1 . 维尼纶纤维的耐热水性能的好坏可以用指标“缩醛化度”来衡量，这个指标越高，耐热水性能也越好，而甲醛浓度是影响缩醛化度的重要因素，在生产中常用甲醛浓度（单位:）去控制这一指标，为此必须找出它们之间的关系，现安排一批实验，获得如下数据:

甲醛浓度 /（）	18	20	22	24	26	28	30
缩醛化度 /克分子%	26.86	28.35	28.75	28.87	29.75	30.00	30.36

(1)画散点图；
(2)求线性回归方程；
(3)求相关系数

2 . 习近平总书记在十九大报告中指出，必须树立和践行“绿水青山就是金山银山”的生态文明发展理念，这将进一步推动新能源汽车产业的迅速发展.根据近几年我国某新能源汽车的年销售量的调研，做出如图所示的散点图，给出与销售的两种回归模型①，②，你认为哪个模型更适宜_________.（从①②中选一个填到空格处）

3 . 某统计部门依据《中国统计年鉴——2017》提供的数据，对我国1997-2016年的国内生产总值（GDP）进行统计研究，作出了两张散点图：图1表示1997-2016年我国的国内生产总值（GDP），图2表示2007-2016年我国的国内生产总值（GDP）．


(1)用表示第i张图中的年份与GDP的线性相关系数，，依据散点图的特征分别写出的结果；
(2)分别用线性回归模型和指数回归模型对两张散点图进行回归拟合，分别计算出统计数据——相关指数的数值，部分结果如下表所示：

年份	1997-2016	2007-2016
线性回归模型	0.9306
指数回归模型	0.9899	0.978

①将上表中的数据补充完整（结果保留3位小数，直接写在答题卡上）；
②若估计2017年的GDP，结合数据说明采用哪张图中的哪种回归模型会更精准一些？若按此回归模型来估计，2020年的GDP能否突破100万亿元？事实上，2020年的GDP刚好突破了100万亿元，估计与事实是否吻合？结合散点图解释说明.

4 . 近年来，由于耕地面积的紧张，化肥的施用量呈增加趋势．一方面，化肥的施用对粮食增产增收起到了关键作用，另一方面，也成为环境污染、空气污染、土壤污染的重要来源之一，如何合理地施用化肥，使其最大程度地促进粮食增产，减少对周围环境的污染成为需要解决的重要问题，研究粮食产量与化肥施用量的关系，成为解决上述问题的前提某研究团队收集了10组化肥施用量和粮食亩产量的数据并对这些数据作了初步处理，得到了如图所示的散点图及一些统计量的值化肥施用量为（单位：公斤），粮食亩产量为（单位：百公斤）．

参考数据：

650	91.5	52.5	1478.6	30.5	15	15	46.5

表中．
(1)根据散点图判断，与，哪一个适宜作为粮食亩产量关于化肥施用量的回归方程类型（给出判断即可，不必说明理由）；
(2)根据（1）的判断结果及表中数据，建立关于的回归方程；
(3)根据（2）的回归方程，并预测化肥施用量为27公斤时，粮食亩产量的值；
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；②取．

5 . 充气不足或过于膨胀会增加轮胎磨损，并减少行驶里程．对一种新型轮胎在不同压力下的行驶里程进行测试，数据如下表：

压力	里程	压力	里程
30	29.5	33	37.6
30	30.2	34	37.7
31	32.1	34	36.1
31	34.5	35	33.6
32	36.3	35	34.2
32	35.0	36	26.8
33	38.2	36	27.4

(1)画出散点图；
(2)求出相关系数；
(3)将散点图与相关系数进行比照分析，并作出适当解释．

6 . 某工厂在某年里每月产品的总成本y（单位：万元）与月产量x（单位：万件）之间有如下一组数据：

x	1.08	1.12	1.19	1.28	1.36	1.48	1.59	1.68	1.80	1.87	1.98	2.07
y	2.25	2.37	2.40	2.55	2.64	2.75	2.92	3.03	3.14	3.26	3.36	3.50

(1)画出散点图；
(2)求相关系数；
(3)求出线性回归方程．

7 . 下面的表里是统计学家安斯库姆（F. Anscombe）所提供的4组数据．这四组数据的线性相关系数非常接近，均约等于0.8161，它们的线性回归方程也基本一致，均可表示为．
数据组A

x	10	8	13	9	11	14	6	4	12	7	5
y	8.04	6.95	7.58	8.81	8.33	9.96	7.24	4.26	10.84	4.82	5.68

数据组B

x	10	8	13	9	11	14	6	4	12	7	5
y	9.14	8.14	8.74	8.77	9.26	8.10	6.13	3.10	9.13	7.26	4.74

数据组C

x	10	8	13	9	11	14	6	4	12	7	5
y	7.46	6.77	12.74	7.11	7.81	8.84	6.08	5.39	8.15	6.42	5.73

数据组D

x	8	8	8	8	8	8	8	8	8	8	19
y	6.58	5.76	7.71	8.84	8.47	7.04	5.25	5.56	7.91	6.89	12.50

(1)这四组数据的线性相关程度真的如此一致吗？
(2)对哪个（些）组的数据，可以用回归直线来预测时的y值？
(3)分别对四组数据提出自己的见解．

8 . 自动驾驶汽车依靠、人工智能、视觉计算、雷达、监控装置和全球定位系统协同合作，让电脑可以在没有任何人类主动的操作下，自动安全地操作机动车辆.近年来全球汽车行业达成共识，认为自动驾驶代表了未来汽车行业的发展方向.实现自动驾驶是一个渐进过程，国际通用的自动驾驶标准根据自动驾驶程度逐步提升可以分为级.级自动驾驶也是整个自动驾驶技术的分水岭.年全球渗透率（%）统计表及散点图如下.

年份
渗透率（%）

(1)利用散点图判断，和（其中'，为大于的常数）哪一个更适合作为渗透率和年份的回归方程模型（只要给出判断即可，不必说明理由）;
(2)令，求关于的回归方程;
(3)根据（2）中回归模型回答下列问题：
（i）估计年全球渗透率是多少?
（ii）预计至少要到哪一年，全球渗透率能超过?
附：回归直线中斜率和截距的最小二乘估计公式为，.

9 . 人口问题是关乎国计民生的大问题.下表是1949~2016年中国的人口总数（摘自《中国统计年鉴2017》）.

年份	总人口/万人	年份	总人口万人	年份	总人口万人
1949	54167	1982	101654	2000	126743
1950	55196	1983	103008	2001	127627
1951	56300	1984	104357	2002	128453
1955	61465	1985	105851	2003	129227
1960	66207	1986	107507	200	129988
1965	72538	1987	109300	2005	130756
1970	82992	1988	111026	2006	131448
1971	85229	1989	112704	2007	132129
1972	87177	1990	114333	2008	132802
1973	89211	1991	115823	2009	133450
1974	90859	1992	117171	2010	134091
1975	92420	1993	118517	2011	134735
1976	93717	1994	119850	2012	135404
1977	94974	1995	121121	2013	136072
1978	96259	1996	122389	2014	136782
1979	97542	1997	123626	2015	137462
1980	98705	1998	124761	2016	138271
1981	100072	1999	125786

(1)画出散点图；
(2)建立总人口数关于年份的一元线性回归模型；
(3)直接用上面建立的回归模型预测2020年的中国人口总数，得到的结果合理吗？为什么？

10 . 在一次抽样调查中测得样本的5个样本点，数值如下表：

x	0.25	0.5	1	2	4
y	16	12	5	2	1

试建立y与x之间的回归方程.