1 . 下图是某市2016年至2022年生活垃圾无害化处理量y（单位：万吨）与年份t的散点图.

(1)根据散点图推断变量y与t是否线性相关，并用相关系数加以说明；
(2)建立y关于t的回归方程（系数精确到0.01），预测2024年该市生活垃圾无害化处理量.

参考数据：

，，，.

参考公式：，；相关系数.

2 . 卫生纸主要供人们生活日常卫生之用，是人民群众生活中不可缺少的纸种之一.某品牌卫生纸生产厂家为保证产品的质量，现从甲､乙两条生产线生产的产品中各随机抽取件进行品质鉴定，并将统计结果整理如下：

	合格品	优等品
甲生产线
乙生产线

(1)根据的独立性检验，能否认为产品的品质与生产线有关？
(2)用频率近似概率，从甲､乙两条生产线生产的产品中各随机抽取件进行详细检测，记抽取的产品中优等品的件数为，求随机变量的分布列与数学期望.
附：，其中.

3 . 2023年9月23日第19届亚运会在杭州开幕，本届亚运会共设40个竞赛大项，包括31个奥运项目和9个非奥运项目．为研究不同性别学生对杭州亚运会项目的了解情况，某学校进行了一次抽样调查，分别抽取男生和女生各50名作为样本，设事件“了解亚运会项目”，“学生为女生”，据统计，．
(1)根据已知条件，填写列联表，并依据的独立性检验，能否认为该校学生对亚运会项目的了解情况与性别有关?
(2)现从该校了解亚运会项目的学生中，采用分层随机抽样的方法随机抽取9名学生，再从这9名学生中随机抽取4人，设抽取的4人中男生的人数为，求的分布列和数学期望．
附：，．

	0．050	0．010	0．001
	3．841	6．635	10．828

4 . 为了解居民体育锻炼情况，某地区对辖区内居民体育锻炼进行抽样调查.统计其中400名居民体育锻炼的次数与年龄，得到如下的频数分布表.

年龄 次数	[20,30)	[30,40)	[40,50)	[50,60]
每周0~2次	70	55	36	59
每周3~4次	25	40	44	31
每周5次及以上	5	5	20	10

(1)若把年龄在的锻炼者称为青年，年龄在的锻炼者称为中年，每周体育锻炼不超过2次的称为体育锻炼频率低，不低于3次的称为体育锻炼频率高，根据小概率值的独立性检验判断体育锻炼频率的高低与年龄是否有关联；
(2)从每周体育锻炼5次及以上的样本锻炼者中，按照表中年龄段采用按比例分配的分层随机抽样，抽取8人，再从这8人中随机抽取3人，记这3人中年龄在与的人数分别为，求ξ的分布列与期望；
(3)已知小明每周的星期六、星期天都进行体育锻炼，且两次锻炼均在跑步、篮球、羽毛球3种运动项目中选择一种，已知小明在某星期六等可能选择一种运动项目，如果星期六选择跑步、篮球、羽毛球，则星期天选择跑步的概率分别为 ，求小明星期天选择跑步的概率.
参考公式：
附：

α	0.10	0.05	0.01	0.005	0.001
	2.706	3.841	6.635	7.879	10.828

6 . 近年来，短视频作为以视频为载体的聚合平台，社交属性愈发突出，在用户生活中覆盖面越来越广泛，针对短视频的碎片化缺陷，将短视频剪接成长视频势必成为一种新的技能．某机构在网上随机对1000人进行了一次市场调研，以决策是否开发将短视频剪接成长视频的APP，得到如下数据：

	青年人	中年人	老年人
对短视频剪接成长视频的APP有需求		200
对短视频剪接成长视频的APP无需求		150

其中的数据为统计的人数，已知被调研的青年人数为400．
(1)求的值；
(2)根据小概率值的独立性检验，分析对短视频剪接成长视频的APP的需求，青年人与中老年人是否有差异？
参考公式：，其中．
临界值表：

	0.1	0.05	0.01	0.005	0.001
	2.706	3.841	6.635	7.879	10.828

7 . 直播带货是一种直播和电商相结合的销售手段，目前已被广大消费者所接受.针对这种现状，某公司决定逐月加大直播带货的投入，直播带货金额稳步提升，以下是该公司2023年前5个月的带货金额的统计表（金额（万元））.

月份	1月	2月	3月	4月	5月
月份编号	1	2	3	4	5
金额（万元）	7	12	13	19	24

(1)根据统计表，
①求该公司带货金额的平均值；
②求该公司带货金额与月份编号的样本相关系数（精确到0.01），并判断它们是否具有线性相关关系（，则认为与的线性相关性较强；，则认为与的线性相关性较弱）；
(2)该公司现有一个直播间销售甲、乙两种产品.为对产品质量进行监控，质检人员先用简单随机抽样的方法从甲、乙两种产品中分别抽取了5件、3件产品进行初检，再从中随机选取3件做进一步的质检，记抽到甲产品的件数为，试求的分布列与期望.
附：相关系数公式，参考数据：，，，.

9 . 某地区响应“节能减排，低碳生活”的号召，开展系列的措施控制碳排放．环保部门收集到近5年内新增碳排放数量，如下表所示，其中x为年份代号，y（单位：万吨）代表新增碳排放量．

年份	2019	2020	2021	2022	2023
年份代号	1	2	3	4	5
新增碳排放万吨	6.1	5.2	4.9	4	3.8

(1)请计算并用相关系数的数值说明与间具有较强的线性相关性（若，则线性相关程度较高）；
(2)求关于的线性回归方程，并据此估计该地区年的新增碳排放．
参考数据：，，，，，，．
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法估计公式，相关系数r的公式分别为，，．