1 . 某企业拟对某产品进行科技升级，根据市场调研与模拟，得到科技升级投入
（万元）与科技升级直接收益
（万元）的数据统计如下：
根据表格中的数据，建立了与的两个回归模型：模型①：
模型②：
.
(1)根据下列表格中的数据，比较模型①､②的相关指数的大小，并选择拟合精度更高､更可靠的模型；
(2)根据（1）选择的模型，预测对该产品科技升级的投入为100万元时的直接收益.
（附：刻画回归效果的相关指数
越大，模型的拟合效果越好）
（万元）与科技升级直接收益（万元）的数据统计如下：| 序号 | 1 | 2 | 3 | 4 | 5 | 6 | 7 |
| 2 | 3 | 4 | 6 | 8 | 10 | 13 |
| 13 | 22 | 31 | 42 | 50 | 56 | 58 |
与的两个回归模型：模型①：模型②：.(1)根据下列表格中的数据，比较模型①､②的相关指数的大小，并选择拟合精度更高､更可靠的模型；
(2)根据（1）选择的模型，预测对该产品科技升级的投入为100万元时的直接收益.
| 回归模型 | 模型① | 模型② |
| 回归方程 |  | |
 | 182.4 | 79.2 |
越大，模型的拟合效果越好）
您最近半年使用：0次
名校
解题方法
2 . 近年来，长安区大力发展大花卉产业，其中玫瑰既有观赏价值也能加工成食品和高档化妆品而得到环山路一带农民大面种植．已知玫瑰的株高y（单位：cm）与一定范围内的温度x（单位：
）有关，现收集了玫瑰的13组观测数据，得到如下的散点图：
或
建立y关于x的回归方程，令
，
得到如下数据：
且
与
的相关系数分别为
，
，且
．
(1)用相关系数说明哪种模型建立y与x的回归方程更合适；
(2)根据（1）的结果及表中数据，建立y关于x的回归方程；
(3)已知玫瑰的利润z与x、y的关系为
，当x为何值时，z的预期最大．
参考数据和公式：
，
，
，对于一组数据
，其回归直线方程
的斜率和截距的最小二乘法估计分别为
，
，相关系数
．
）有关，现收集了玫瑰的13组观测数据，得到如下的散点图：
或建立y关于x的回归方程，令，得到如下数据：
|
|
|
| ||||
10.15 | 109.94 | 3.04 | 0.16 | ||||
|
|
|
|
| |||
13.94 |
| 11.67 | 0.21 | 21.22 | |||
与的相关系数分别为，，且．(1)用相关系数说明哪种模型建立y与x的回归方程更合适；
(2)根据（1）的结果及表中数据，建立y关于x的回归方程；
(3)已知玫瑰的利润z与x、y的关系为
，当x为何值时，z的预期最大．参考数据和公式：
，，，对于一组数据，其回归直线方程的斜率和截距的最小二乘法估计分别为，，相关系数．
您最近半年使用：0次
名校
解题方法
3 . 新冠肺炎疫情发生以来，中医药全面参与疫情防控救治，做出了重要贡献.某中医药企业根据市场调研与模拟，得到研发投入
（亿元）与产品收益（亿元）的数据统计如下：
(1)计算
的相关系数
，并判断是否可以认为研发投入与产品收益具有较高的线性相关程度？（若
，则线性相关程度一般，若
，则线性相关程度较高）
(2)求出关于的线性回归方程，并预测若想收益超过50（亿元）则需研发投入至少多少亿元？（结果保留一位小数）
参考数据：
；
附：相关系数公式：
；
回归直线方程的斜率
.
（亿元）与产品收益（亿元）的数据统计如下：| 研发投入x（亿元） | 1 | 2 | 3 | 4 | 5 |
| 产品收益y（亿元） | 3 | 7 | 9 | 10 | 11 |
的相关系数，并判断是否可以认为研发投入与产品收益具有较高的线性相关程度？（若，则线性相关程度一般，若，则线性相关程度较高）(2)求出
关于的线性回归方程，并预测若想收益超过50（亿元）则需研发投入至少多少亿元？（结果保留一位小数）参考数据：
；附：相关系数公式：
；回归直线方程的斜率
.
您最近半年使用：0次
名校
解题方法
4 . 为帮助乡村脱贫，某勘探队计划了解当地矿脉某金属的分布情况，测得了平均金属含量（单位：克每立方米）与样本对原点的距离（单位：米）的数据，并作了初步处理，得到了下面的一些统计量的值．（表中
）．
(1)利用相关系数的知识，判断
与哪一个更适宜作为平均金属含量关于样本对原点的距离的回归方程类型；
(2)根据（1）的结果建立关于的回归方程，并估计样本对原点的距离
米时，平均金属含量是多少？
（单位：克每立方米）与样本对原点的距离（单位：米）的数据，并作了初步处理，得到了下面的一些统计量的值．（表中）． |  |  |  |  |  |  |  |
| 6 | 97.90 | 0.21 | 240 | 0.14 | 14.12 | 26.13 |  |
与哪一个更适宜作为平均金属含量关于样本对原点的距离的回归方程类型；(2)根据（1）的结果建立
关于的回归方程，并估计样本对原点的距离米时，平均金属含量是多少？
您最近半年使用：0次
5 . 开始吸烟年龄
与得肺癌的相对危险度
相对应的一组数据为
，
；每天吸烟的支数
与其得肺癌的相对危险度
相对应的一组数据为
，
．用表示变量
与
之间的线性相关系数，用表示变量
与
之间的线性相关系数，则下列说法正确的是（ ）
与得肺癌的相对危险度相对应的一组数据为，；每天吸烟的支数与其得肺癌的相对危险度相对应的一组数据为，．用表示变量与之间的线性相关系数，用表示变量与之间的线性相关系数，则下列说法正确的是（ ）A． | B． | C． | D． |
您最近半年使用：0次
6 . 已知变量y关于x的回归方程为
，若对两边取自然对数，可以发现
与x线性相关，现有一组数据如下表所示：
则当
时，预测y的值为____________ ．
，若对两边取自然对数，可以发现与x线性相关，现有一组数据如下表所示：x | 1 | 2 | 3 | 4 | 5 |
y |
|
|
|
|
|
时，预测y的值为
您最近半年使用：0次
名校
7 . 在一元线性回归模型中，设变量和变量的样本相关系数为，决定系数为
，变量和变量的样本相关系数为，决定系数为
，且
，
，则（ ）
和变量的样本相关系数为，决定系数为，变量和变量的样本相关系数为，决定系数为，且，，则（ ）A．和之间呈正线性相关关系，且 |
B．和之间呈负线性相关关系，且 |
| C．和之间呈负线性相关关系，且 |
| D．和之间呈正线性相关关系，且 |
您最近半年使用：0次
名校
8 . 设变量和变量的样本相关系数为，变量和变量的样本相关系数为，且
，
，则（ ）
和变量的样本相关系数为，变量和变量的样本相关系数为，且，，则（ ）| A．和之间呈正线性相关关系，且和的线性相关程度强于和的线性相关程度 |
| B．和之间呈负线性相关关系，且和的线性相关程度强于和的线性相关程度 |
| C．和之间呈负线性相关关系，且和的线性相关程度弱于和的线性相关程度 |
| D．和之间呈正线性相关关系，且和的线性相关程度弱于和的线性相关程度 |
您最近半年使用：0次
解题方法
9 . 台州是全国三大电动车生产基地之一，拥有完整的产业链和突出的设计优势.某电动车公司为了抢占更多的市场份额，计划加大广告投入、该公司近5年的年广告费
（单位：百万元）和年销售量
（单位：百万辆）关系如图所示：令
，数据经过初步处理得：
现有①
和②
两种方案作为年销售量y关于年广告费x的回归分析模型，其中a，b，m，n均为常数.
(1)请从相关系数的角度，分析哪一个模型拟合程度更好?
(2)根据（1）的分析选取拟合程度更好的回归分析模型及表中数据，求出y关于x的回归方程，并预测年广告费为6（百万元）时，产品的年销售量是多少?
(3)该公司生产的电动车毛利润为每辆200元（不含广告费、研发经费）.该公司在加大广告投入的同时也加大研发经费的投入，年研发经费为年广告费的199倍.电动车的年净利润受年广告费和年研发经费影响外还受随机变量
影响，设随机变量服从正态分布
，且满足
.在（2）的条件下，求该公司年净利润的最大值大于1000（百万元）的概率.（年净利润=毛利润×年销售量-年广告费-年研发经费-随机变量）.
附：①相关系数
，
回归直线
中公式分别为
，
；
②参考数据：
，
，
，
.
（单位：百万元）和年销售量（单位：百万辆）关系如图所示：令，数据经过初步处理得：  |  |  |  |  |  |  |
| 44 | 4.8 | 10 | 40.3 | 1.612 | 19.5 | 8.06 |
和②两种方案作为年销售量y关于年广告费x的回归分析模型，其中a，b，m，n均为常数.(1)请从相关系数的角度，分析哪一个模型拟合程度更好?
(2)根据（1）的分析选取拟合程度更好的回归分析模型及表中数据，求出y关于x的回归方程，并预测年广告费为6（百万元）时，产品的年销售量是多少?
(3)该公司生产的电动车毛利润为每辆200元（不含广告费、研发经费）.该公司在加大广告投入的同时也加大研发经费的投入，年研发经费为年广告费的199倍.电动车的年净利润受年广告费和年研发经费影响外还受随机变量
影响，设随机变量服从正态分布，且满足.在（2）的条件下，求该公司年净利润的最大值大于1000（百万元）的概率.（年净利润=毛利润×年销售量-年广告费-年研发经费-随机变量）.附：①相关系数
，回归直线
中公式分别为，；②参考数据：
，，，.
您最近半年使用：0次
10 . 某骑行爱好者在专业人士指导下对近段时间骑行锻炼情况进行统计分析，统计每次骑行期间的身体综合指标评分与骑行用时（单位：小时）如下表：
由上表数据得到的错误结论是（ ）
参考数据：
,
参考公式：相关系数
.
与骑行用时（单位：小时）如下表：身体综合指标评分 | 1 | 2 | 3 | 4 | 5 |
用时 小时） | 9.5 | 8.8 | 7.8 | 7 | 6.1 |
参考数据：
,参考公式：相关系数
.| A．身体综合指标评分与骑行用时正相关 |
| B．身体综合指标评分与骑行用时的相关程度较弱 |
| C．身体综合指标评分与骑行用时的相关程度较强 |
| D．身体综合指标评分与骑行用时的关系不适合用线性回归模型拟合 |
您最近半年使用：0次
