1 . 某社区居民2013年至2019年人均收入（万元）的统计数据如下表：

年份	2013	2014	2015	2016	2017	2018	2019
年份代号	1	2	3	4	5	6	7
人均收入	2.9	3.3	3.6	4.4	4.8	5.2	5.9

已知变量具有线性相关关系．
(1)求关于的线性回归方程；
(2)利用（1）中的线性回归方程，分析2013年至2019年该社区居民人均收入的变化情况，并预测该社区居民2020年的人均收入．
附参考公式：线性回归方程   ．

2 . 已知之间的回归直线方程为，且变量的数据如表所示，则下列说法正确的是（       ）

	6	8	10	12
	6		3	2

A．变量之间呈负相关关系	B．的值等于5
C．变量之间的相关系数	D．该回归直线必过点

4 . 为了研究y关于x的线性相关关系，收集了5组样本数据（见下表）：

x	1	2	3	4	5
y	0.5	0.9	1	1.1	1.5

若已求得一元线性回归方程为，则下列选项中正确的是（       ）

A．

B．当时，y的预测值为2.2

C．样本数据y的第40百分位数为1

D．去掉样本点后，x与y的样本相关系数r不会改变

6 . 随着移动互联网和直播带货技术的发展，直播带货已经成为一种热门的销售方式，特别是商家通过展示产品，使顾客对商品有更全面的了解.下面统计了某新手开启直播带货后从6月份到10月份每个月的销售量(万件)的数据，得到如图所示的散点图．其中6月份至10月份相应的代码为，如:表示6月份.

(1)根据散点图判断，模型①与模型②哪一个更适宜作为月销售量关于月份代码的回归方程?（给出判断即可，不必说明理由）
(2)（i）根据（1）的判断结果，建立关于的回归方程;(计算结果精确到0.01)
（ⅱ）根据结果预测12月份的销售量大约是多少万件?
参考公式与数据:， ，，其中.

7 . 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

9 . 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．

10 . 已知具有线性相关的两个变量之间的一组数据如表：

	-2	-1	1	2	3
	24	36	40	48	56

且回归方程为，则当时，的预测值为（       ）

A．59.5

B．60.5

C．61.5

D．62.5