1 . 某地经过多年的环境治理，已将荒山改造成了绿水青山．为估计一林区某种树木的总材积量，随机选取了10棵这种树木，测量每棵树的根部横截面积（单位：）和材积量（单位：），得到如下数据：

样本号ｉ	1	2	3	4	5	6	7	8	9	10	总和
根部横截面积	0.04	0.06	0.04	0.08	0.08	0.05	0.05	0.07	0.07	0.06	0.6
材积量	0.25	0.40	0.22	0.54	0.51	0.34	0.36	0.46	0.42	0.40	3.9

并计算得．
(1)估计该林区这种树木平均一棵的根部横截面积与平均一棵的材积量；
(2)求该林区这种树木的根部横截面积与材积量的样本相关系数（精确到0.01）；
(3)现测量了该林区所有这种树木的根部横截面积，并得到所有这种树木的根部横截面积总和为．已知树木的材积量与其根部横截面积近似成正比．利用以上数据给出该林区这种树木的总材积量的估计值．
附：相关系数．

4 . 一企业生产某种产品，通过加大技术创新投入降低了每件产品成本，为了调查年技术创新投入（单位：千万元）对每件产品成本（单位：元）的影响，对近年的年技术创新投入和每件产品成本的数据进行分析，得到如下散点图，并计算得：，，，，.

(1)根据散点图可知，可用函数模型拟合与的关系，试建立关于的回归方程；
(2)已知该产品的年销售额（单位：千万元）与每件产品成本的关系为.该企业的年投入成本除了年技术创新投入，还要投入其他成本千万元，根据（1）的结果回答：当年技术创新投入为何值时，年利润的预报值最大？
（注：年利润=年销售额一年投入成本）
参考公式：对于一组数据、、、，其回归直线的斜率和截距的最小乘估计分别为：，.

7 . 移动物联网广泛应用于生产制造、公共服务、个人消费等领域．截至2022年底，我国移动物联网连接数达18.45亿户，成为全球主要经济体中首个实现“物超人”的国家．右图是2018-2022年移动物联网连接数W与年份代码t的散点图，其中年份2018-2022对应的t分别为1~5．

(1)根据散点图推断两个变量是否线性相关．计算样本相关系数（精确到0.01），并推断它们的相关程度；
(2)(i)假设变量x与变量Y的n对观测数据为(x₁，y₁)，(x₂，y₂)，…，(x_n，y_n)，两个变量满足一元线性回归模型   （随机误差）．请推导：当随机误差平方和Q＝取得最小值时，参数b的最小二乘估计．
(ii)令变量，则变量x与变量Y满足一元线性回归模型利用(i)中结论求y关于x的经验回归方程，并预测2024年移动物联网连接数．
附：样本相关系数，，，，

8 . 放行准点率是衡量机场运行效率和服务质量的重要指标之一.某机场自2012年起采取相关策略优化各个服务环节，运行效率不断提升.以下是根据近10年年份数与该机场飞往A地航班放行准点率（）（单位：百分比）的统计数据所作的散点图及经过初步处理后得到的一些统计量的值.

2017.5	80.4	1.5	40703145.0	1621254.2	27.7	1226.8

其中，

(1)根据散点图判断，与哪一个适宜作为该机场飞往A地航班放行准点率y关于年份数x的经验回归方程类型（给出判断即可，不必说明理由），并根据表中数据建立经验回归方程，由此预测2023年该机场飞往A地的航班放行准点率.
(2)已知2023年该机场飞往A地､B地和其他地区的航班比例分别为0.2、0.2和0.6.若以（1）中的预测值作为2023年该机场飞往A地航班放行准点率的估计值，且2023年该机场飞往B地及其他地区（不包含A、B两地）航班放行准点率的估计值分别为和，试解决以下问题：

（i）现从2023年在该机场起飞的航班中随机抽取一个，求该航班准点放行的概率；

（ii）若2023年某航班在该机场准点放行，判断该航班飞往A地、B地、其他地区等三种情况中的哪种情况的可能性最大，说明你的理由.

附：（1）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，

参考数据：，，.

9 . 规定抽球试验规则如下：盒子中初始装有白球和红球各一个，每次有放回的任取一个，连续取两次，将以上过程记为一轮．如果每一轮取到的两个球都是白球，则记该轮为成功，否则记为失败．在抽取过程中，如果某一轮成功，则停止；否则，在盒子中再放入一个红球，然后接着进行下一轮抽球，如此不断继续下去，直至成功．
(1)某人进行该抽球试验时，最多进行三轮，即使第三轮不成功，也停止抽球，记其进行抽球试验的轮次数为随机变量，求的分布列和数学期望；
(2)为验证抽球试验成功的概率不超过，有1000名数学爱好者独立的进行该抽球试验，记表示成功时抽球试验的轮次数，表示对应的人数，部分统计数据如下：

	1	2	3	4	5
	232	98	60	40	20

求关于的回归方程，并预测成功的总人数（精确到1）；
(3)证明：．
附：经验回归方程系数：，；
参考数据：，，（其中，）．

10 . 自然环境中，大气压受到各种因素的影响，如温度、湿度、风速和海拔等方面的改变，都将导致大气压发生相应的变化，其中以海拔的影响最为显著．下图是根据一组观测数据得到海拔6千米～15千米的大气压强散点图，根据一元线性回归模型得到经验回归方程为，决定系数为；根据非线性回归模型得到经验回归方程为，决定系数为 ，则下列说法正确的是（       ）

A．由散点图可知，大气压强与海拔高度负相关

B．由方程可知，海拔每升高1千米，大气压强必定降低4.0kPa

C．由方程可知，样本点的残差为

D．对比两个回归模型，结合实际情况，方程的预报效果更好