达到最大限度的吻合对乙模型残差平方和对丙模型残差平方和显然丙的残差平方和最小，故丙模型更接近于客观实际散点图在回归分析中的作用是查找个体个数比较个体变量，取得组数据甲乙丙三人分别求得数学模型如下甲，乙，丙，试判断三人谁的数学模型更接近于客观实际解对甲模型残差平方和关系时，首先要根据散点图来粗略判断它们是否线性相关......”。

3、“.....用残差，来判断原始数据中是否存在可疑数据，用来刻画模型拟合的效果跟踪训练对两个，则由计算器得，则有，即解释变量天数对预报变量繁殖细菌个数解释了反思与感悟研究两个变量间的释变量，繁殖个数作预报变量，作出这些数据的散点图描述解释变量与预报变量之间的关系计算相关指数解所作散点图如图所示由散点图看出样本点分布在条指数函数的周围，于是令计算残差平方和，残差平方和小的模型拟合效果好计算相关指数，越接近于的模型拟合效果越好例为了研究种细菌随时间变化时，繁殖个数的变化，收集数据如下天数天繁殖个数个用天数作解已知数据的散点图，把它与幂函数指数函数对数函数二次函数图象进行比较，挑选种拟合比较好的函数，作为回归模型思考对同个问题建立的两种不同回归模型，怎样比较它们的拟合效果答有两种比较方法计已知数据的散点图，把它与幂函数指数函数对数函数二次函数图象进行比较......”。

4、“.....作为回归模型思考对同个问题建立的两种不同回归模型，怎样比较它们的拟合效果答有两种比较方法计算残差平方和，残差平方和小的模型拟合效果好计算相关指数，越接近于的模型拟合效果越好例为了研究种细菌随时间变化时，繁殖个数的变化，收集数据如下天数天繁殖个数个用天数作解释变量，繁殖个数作预报变量，作出这些数据的散点图描述解释变量与预报变量之间的关系计算相关指数解所作散点图如图所示由散点图看出样本点分布在条指数函数的周围，于是令，则由计算器得，则有，即解释变量天数对预报变量繁殖细菌个数解释了反思与感悟研究两个变量间的关系时，首先要根据散点图来粗略判断它们是否线性相关，是否可以用线性回归模型来拟合数据然后通过图形来分析残差特性，用残差，来判断原始数据中是否存在可疑数据，用来刻画模型拟合的效果跟踪训练对两个变量，取得组数据甲乙丙三人分别求得数学模型如下甲，乙，丙......”。

5、“.....故丙模型更接近于客观实际散点图在回归分析中的作用是查找个体个数比较个体数据大小关系探究个体分类粗略判断变量是否相关答案变量与之间的回归方程表示与之间的函数关系与之间的不确定性关系与之间的真实关系形式与之间的真实关系达到最大限度的吻合答案变量，的散点图如图所示，那么，之间的样本相关系数最接近的值为答案非线性回归分析的解题思路是答案通过变量置换转化为线性回归分析呈重点现规律非线性回归问题的处理方法指数函数型函数的图象处理方法两边取对数得，即令，把原始数据，转化为再根据线性回归模型的方法求出若第名推销员的工作年限为年，试估计他的年推销金额解设所求的线性回归方程为，则，年推销金额关于工作年限的线性回归方程为当时万元可以估计第名推销员的年推销金额为万元二能力提升有下列说法在残差图中......”。

6、“.....说明选用的模型比较合适相关指数来刻画回归的效果，值越大，说明模型的拟合效果越好比较两个模型的拟合效果，可以比较残差平方和的大小，残差平方和越小的模型，拟合效果越好其中正确命题的个数是答案解析选用的模型是否合适与残差点的分布有关对于，的值越大，说明残差平方和越小，随机误差越小，则模型的拟合效果越好为了考察两个变量和之间的线性相关性，甲乙两个同学各自地做次和次试验，并且利用线性回归方法，求得回归直线分别为和已知在两个人的试验中发现对变量的观测数据的平均值恰好相等，都为，对变量的观测数据的平均值也恰好相等，都为那么下列说法正确的是直线和有交点，直线和相交，但是交点未必是点，直线和由于斜率相等，所以必定平行直线和必定重合答案解析由于回归直线定过直线和都过，点化工厂为预测产品的回收率，需要研究它和原料有效成分含量之间的相关关系，现取了对观测值......”。

7、“.....并用科学计算器进行有关计算百万元百万元于是可得于是所求的线性回归方程是地最近十年粮食需求量逐年上升，下表是部分统计数据年份需求量万吨利用所给数据求年需求量与年份之间的线性回归方程利用中所求出的线性回归方程预测该地年的粮食需求量解由所给数据看出，年需求量与年份之间是近似直线上升，下面来求线性回归方程，先将数据预处理如下年份需求量万吨由预处理后的数据，容易算得，由上述计算结果，知所求线性回归方程为即利用所求得的线性回归方程，可预测年的粮食需求量为万吨万吨三探究与拓展从居民区随机抽取个家庭，获得第个家庭的月收入单位千元与月储蓄单位千元的数据资料，算得，，，求家庭的月储蓄对月收入的线性回归方程判断变量与之间是正相关还是负相关若该居民区家庭月收入为千元......”。

8、“.....，，又，，由此得，故所求线性回归方程为由于变量的值随值的增加而增加，故与之间是正相关将代入回归方程可以预测该家庭的月储蓄为千元第章统计案例回归分析的基本思想及其初步应用二课时作业新人教版选修明目标知重点进步体会回归分析的基本思想通过非线性回归分析，判断几种不同模型的拟合程度如果两个变量不呈现线性相关关系，常见的两个变量间的关系还有指数函数关系二次函数关系两个变量间的非线性关系可以通过对解释变量的变换对数变换平方变换等转化为另外两个变量的线性关系比较不同模型的拟合效果，可以通过残差平方和的大小，相关指数的大小来判断探究点非线性回归模型思考有些变量间的关系并不是线性相关，怎样确定回归模型答首先要作出散点图，如果散点图中的样本点并没有分布在个带状区域内，则两个变量不呈现线性相关关系，不能直接利用回归方程来建立两个变量之间的关系......”。

9、“.....观察样本点是否呈指数函数关系或二次函数关系，选定适当的回归模型思考如果两个变量呈现非线性相关关系，怎样求出回归方程答可以通过对解释变量进行变换，如对数变换或平方变换，先得到另外两个变量间的回归方程，再得到所求两个变量的回归方程例地区不同身高的未成年男性的体重平均值如下表身高体重身高体重试建立与之间的回归方程解根据表中数据画出散点图如图所示由图看出，样本点分布在条指数函数曲线的周围，于是令画出散点图如图所示由表中数据可得与之间的线性回归方程，则有反思与感悟根据已有的函数知识，可以发现样本分布在条指数型函数曲线的周围，其中和是待定参数可以通过对进行对数变换，转化为线性相关关系跟踪训练在彩色显影中，由经验知形成染料光学密度与析出银的光学密度由公式,未找到引用源。表示现测得试验数据如下试求对的回归方程解由题给的公式,未找到引用源。，两边取自然对数，便得，与线性回归方程相对照......”。