1 . 随着科技发展的日新月异，人工智能融入了各个行业，促进了社会的快速发展.其中利用人工智能生成的虚拟角色因为拥有更低的人工成本，正逐步取代传统的真人直播带货.某公司使用虚拟角色直播带货销售金额得到逐步提升，以下为该公司自2023年8月使用虚拟角色直播带货后的销售金额情况统计.

年月	2023年8月	2023年9月	2023年10月	2023年11月	2023年12月	2024年1月
月份编号	1	2	3	4	5	6
销售金额/万元	15.4	25.4	35.4	85.4	155.4	195.4

若与的相关关系拟用线性回归模型表示，回答如下问题：
(1)试求变量与的样本相关系数（结果精确到0.01）；
(2)试求关于的经验回归方程，并据此预测2024年2月份该公司的销售金额.（，均保留一位小数）
附：经验回归方程，其中，
样本相关系数
参考数据：.

3 . 学习于才干信仰，犹如运动于健康体魄，持之已久、行之愈远愈受益．为实现中华民族伟大复兴，全国各行各业掀起了“学习强国”的高潮．某老师很喜欢“学习强国”中“挑战答题”模块，他记录了自己连续七天每天一次最多答对的题数如下表：

天数x	1	2	3	4	5	6	7
一次最多答对题数y	12	15	16	18	21	24	27

参考数据：，，，，，
相关系数
由表中数据可知该老师每天一次最多答对题数y与天数x之间是正相关，其相关系数________________（结果保留两位小数）.

4 . 某地区响应“节能减排，低碳生活”的号召，开展系列的措施控制碳排放．环保部门收集到近5年内新增碳排放数量，如下表所示，其中x为年份代号，y（单位：万吨）代表新增碳排放量．

年份	2019	2020	2021	2022	2023
年份代号	1	2	3	4	5
新增碳排放万吨	6.1	5.2	4.9	4	3.8

(1)请计算并用相关系数的数值说明与间具有较强的线性相关性（若，则线性相关程度较高）；
(2)求关于的线性回归方程，并据此估计该地区年的新增碳排放．
参考数据：，，，，，，．
参考公式：对于一组数据，，…，，其回归直线的斜率和截距的最小二乘法估计公式，相关系数r的公式分别为，，．

5 . 下图是某市2016年至2022年生活垃圾无害化处理量y（单位：万吨）与年份t的散点图.

(1)根据散点图推断变量y与t是否线性相关，并用相关系数加以说明；
(2)建立y关于t的回归方程（系数精确到0.01），预测2024年该市生活垃圾无害化处理量.
参考数据：
，，，.
参考公式：，；相关系数.

6 . 对变量，有观测数据，得散点图1；对变量，有观测数据，得散点图2. 表示变量，之间的样本相关系数，表示变量，之间的样本相关系数，则（       ）

A．	B．
C．	D．

7 . 对两个变量的三组数据进行统计，得到以下散点图，关于两个变量相关系数的比较，正确的是（       ）

   

A．

B．

C．

D．

8 . 环境监测部门为调研汽车流量对空气质量的影响，在某监测点统计每日过往的汽车流量（单位：辆）和空气中的的平均浓度（单位：）． 调研人员采集了50天的数据，制作了关于的散点图，并用直线与将散点图分成如图所示的四个区域Ⅰ、Ⅱ、Ⅲ、Ⅳ，落入对应区域的样本点的个数依次为6，20，16，8．

(1)完成下面的列联表，并判断至少有多大把握认为“平均浓度不小于与“汽车日流量不小于1500辆”有关；

	汽车日流量	汽车日流量	合计
的平均浓度
的平均浓度
合计

(2)经计算得回归方程为，且这50天的汽车日流量的标准差，的平均浓度的标准差．
①求相关系数，并判断该回归方程是否有价值；
②若这50天的汽车日流量满足，试推算这50天的日均浓度的平均数．（精确到0.1）
参考公式：，其中．

	0.100	0.050	0.010	0.001
	2.706	3.841	6.635	10.828

回归方程，其中．
相关系数． 若，则认为与有较强的线性相关性．

10 . 某校服生产企业为了使设计所用的数据更精准，随机地抽取了6位高中男生的身高和臂展的数据，数据如下表所示：

身高	167	173	174	176	182	184
臂展	160	165	173	170	170	182

(1)计算相关系数r（精确到0.01）并说明可用线性回归模型拟合y与x的关系：（若，则线性相关程度很高，可用线性回归模型拟合．）
(2)建立y关于x的线性回归方程，并以此估计男装上装XL号（加大号，对应身高）对应的臂展数据．（结果中精确到0.1．参考数据：，．）
相关系数公式：，
回归方程中，，．