このグラフは、チームが1日に生産できるウィジェットの数を表しています。
横軸は以下を表します。
「日」
縦軸は以下を表します。
「ウィジェット」
グラフには、ラベル付きの2つの点が示されています。
(6#3.4)
そして
(14#23)
平均変化率は以下のとおりです。
「ウィジェットの変更」／「日数の変更」
値を代入します。
(23-3.4)/(14-6)
=19.6/8
=2.45
小数点以下第1位に四捨五入：
2.5
これは、チームが平均して約以下の生産量を増加させたことを意味します。
1日あたり2.5個のウィジェット
したがって、正解は次のとおりです。
# ( " B " )

回帰モデルには以下の要素が含まれています。
r^2=0.99
これは、0.99が1に近いことから、このモデルがデータに非常によく適合していることを意味します。
しかし、高いr²値だからといって、すべての予測が適切であるとは限りません。x値が妥当な外挿範囲内にあるかどうかも確認する必要があります。
グラフに示されているデータは、およそ次の範囲に及んでいるようです。
x=11
予測結果は以下の通りです。
x=16.4
これは観測データの範囲をはるかに超えています。モデルは既知のデータに非常によく適合しますが、データの範囲をはるかに超えた予測は信頼性に欠ける可能性があります。
正しい記述は、r^2値は強い適合を示しているが、x=16.4は観測された最大値の範囲の50%以上を超えている、というものである。
したがって、正解は次のとおりです。
# ( " A " )

各箱の重さが同じであるため、この状況は線形関係でモデル化できる。
私たちには以下が与えられます。
4箱、116ポンド
そして
9箱、161ポンド
箱の数が増えるため、重量も増加します。
まず、総重量の変化を求めます。
161-116=45
次に、箱の数の変化を求めます。
9-4=5
箱が5個増えたことで総重量が45ポンド増加したので、各箱の重量は次のようになります。
45/5=9
各箱の重量は次のとおりです。
9ポンド
チェック：
各箱の重さが9ポンドの場合、さらに5箱追加すると、次の重量増加になります。
5(9)=45
116+45=161
これは提示された情報と一致します。

このグラフは、物体の温度が時間とともに低下していく様子を示している。
横軸は以下を表します。
「所要時間（分）」
縦軸は以下を表します。
「華氏温度」
時間の経過とともに曲線は減少し、水平軸に近づいていく。
水平漸近線とは、グラフが近づくものの必ずしも到達しない水平線のことです。水平線の式は次の形式になります。
y = "定数"
グラフから、曲線は以下に近づくことがわかります。
y=0
したがって、水平漸近線は次のようになります。
y=0
x=0とx=500は垂直線であり、水平漸近線ではありません。
したがって、正解は次のとおりです。
# ( " B " )

コンピュータBはコンピュータAよりも12個多くのタスクを完了すると言われています。
させて：
x = "コンピュータAによって完了したタスクの数"
そして
F(x) = "コンピュータBによって完了したタスクの数"
「12以上」という表現は、元の金額に12を加えることを意味します。
F(x)=x+12
つまり、コンピュータAがxtasksを完了すると、コンピュータBは以下を完了します。
x+12
タスク。
例えば、コンピュータAが50個のタスクを完了した場合、コンピュータBは次のタスクを完了します。
F(50)=50+12=62
したがって、正解は次のとおりです。
# ( " B " )