7. По следующим данным постройте линейное уравнение регрессии, вычислите линейный коэффициент корреляции: ху = 100, х = 10, у = 8,5? =136, y? = 100, ao = 4,8.

Похоже, в предоставленных данных есть некоторые неясности и опечатки, из-за которых трудно точно определить исходные значения. Однако я постараюсь понять задачу и решить её, исходя из типичной формулировки задачи по построению линейной регрессии и вычислению коэффициента корреляции.

Что нам дано:

• \( \bar{ху} = 100 \), (предположим, это среднее значение по переменной \( ху \))
• \( \bar{x} = 10 \), (среднее значение переменной \( x \))
• \( \bar{y} = 8,5 \), (среднее значение переменной \( y \))
• \( \text{y?} = 136 \), предположим, это сумма произведений соответствующих значений (обычно обозначается как сумма квадратов или сумма произведений)
• \( \text{y?} = 100 \), (возможно, это сумма квадратов переменной или сумма произведений)
• \( a_0 = 4,8 \), (часто это свободный член уравнения регрессии)

Поскольку в задаче есть разночтения, я предположу, что нам нужно:

• Построить уравнение линейной регрессии вида \( y = a_0 + a_1 x \),
• Вычислить коэффициент корреляции \( r \).

Шаг 1. Построение уравнения регрессии

Чтобы найти параметры уравнения регрессии:

\[ a_1 = \frac{S_{xy}}{S_{xx}} \]

где:

• \( S_{xy} \) — сумма произведений отклонений (или кросс-корреляционная сумма),
• \( S_{xx} \) — сумма квадратов отклонений \( x \).

Однако у нас есть суммы и средние значения.

Шаг 2. Вычисление \( a_1 \)

Если предположить, что:

• \( \text{y?} \) — сумма произведений \( \sum xy \),
• \( \sum x = n \bar{x} \),
• \( \sum y = n \bar{y} \),

то для определения \( a_1 \):

\[ a_1 = \frac{\sum xy - n \bar{x} \bar{y}}{\sum x^2 - n \bar{x}^2} \]

Но в данных есть два одинаковых термина (\( y? \)), представляет ли один сумму \( \sum xy \), а другой — сумму \( x^2 \)? Возможно, да.

Примем, что:

• \( \sum xy = 136 \),
• \( \sum x^2 = 100 \),
• \( n \) — число наблюдений. Так как не указано явно, возьмем \( n = 10 \) (или другой номер, исходя из данных – предположим, что наблюдений 10).

Шаг 3. Вычислим \( a_1 \)

\[ a_1 = \frac{136 - 10 \times 10 \times 8.5 / 10}{100 - 10 \times 10^2 / 10} \]

Но здесь сложения и деления можно упростить:

\[ a_1 = \frac{136 - 10 \times 8.5}{100 - 10 \times 10} \]

\[ a_1 = \frac{136 - 85}{100 - 100} = \frac{51}{0} \]

Это деление на ноль — что указывает на неправильность исходных данных или ошибку при интерпретации.

Итог:

Из-за неясных и противоречащих данных я не могу точно построить уравнение регрессии и вычислить коэффициент корреляции без уточнений.

Что я могу сделать:

Если вы уточните или исправите исходные данные, я с радостью помогу вам подробно вычислить необходимые параметры.

Обратите внимание:

• Для построения уравнения регрессии нужны суммы \( \sum xy \), \( \sum x^2 \), а также число наблюдений \( n \).
• Для коэффициента корреляции \( r \) нужна формула:

\[ r = \frac{n \sum xy - \sum x \sum y}{\sqrt{(n \sum x^2 - (\sum x)^2)(n \sum y^2 - (\sum y)^2)}} \]

Если предоставите более точные данные, я помогу провести окончательные вычисления.