1 . 某企业新研发了一种产品，产品的成本由原料成本及非原料成本组成.每件产品的非原料成本（元）与生产该产品的数量（千件）有关，经统计得到如下数据：

x	1	2	3	4	5	6	7	8
y	112	61	44.5	35	30.5	28	25	24

根据以上数据，绘制了散点图.观察散点图，两个变量不具有线性相关关系，现考虑用反比例函数模型和指数函数模型分别对两个变量的关系进行拟合，已求得：用指数函数模型拟合的回归方程为，与的相关系数；，，，，，，（其中）；

（1）用反比例函数模型求关于的回归方程；
（2）用相关系数判断上述两个模型哪一个拟合效果更好（精确到0.01），并用其估计产量为10千件时每件产品的非原料成本.
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估计分别为：，，相关系数.

2 . 近几年，电商行业的蓬勃发展带动了快递业的迅速增长，快递公司揽收价格一般是采用“首重+续重”的计价方式.首重是指最低的计费重量，续重是指超过首重部分的计费重量，不满一公斤按一公斤计费.某快递网点将快件的揽收价格定为首重（不超过一公斤）8元，续重2元/公斤（例如，若一个快件的重量是0.6公斤，按8元计费；若一个快件的重量是1.4公斤，按元元元计费）.根据历史数据，得到该网点揽收快件重量的频率分布直方图如下图所示

（1）根据样本估计总体的思想，将频率视作概率，求该网点揽收快件的平均价格；
（2）为了获得更大的利润，该网点对“一天中收发一件快递的平均成本（单位：元）与当天揽收的快递件数（单位：百件）之间的关系”进行调查研究，得到相关数据如下表：

每天揽收快递件数（百件）	2	3	4	5	8
每件快递的平均成本（元）	5.6	4.8	4.4	4.3	4.1

根据以上数据，技术人员分别根据甲、乙两种不同的回归模型，得到两个回归方程：
方程甲：，方程乙：.
①为了评价两种模型的拟合效果，根据上表数据和相应回归方程，将以下表格填写完整（结果保留一位小数），分别计算模型甲与模型乙的残差平方和，，并依此判断哪个模型的拟合效果更好（备注：称为相应于点的残差，残差平方和；

每天揽收快递件数/百件		2	3	4	5	8
每天快递的平均成本/元		5.6	4.8	4.4	4.3	4.1
模型甲	预报值	5.2	5.0	4.8
	残差		0.2	0.4
模型乙	预报值	5.5	4.8	4.5
	预报值		0	0.1

②预计该网点今年6月25日（端午节）一天可以揽收1000件快递，试根据①中确定的拟合效果较好的回归模型估计该网点当天的总利润（总利润=（平均价格-平均成本）×总件数）.

3 . 一只昆虫的产卵数与温度有关，现收集了6组观测数据与下表中.由散点图可以发现样本点分布在某一指数函数曲线的周围.

温度	21	23	25	27	29	31
产卵数/个	7	11	21	24	66	114

令，经计算有：

26	40.5	19.50	6928	526.60	70

（1）试建立关于的回归直线方程并写出关于的回归方程.
（2）若通过人工培育且培育成本与温度和产卵数的关系为（单位：万元），则当温度为多少时，培育成本最小？
注：对于一组具有线性相关关系的数据，，…，，其回归直线的斜率和截距的最小二乘公式分别为，.