1 . 某骑行爱好者在专业人士指导下对近段时间骑行锻炼情况进行统计分析，统计每次骑行期间的身体综合指标评分与骑行用时（单位：小时）如下表：

身体综合指标评分	1	2	3	4	5
用时小时）	9.5	8.8	7.8	7	6.1

由上表数据得到的正确结论是（       ）
参考数据：
参考公式：相关系数.

A．身体综合指标评分与骑行用时正相关

B．身体综合指标评分与骑行用时的相关程度较弱

C．身体综合指标评分与骑行用时的相关程度较强

D．身体综合指标评分与骑行用时的关系不适合用线性回归模型拟合

2 . 为研究某池塘中水生植物的覆盖水塘面积（单位：）与水生植物的株数（单位：株）之间的相关关系，收集了4组数据，用模型去拟合与的关系，设与的数据如表格所示：得到与的线性回归方程，则（       ）

	3	4	6	7
	2	2.5	4.5	7

A．-2

B．-1

C．

D．

3 . 在一组样本数据（不全相等）的散点图中，若所有样本点都在直线上，则这组样本数据的样本相关系数为（       ）

A．

B．

C．

D．1

4 . 某种产品2014年到2018年的年投资金额（万元）与年利润（万元）的数据统计如下，由散点图知，与之间的关系可以用线性回归模型拟合，已知5年利润的平均值是4.7．

年份	2014	2015	2016	2017	2018
年投资金额万元	1	2	3	4	5
年利润万元	2.4	2.7		6.4	7.9

(1)求表中实数的值；
(2)求关于的线性回归方程．

参考公式：回归直线方程中的斜率和截距的最小二乘估计公式分别为，．

5 . 假设有两个变量和，它们的取值分别为和，其列联表为（       ）根据以下选项中的数据计算的值，其中最大的一组为（       ）

A．

B．

C．

D．

6 . 为了解某一地区电动汽车销售情况，某部门根据统计数据，用最小二乘法得到电动汽车销量y（单位：万台）关于x（年份）的线性回归方程为，且销量y的方差，年份x的方差．
(1)求y与x的相关系数r，并据此判断电动汽车销量y与年份x的相关性强弱；
(2)该部门还调查了该地区90位购车车主的性别与购车种类情况，得到的数据如下表：

性别	购买非电动汽车	购买电动汽车	总计
男性	39		45
女性		15
总计

根据调查数据回答：是否有的把握认为购买电动汽车与车主性别有关？
参考公式：（i）线性回归方程：，其中；
（ii）相关系数：，若，则可判断y与x线性相关较强．
（iii），其中．附表：

	0.10	0.05	0.010	0.001
	2.706	3.841	6.635	10.828

8 . 能源和环境问题是目前全球性急需解决的问题，虽然近百年人类文明有了前所未有的发展，但对于能源的使用和环境的破坏也造成了严重的后果，发展新能源是时代的要求，是未来生存的要求．新能源汽车不仅对环境保护具有重大的意义而且还能够减少对不可再生资源的开发，是全球汽车发展的重要方向．“保护环境，人人有责”，在政府和有关企业的努力下，某市近几年新能源汽车的购买情况如下表所示：

年份x	2019	2020	2021	2022	2023
汽车购买y（万辆）	0.30	0.60	1.00	1.40	1.70

(1)根据上表数据，计算与的相关系数，并说明与的线性相关性强弱（若，则认为与线性相关性很强；若，则认为与线性相关性一般；若，则认为与线性相关性较弱）；
(2)求关于的线性回归方程，并预测该市2024年新能源汽车购买辆数（精确到个位）．
参考公式：，，
参考数值：．

9 . 若，则（       ）

A．

B．

C．

D．

10 . 大学生刘铭去某工厂实习，实习结束时从自己制作的某种零件中随机选取了10个样品，测量每个零件的横截面积（单位：）和耗材量（单位：），得到如下数据：

样本号	1	2	3	4	5	6	7	8	9	10	总和
零件的横截面积	0.03	0.05	0.04	0.07	0.07	0.04	0.05	0.06	0.06	0.05	0.52
耗材量	0.24	0.40	0.23	0.55	0.50	0.34	0.35	0.45	0.43	0.41	3.9

并计算得，．
(1)估算刘铭同学制作的这种零件平均每个零件的横截面积以及平均一个零件的耗材量；
(2)求刘铭同学制作的这种零件的横截面积和耗材量的样本相关系数（精确到0.01）．
附：相关系数；．