1 . 某高速公路服务区从2020年中的前10个月份中随机抽取6个月份，并统计销售收入（单位：万元）的数据，得到如下统计表：

月份	1	2	4	6	8	9
销售收入	44	45	48	52	55	56

整理相关数据得到：，，，，．
（1）求样本（）的相关系数，根据求出的相关系数，试说明样本数据具有较强的线性相关关系；
（2）建立关于的线性回归方程；（的结果；小数点后四舍五入保留两位数字）
（3）根据（2）中求得的关于的线性回归方程，试估计该高速公路服务区12月份的销售收入（保留整数）．
附：相关系数；
回归方程中斜率和截距的最小二乘估计公式分别为：；．

2 . 某研究性学习小组对春季昼夜温差大小与某花卉种子发芽多少之间的关系进行研究，他们分别记录了3月1日至3月5日的每天昼夜温差与实验室每天每100颗种子浸泡后的发芽数，得到如下资料：

日期	3月1日	3月2日	3月3日	3月4日	3月5日
温差	10	11	13	12	9
发芽数(颗)	23	25	30	26	16

（1）从3月1日至3月5日中任选2天，记发芽的种子数分别为，，求事件的概率；
（2）甲，乙两位同学都发现种子的发芽数与昼夜温差近似成线性关系，给出的拟合直线分别为与，试利用“最小平方法(也称最小二乘法)的思想"，判断哪条直线拟合程度更好；
（3）你能找到一条比甲乙两个同学更好的拟合直线吗？如果能请求出直线方程，如果不能请说明理由.
(，)

3 . 两个变量与的回归模型中，分别选择了4个不同模型，它们的相关指数如下，其中拟合效果最好的模型是（       ）

A．模型1的相关指数	B．模型2的相关指数
C．模型3的相关指数	D．模型4的相关指数

4 . 中国是茶的故乡，也是茶文化的发源地.中国茶的发现和利用已有四千七百多年的历史，且长盛不衰，传遍全球.为了弘扬中国茶文化，某酒店推出特色茶食品“金萱排骨茶”，为了解每壶“金萱排骨茶”中所放茶叶量克与食客的满意率的关系，通过试验调查研究，发现可选择函数模型来拟合与的关系，根据以下数据：

茶叶量克	1	2	3	4	5
	4.34	4.36	4.44	4.45	4.51

可求得y关于x的回归方程为（       ）

A．	B．
C．	D．

5 . 年上半年，随着新冠肺炎疫情在全球蔓延，全球超过个国家或地区宣布进入紧急状态，部分国家或地区直接宣布“封国”或“封城”，随着国外部分活动进入停摆，全球经济缺乏活力，一些企业开始倒闭，下表为年第一季度企业成立年限与倒闭分布情况统计表：

企业成立年份	2019	2018	2017	2016	2015
企业成立年限	1	2	3	4	5
倒闭企业数量（万家）	5.28	4.72	3.58	2.70	2.15
倒闭企业所占比例	21.4%	19.1%	14.5%	10.9%	8.7%

（1）由所给数据可用线性回归模型拟合与的关系，请用相关系数加以说明；
（2）建立关于的回归方程，预测年成立的企业中倒闭企业所占比例.
参考数据：，，，，
相关系数，样本的最小二乘估计公式为，.

6 . 在建立两个变量与的回归模型中，分别选择了4个不同的模型，结合它们的相关指数判断，其中拟合效果最好的为

A．模型1的相关指数为0.85	B．模型2的相关指数为0.25
C．模型3的相关指数为0.7	D．模型4的相关指数为0.3

7 . 受传统观念的影响，中国家庭教育过程中对子女教育的投入不遗余力，基础教育消费一直是中国家庭教育的重头戏，升学压力的逐渐增大，特别是对于升入重点学校的重视，导致很多家庭教育支出增长较快，下面是某机构随机抽样调查某二线城市2012-2018年的家庭教育支出的折线图.

（附：年份代码1-7分别对应的年份是2012-2018）
（1）从图中的折线图看出，可用线性回归模型拟合y与t的关系，请求出相关系数r（精确到0.001），并指出是哪一层次的相关性？（相关系数，相关性很强；，相关性一般；，相关性较弱）.
（2）建立y关于t的回归方程；
（3）若2019年该地区家庭总支出为10万元，预测家庭教育支出约为多少万元？
附注：参考数据：，，，，.
参考公式：，回归方程，
其中，.

8 . 一只药用昆虫的产卵数y与一定范围内的温度x有关，现收集了该种药用昆虫的6组观测数据如下表：

温度x/℃	21	23	24	27	29	32
产卵数y/个	6	11	20	27	57	77

经计算得：
，，线性回归模型的残差平方和，，
其中分别为观测数据中的温度和产卵数，
（1）若用线性回归模型，求y关于x的回归方程（精确到0.1）；
（2）若用非线性回归模型求得y关于x的回归方程为，且相关指数.
①试与1中的回归模型相比，用说明哪种模型的拟合效果更好.
②用拟合效果好的模型预测温度为35℃时该用哪种药用昆虫的产卵数（结果取整数）
附：一组数据其回归直线的斜率和截距的最小二乘估计为，；相关指数.

9 . 相关变量的样本数据如下表：

	1	2	3	4	5
	20	21		26	27

经回归分析可得与呈线性相关，并由最小二乘法求得相应的回归直线方程为，则表中的（       ）

A．23.6

B．23

C．24.6

D．24

10 . 某地区某农产品的销售量与年份有关，下表是近五年的部分统计数据：

年份	2010	2012	2014	2016	2018
销售量（吨）	114	115	116	116	114

用所给数据求年销售量（吨）与年份之间的回归直线方程，并根据所求出的直线方程预测该地区2019年该农产品的销售量.
参考公式：.