-
一只药用昆虫的产卵数y与一定范围内的温度x有关, 现收集了该种药用昆虫的6组观测数据如下表：
| 温度x/C | 21 | 23 | 24 | 27 | 29 | 32 |
| 产卵数y/个 | 6 | 11 | 20 | 27 | 57 | 77 |
经计算得：
，
，
，
，
，线性回归模型的残差平方和
，e8.0605≈3167，其中xi, yi分别为观测数据中的温度和产卵数，i=1, 2, 3, 4, 5, 6.
(Ⅰ)若用线性回归模型，求y关于x的回归方程
=
x+
（精确到0.1）；
(Ⅱ)若用非线性回归模型求得y关于x的回归方程为=0.06e0.2303x，且相关指数R2=0.9522.
( i )试与(Ⅰ)中的回归模型相比，用R2说明哪种模型的拟合效果更好.
( ii )用拟合效果好的模型预测温度为35C时该种药用昆虫的产卵数（结果取整数）.
附：一组数据(x1,y1), (x2,y2), ...,(xn,yn ), 其回归直线=x+的斜率和截距的最小二乘估计为
=
−
；相关指数R2=
．
-
一只药用昆虫的产卵数y与一定范围内的温度x有关, 现收集了该种药用昆虫的6组观测数据如下表：
| 温度x/C | 21 | 23 | 24 | 27 | 29 | 32 |
| 产卵数y/个 | 6 | 11 | 20 | 27 | 57 | 77 |
经计算得：，，，，
，线性回归模型的残差平方和，e8.0605≈3167，其中xi, yi分别为观测数据中的温度和产卵数，i=1, 2, 3, 4, 5, 6.
(Ⅰ)若用线性回归模型，求y关于x的回归方程=x+（精确到0.1）；
(Ⅱ)若用非线性回归模型求得y关于x的回归方程为=0.06e0.2303x，且相关指数R2=0.9522.
( i )试与(Ⅰ)中的回归模型相比，用R2说明哪种模型的拟合效果更好.
( ii )用拟合效果好的模型预测温度为35C时该种药用昆虫的产卵数（结果取整数）.
附：一组数据(x1,y1), (x2,y2), ...,(xn,yn ), 其回归直线=x+的斜率和截距的最小二乘估计为
=−；相关指数R2=．
-
一只药用昆虫的产卵数y与一定范围内的温度x有关, 现收集了该种药用昆虫的6组观测数据如下表：
| 温度x/C | 21 | 23 | 24 | 27 | 29 | 32 |
| 产卵数y/个 | 6 | 11 | 20 | 27 | 57 | 77 |
经计算得：，，，，
，线性回归模型的残差平方和，e8.0605≈3167，其中xi, yi分别为观测数据中的温度和产卵数，i=1, 2, 3, 4, 5, 6.
(Ⅰ)若用线性回归模型，求y关于x的回归方程=x+（精确到0.1）；
(Ⅱ)若用非线性回归模型求得y关于x的回归方程为=0.06e0.2303x，且相关指数R2=0.9522.
( i )试与(Ⅰ)中的回归模型相比，用R2说明哪种模型的拟合效果更好.
( ii )用拟合效果好的模型预测温度为35C时该种药用昆虫的产卵数（结果取整数）.
附：一组数据(x1,y1), (x2,y2), ...,(xn,yn ), 其回归直线=x+的斜率和截距的最小二乘估计为
=−；相关指数R2=．
-
一只药用昆虫的产卵数y与一定范围内的温度x有关, 现收集了该种药用昆虫的6组观测数据如下表：
| 温度x/C | 21 | 23 | 24 | 27 | 29 | 32 |
| 产卵数y/个 | 6 | 11 | 20 | 27 | 57 | 77 |
经计算得： 
， 
， 
， 
，
，线性回归模型的残差平方和
，e8.0605≈3167，其中xi, yi分别为观测数据中的温度和产卵数，i=1, 2, 3, 4, 5, 6.
(Ⅰ)若用线性回归模型，求y关于x的回归方程
=
x+
（精确到0.1）；
(Ⅱ)若用非线性回归模型求得y关于x的回归方程为=0.06e0.2303x，且相关指数R2=0.9522.
( i )试与(Ⅰ)中的回归模型相比，用R2说明哪种模型的拟合效果更好.
( ii )用拟合效果好的模型预测温度为35C时该种药用昆虫的产卵数（结果取整数）.
附：一组数据(x1,y1), (x2,y2), ...,(xn,yn ), 其回归直线=x+的斜率和截距的最小二乘估计为
=
−
；相关指数R2=
．
-
一只药用昆虫的产卵数
与一定范围内的温度
有关，现收集了该种药用昆虫的
组观测数据如下表：
经计算得： ， ， 
， ， 
，线性回归模型的残差平方和
， 
，其中
， 
分别为观测数据中的温差和产卵数， 
.
（1）若用线性回归方程，求关于的回归方程
（精确到
）；
（2）若用非线性回归模型求得关于回归方程为
，且相关指数
.
（i）试与（1）中的回归模型相比，用
说明哪种模型的拟合效果更好.
（ii）用拟合效果好的模型预测温度为
时该种药用昆虫的产卵数（结果取整数）.
附：一组数据
， 
，…， 
，其回归直线的斜率和截距的最小二乘估计为
， 
；相关指数
-
一只药用昆虫的产卵数与一定范围内的温度有关，现收集了该种药用昆虫的组观测数据如下表：
经计算得： ， ， ， ， ，线性回归模型的残差平方和， ，其中， 分别为观测数据中的温差和产卵数， .
（1）若用线性回归方程，求关于的回归方程（精确到）；
（2）若用非线性回归模型求得关于回归方程为，且相关指数.
（i）试与（1）中的回归模型相比，用说明哪种模型的拟合效果更好.
（ii）用拟合效果好的模型预测温度为时该种药用昆虫的产卵数（结果取整数）.
附：一组数据， ，…， ，其回归直线的斜率和截距的最小二乘估计为， ；相关指数
-
（12分）
一只药用昆虫的产卵数y（单位：个）与一定范围内的温度
（单位：℃）有关，现收集了该种药用昆虫的6组观测数据如下表所示.
经计算得
，线性回归模型的残差平方和
，其中
分别为观测数据中的温度和产卵数，
（1）若用线性回归模型，求
的回归方程
（结果精确到0.1）.
（2）若用非线性回归模型预测当温度为35℃时，该种药用昆虫的产卵数（结果取整数）.
附：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
.
-
一只红铃虫的产卵数y和温度x有关,现收集了7组观测数据如下表：
| 温度x/℃ | 21 | 23 | 25 | 27 | 29 | 32 | 35 |
| 产卵个数y/个 | 7 | 11 | 21 | 24 | 66 | 115 | 325 |
（I）根据散点图判断，
与
哪一个适宜作为产卵数
关于温度的回归方程类型（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，建立关于的回归方程；
（Ⅲ）红铃虫是棉区危害较重的害虫，可从农业、物理和化学三个方面进行防治，其中农业方面防治有3种方法，物理方面防治有1种方法，化学方面防治3种方法，现从7种方法中选3种方法进行综合防治（即3种方法不能全部来自同一方面，至少来自两个方面），X表示在综合防治中农业方面的防治方法的种数，求X的分布列及数学期望E(X)．
附：可能用到的公式及数据表中（表中
，
=
，
= 
，
= 
）
|
|
|
| 
| 
| 
| 
|
| 27.430 | 3.612 | 81.290 | 147.700 | 2763.764 | 705.592 | 40.180 |
对于一组数据
,
，……，
,其回归线
的斜率和截距的最小二乘估计分别为：
，
-
已知某地区某种昆虫产卵数和温度有关.现收集了一只该品种昆虫的产卵数
（个）和温度（
）的7组观测数据，其散点图如所示：
根据散点图，结合函数知识，可以发现产卵数和温度可用方程
来拟合，令
，结合样本数据可知
与温度可用线性回归方程来拟合．根据收集到的数据，计算得到如下值：
表中
，
．
（1）求和温度的回归方程（回归系数结果精确到
）；
（2）求产卵数关于温度的回归方程；若该地区一段时间内的气温在
之间（包括
与
），估计该品种一只昆虫的产卵数的范围.（参考数据：
，
，
，
，
．）
附：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
．
-
已知某地区某种昆虫产卵数和温度有关.现收集了一只该品种昆虫的产卵数（个）和温度（）的7组观测数据，其散点图如所示：
根据散点图，结合函数知识，可以发现产卵数和温度可用方程来拟合，令，结合样本数据可知与温度可用线性回归方程来拟合．根据收集到的数据，计算得到如下值：
表中，．
（1）求和温度的回归方程（回归系数结果精确到）；
（2）求产卵数关于温度的回归方程；若该地区一段时间内的气温在之间（包括与），估计该品种一只昆虫的产卵数的范围.（参考数据：，，，，．）
附：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
．
，
，
，
，
，线性回归模型的残差平方和
，e8.0605≈3167，其中xi, yi分别为观测数据中的温度和产卵数，i=1, 2, 3, 4, 5, 6.
=
x+
（精确到0.1）；
−
；相关指数R2=
．
， 
， 
， 
，
，线性回归模型的残差平方和
，e8.0605≈3167，其中xi, yi分别为观测数据中的温度和产卵数，i=1, 2, 3, 4, 5, 6.
=
x+
（精确到0.1）；
−
；相关指数R2=
．
与一定范围内的温度
有关，现收集了该种药用昆虫的
组观测数据如下表：
， 
，线性回归模型的残差平方和
， 
，其中
， 
分别为观测数据中的温差和产卵数， 
.
（精确到
）；
，且相关指数
.
说明哪种模型的拟合效果更好.
时该种药用昆虫的产卵数（结果取整数）.
， 
，…， 
，其回归直线
， 
；相关指数
（单位：℃）有关，现收集了该种药用昆虫的6组观测数据如下表所示.
，线性回归模型的残差平方和
，其中
分别为观测数据中的温度和产卵数，
的回归方程
（结果精确到0.1）.
，其回归直线
与
哪一个适宜作为产卵数
关于温度
，
=
，
=
，
=
）
,
，……，
,其回归线
的斜率和截距的最小二乘估计分别为：
，
（个）和温度
）的7组观测数据，其散点图如所示：
来拟合，令
，结合样本数据可知
与温度
，
．
）；
之间（包括
与
），估计该品种一只昆虫的产卵数的范围.（参考数据：
，
，
，
，
．）
，
，…，
，其回归直线
的斜率和截距的最小二乘估计分别为