1 . 某公司为了确定下季度的前期广告投入计划，收集并整理了近6个月广告投入量x(单位：万元)和收益y(单位：万元)的数据如表(其中有些数据污损不清)：

月份	1	2	3	4	5	6
广告投入量	2		7	8	10
收益		20	30	34	37

他们分别用两种模型①，②进行拟合，得到相应的回归方程并进行残差分析，得到如图所示的残差图及一些统计量的值．

(1)根据残差图，比较模型①，②的拟合效果，应选择哪个模型?
(2)残差绝对值大于2 的数据被认为是异常数据，需要剔除．
（i）剔除异常数据后，求出（1）中所选模型的回归方程；
（ii）若广告投入量x=19，则（1）中所选模型收益的预报值是多少万元?(精确到0.01)
附：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： .

2 . 一元线性回归模型
（1）一元线性回归模型
在研究两个变量线性相关时，我们常利用成对样本数据建立统计模型，并利用模型进行预测. ①我们称①式为Y关于x的一元线性回归模型.
其中，Y称为因变量或________，x称为自变量或__________；
a和b为模型的未知参数，a称为______参数，b称为斜率参数；e是Y与bx＋a之间的_______.
如果e＝0，那么Y与x之间的关系就可用一元线性函数模型来描述.
（2）一元线性回归模型参数的最小二乘估计
回归直线方程过样本点的中心_______，是回归直线方程最常用的一个特征.
（3）我们将称为关于的线性回归方程，也称经验回归函数或经验回归公式，其图形称为经验回归直线．
这种求经验回归方程的方法叫做最小二乘法，求得的叫做b，a的最小二乘估计，其中

3 . 已知一组样本数据，，，，，画出相应散点图，发现变量，有较强的线性关系，利用最小二乘法得其回归方程为．若，则（       ）

A．

B．

C．

D．

4 . 随着科技发展的日新月异，人工智能融入了各个行业，促进了社会的快速发展.其中利用人工智能生成的虚拟角色因为拥有更低的人工成本，正逐步取代传统的真人直播带货.某公司使用虚拟角色直播带货销售金额得到逐步提升，以下为该公司自2023年8月使用虚拟角色直播带货后的销售金额情况统计.

年月	2023年8月	2023年9月	2023年10月	2023年11月	2023年12月	2024年1月
月份编号	1	2	3	4	5	6
销售金额/万元	15.4	25.4	35.4	85.4	155.4	195.4

若与的相关关系拟用线性回归模型表示，回答如下问题：
(1)试求变量与的样本相关系数（结果精确到0.01）；
(2)试求关于的经验回归方程，并据此预测2024年2月份该公司的销售金额.（，均保留一位小数）
附：经验回归方程，其中，
样本相关系数
参考数据：.

7 . 设是变量和的个样本点，由这些样本点通过最小二乘法得到线性回归直线方程，下列结论正确的是（       ）

A．与正相关的充要条件是	B．直线过点
C．与之间的相关系数为	D．当增大一个单位时，增大个单位

8 . 随着全国新能源汽车推广力度的加大，新能源汽车消费迎来了前所未有的新机遇.某公司生产了A、两种不同型号的新能源汽车，为了解大众对生产的新能源汽车的接受程度，公司在某地区采用随机抽样的方式进行调查，对A、两种不同型号的新能源汽车进行综合评估（得分越高接受程度就越高），综合得分按照，，，分组，绘制成评估综合得分的频率分布直方图（如图）：

(1)以综合得分的平均数为依据，判断A、两种不同型号的新能源汽车哪种型号更受大众喜欢；
(2)为进一步了解该地区新能源汽车销售情况，某机构根据统计数据，用最小二乘法得到该地区新能源汽车销量（单位：万台）关于年份的线性回归方程为，且销量的方差，年份的方差为，求与的相关系数，并据此判断该地区新能源汽车销量与年份的相关性强弱.
参考公式：（ⅰ）线性回归方罡：，其中，；
（ⅱ）相关系数（若，则相关性较弱：若，则相关性较强；若，则相关性很强）.

9 . 已知由样本数据点集合，求得的回归直线方程为，且，现发现两个数据点和误差较大，剔除后重新求得的回归直线的斜率为1.2，则（     ）

A．变量与具有负相关关系	B．剔除后不变
C．剔除后的回归方程为	D．剔除后相应于样本点的残差为0.05

10 . 某城市理论预测2015年到2019年人口总数与年份的关系如下表所示

年份	2015	2016	2017	2018	2019
时间代号	0	1	2	3	4
人口总数（十万）	5	7	8	11	19

(1)请用相关系数说明该组数据中与之间的关系可用线性回归模型进行拟合；
(2)求出关于的线性回归方程；
(3)据此估计2021年该城市人口总数．
参考公式：相关系数，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估计分别为．