【推荐1】从2016年1月1日起，湖北、广东等18个保监局所辖地区将纳入商业车险改革试点范围，其中最大的变化是上一年的出险次数决定了下一年的保费倍率，具体关系如下表：

经验表明新车商业车险保费与购车价格有较强的线性相关关系，下面是随机采集的8组数据（其中（万元）表示购车价格，（元）表示商业车险保费）：、、、、、、、，设由这8组数据得到的回归直线方程为：．
（1）求；
（2）有评估机构从以往购买了车险的车辆中随机抽取1000 辆调查,得到一年中出险次数的频数分布如下(并用相应频率估计车辆2016 年度出险次数的概率):

湖北的李先生于2016年1月购买了一辆价值20万元的新车.根据以上信息,试估计该车辆在2017 年1月续保时应缴交的保费(精确到元),并分析车险新政是否总体上减轻了车主负担.(假设车辆下一年与上一年都购买相同的商业车险产品进行续保）.

【推荐3】为分析肥胖程度对总胆固醇与空腹血糖的影响，在肥胖人群中随机抽取人，他们的体质指数值、总胆固醇指标值（单位：）、空腹血糖指标值（单位：）如下表所示：

人员编号
值
指标值
指标值

(1)用变量与，与的相关系数，分别说明指标值与值、指标值与值的相关程度；
(2)求关于的线性回归方程，已知指标值超过为总胆固醇偏高，据此模型分析当值超过多少时，需要注意监控总胆固醇偏高的情况出现.（上述数据均要精确到）
参考数据：，，，，，，，，，，.

【推荐1】随着人民生活水平的日益提高，某小区居民拥有私家车的数量与日俱增．由于该小区建成时间较早，没有配套建造地下停车场，小区内无序停放的车辆造成了交通的拥堵．该小区的物业公司统计了近五年小区登记在册的私家车数量（累计值，如147表示2016年小区登记在册的所有车辆数，其余意义相同），得到如下数据：

编号	1	2	3	4	5
年份	2014	2015	2016	2017	2018
数量（单位：辆）	37	104	147	196	216

（1）若私家车的数量与年份编号满足线性相关关系，求关于的线性回归方程，并预测2020年该小区的私家车数量；
（2）小区于2018年底完成了基础设施改造，划设了120个停车位．为解决小区车辆乱停乱放的问题，加强小区管理，物业公司决定禁止无车位的车辆进入小区．由于车位有限，物业公司决定在2019年度采用网络竞拍的方式将车位对业主出租，租期一年，竞拍方案如下：①截至2018年已登记在册的私家车业主拥有竞拍资格；②每车至多中请一个车位，由车主在竞拍网站上提出申请并给出自己的报价；③根据物价部门的规定，竞价不得超过1200元；④申请阶段截止后，将所有申请的业主报价自高到低排列，排在前120位的业主以其报价成交；⑤若最后出现并列的报价，则以提出申请的时间在前的业主成交，为预测本次竞拍的成交最低价，物业公司随机抽取了有竞拍资格的40位业主，进行了竞拍意向的调查，并对他们的拟报竞价进行了统计，得到如图频率分布直方图：

（i）求所抽取的业主中有意向竞拍报价不低于1000元的人数；
（ii）如果所有符合条件的车主均参与竞拍，利用样本估计总体的思想，请你据此预测至少需要报价多少元才能竞拍车位成功？（精确到整数）
参考公式及数据：对于一组数据，其回归方程的斜率和截距的最小二乘估计分别为：；．

【推荐2】统计学中，经常用环比、同比来进行数据比较，环比是指本期统计数据与上期比较，如年月与年月相比，同比是指本期数据与历史同时期比较，如年月与年月相比.
环比增长率（本期数上期数）上期数，
同比增长率（本期数同期数）同期数.
下表是某地区近个月来的消费者信心指数的统计数据：

序号
时间	年月	年月	年月	年月	年月	年月	年月	年月
消费者信心指数
2017年 月	年 月	年 月	年 月	年 月	年 月	年 月	年 月	年 月

求该地区年月消费者信心指数的同比增长率（百分比形式下保留整数）；
除年月以外，该地区消费者信心指数月环比增长率为负数的有几个月？
由以上数据可判断，序号与该地区消费者信心指数具有线性相关关系，写出关于的线性回归方程（，保留位小数），并依此预测该地区年月的消费者信心指数（结果保留位小数，参考数据与公式：，，，，）

【推荐3】足不出户，手机下单，送菜到家，轻松逛起手机“菜市场”，拎起手机“菜篮子”，省心又省力.某手机App(应用程序)公司为了了解居民使用这款App使用者的人数及满意度，对一大型小区居民开展5个月的调查活动，从使用这款App的人数的满意度统计数据如下：

月份	1	2	3	4	5
不满意的人数	120	105	100	95	80

（1）请利用所给数据求不满意人数与月份之间的回归直线方程，并预测该小区10月份的对这款App不满意人数：
（2）工作人员发现使用这款App居民的年龄近似服从正态分布，求的值；
（3）工作人员从这5个月内的调查表中随机抽查100人，调查是否使用这款App与性别的关系，得到如表：

	使用App	不使用App
女性	48	12
男性	22	18

能否据此判断有99%的把握认为是否使用这款App与性别有关？
参考公式：，.附：随机变量：，则，，
(其中)

	0.15	0.10	0.05	0.025	0.010
	2.072	2.706	3.841	5.024	6.635