假设儿子身高Y与父亲身高X适合一元线性回归模型,观察了10对父子的身高(英寸)得数据如下: 可判断
假设儿子身高Y与父亲身高X适合一元线性回归模型,观察了10对父子的身高(英寸)得数据如下:
可判断样本估计的标准差为________。
A.8.1
B.9.1
C.7.1
D.10.1
假设儿子身高Y与父亲身高X适合一元线性回归模型,观察了10对父子的身高(英寸)得数据如下:
可判断样本估计的标准差为________。
A.8.1
B.9.1
C.7.1
D.10.1
两变量X,Y之间满足方程
=a+bX,X对Y的回归系数为0.75,此回归方程变量Y的变异中有64%可以由X的变异解释,那么回归系数b的值为________。
建立Y与X的回归方程,并求当父亲身高为73时,估计儿子的身高为________。
A.=0.36X+42.38,68.66
B.=0.45X+35.15,68
C.=0.55X+30.25,70.4
D.=0.25X+53.12,71.37
数量遗传学家高尔登比较了男大学生和他们父亲的身高,得到以下结果:
所有父亲的平均身高与所有儿子的平均身高一致,但是对每一对父子而言,两人身高所属的类别(如较高或较矮)却并不一定一致。也就是说,最高的父亲可能有较矮的儿子,而很矮的父亲则可能有较高的儿子。由此得到的最优直线的斜率是0.67(实线),而不是1.00(虚线)。高尔 登用“回归”(regression)一词来描述这种趋势,即儿子的表型比其父亲的表型更接近群体平均值。 (1)对回归现象作出解释。 (2)在此,回归与遗传率有什么关系?
若有线性回归方程Y(元)=34.5+7.8X(元),则表明当X增加一元时,Y增加7.8元。()
A.15
B.40
C.55
D.68
下表给出了10个18岁成年女孩的身高x(单位:cm)和体重y(单位:kg)的数据:
序号 身高x 体重y | 序号 身高x 体重y |
1 169.6 71.2 2 166.8 58.2 3 L57.1 56 4 181.1 64.5 5 158.4 53 | 6 165.5 52.4 7 166.7 56.8 8 156.5 49.2 9 168.1 55.6 10 165.3 77.8 |
假定体重服从正态分布.
(1)构造体重y关于身高x的散点图,该散点图是否提示两者之间存在线性关系?
(2)给出体重y关于身高x的最小二乘回归直线.