3 . 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	56.5	31	22.75	17.8	15.95	14.5	13	12.5

根据以上数据绘制了散点图观察散点图，两个变量间关系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x的相关系数.

(1)用反比例函数模型求y关于x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0.001），并用其估计产量为10千件时每件产品的非原料成本；
(3)根据企业长期研究表明，非原料成本y服从正态分布，用样本平均数作为的估计值，用样本标准差s作为的估计值，若非原料成本y在之外，说明该成本异常，并称落在之外的成本为异样成本，此时需寻找出现异样成本的原因.利用估计值判断上述非原料成本数据是否需要寻找出现异样成本的原因？
参考数据（其中）：

0.34	0.115	1.53	184	5777.555	93.06	30.705	13.9

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公式分别为：，，相关系数.

4 . 节能降耗是企业的生存之本，树立一种“点点滴滴降成本，分分秒秒增效益”的节能意识，以最好的管理，来实现节能效益的最大化，为此某国企进行节能降耗技术改造，下面是该国企节能降耗技术改造后连续五年的生产利润：

年号	1	2	3	4	5
年生产利润y(单位千万元)	0.7	0.8	1	1.1	1.4

预测第10年该国企的生产利润约为（       ）
(参考公式)

A．1.85

B．2.02

C．2.19

D．2.36

5 . 某企业坚持以市场需求为导向，合理配置生产资源，不断改革、探索销售模式．下表是该企业每月生产的一种核心产品的产量x（件）与相应的生产总成本y（万元）的五组对照数据：

产量x/件	1	2	3	4	5
生产总成本y/万元	3	7	8	10	12

试求y与x的相关系数r，并利用相关系数r说明y与x是否具有较强的线性相关关系（若，则线性相关程度很高，可用线性回归模型拟合）．
参考公式：

6 . 为研究每平方米平均建筑费用与楼层数的关系，某开发商收集了一栋住宅楼在建筑过程中，建筑费用的相关信息，将总楼层数与每平米平均建筑成本（单位：万元）的数据整理成如图所示的散点图：

则下面四个回归方程类型中最适宜作为每平米平均建筑费用和楼层数的回归方程类型的是（       ）

A．	B．
C．	D．

7 . 某连锁日用品销售公司下属5个社区便利店某月的销售额与利润额如下表所示．

便利店编号	1	2	3	4	5
销售额x/万元	30	60	45	80	89
利润额y/万元	2.3	3.5	3.2	4.0	5.3

(1)绘制销售额和利润额的散点图；
(2)若销售额和利润额具有线性相关关系，试计算利润额y与销售额x的经验回归直线方程．

8 . 市场监管部门对某线下某实体店2023年前两季度的月利润情况进行调查统计，得到的数据如下：

月份x	1	2	3	4	5	6
净利润y（万元）	1.0	1.4	1.7	2.0	2.2	2.4

(1)是否可以用线性回归模型拟合y与x的关系？请用相关系数r加以说明；（参考：若时，则线性相关程度较高，，则线性相关程度一般，计算时精确度为0.01）
(2)利用最小二乘法求出y关于x的回归方程；用样本估计总体，请预估第9月份的利润.
附：对于一组数据，其回归直线的斜率
，.相关系数.
参考数据：，，，，，.

9 . 在我国，大学生就业压力日益严峻，伴随着政府政策的引导与社会观念的转变，大学生的创业意识与就业方向也悄然发生转变．某大学生在国家提供的税收，担保贷款等多方面的政策扶持下选择加盟某专营店自主创业，该专营店统计了近五年来创收利润数（单位：万元）与时间（单位：年）的数据，列表如下：

	1	2	3	4	5
	2.4	2.7	4.1	6.4	7.9

（1）依据表中给出的数据，是否可用线性回归模型拟合与的关系，请计算相关系数并加以说明（计算结果精确到0.01）．（若，则线性相关程度很高，可用线性回归模型拟合）
（2）该专营店为吸引顾客，特推出两种促销方案．
方案一：每满500元可减50元；
方案二：每满500元可抽奖一次，每次中奖的概率都为，中奖就可以获得100元现金奖励，假设顾客每次抽奖的结果相互独立．
（ⅰ）某位顾客购买了1050元的产品，该顾客选择参加两次抽奖，求该顾客换得100元现金奖励的概率
（ⅱ）某位顾客购买了2000元的产品，作为专营店老板，是希望该顾客直接选择方案一返回200元现金，还是选择方案二参加四次抽奖？说明理由．
附：相关系数公式：，
参考数据：，，，．

10 . 某公司为了预测下月产品销售情况，找出了近7个月的产品销售量（单位：万件）的统计表：

月份代码	1	2	3	4	5	6	7
销售量（万件）

但其中数据污损不清，经查证，，.
（1）请用相关系数说明销售量与月份代码有很强的线性相关关系；
（2）求关于的回归方程（系数精确到0.01）；
（3）公司经营期间的广告宣传费（单位：万元）（），每件产品的销售价为10元，预测第8个月的毛利润能否突破15万元，请说明理由.（毛利润等于销售金额减去广告宣传费）
参考公式及数据：，相关系数，当时认为两个变量有很强的线性相关关系，回归方程中斜率和截距的最小二乘估计公式分别为，.