1 . 如图是某企业2016年至2022年的污水净化量（单位：吨）的折线图.
注：年份代码1~7分别对应年份2016~2022.
   
(1)由折线图看出，可用线性回归模型拟合y和t的关系，请建立y关于t的回归方程，并预测2025年该企业的污水净化量；
(2)请用相关指数说明回归方程预报的效果.
参考数据：；
参考公式：线性回归方程；
相关指数：

2 . 根据交管部门有关规定，驾驶电动自行车必须佩戴头盔，保护自身安全，某市去年上半年对此不断进行安全教育.下表是该市某主干路口去年连续5个月监控设备抓拍到的电动自行车驾驶员不戴头盔的统计数据：

月份	1	2	3	4	5
不戴头盔人数	120	100	90	75	65

(1)请利用所给数据求不戴头盔人数与月份之间的回归直线方程；
(2)交管部门统计连续5年来通过该路口的电动车出事故的100人，分析不戴头盔行为与事故是否伤亡的关系，得到下表，能否有95%的把握认为不戴头盔行为与事故伤亡有关？

	不戴头盔	戴头盔
伤亡	15	10
不伤亡	25	50

参考数据和公式：，

3 . 从某居民区随机抽取2021年的10个家庭，获得第个家庭的月收入(单位：千元)与月储蓄(单位：千元)的数据资料，计算得， ， ， ．
(1)求家庭的月储蓄对月收入的线性回归方程；
(2)判断变量与之间是正相关还是负相关；
(3)利用（1）中的回归方程，分析2021年该地区居民月收入与月储蓄之间的变化情况，并预测当该居民区某家庭月收入为7千元，该家庭的月储蓄额．附：线性回归方程系数公式．
中，，， 其中，为样本平均值．

4 . 某地区不同身高的未成年男性的体重平均值如下表：

身高/	60	70	80	90	100	110	120	130	140	150	160	170
体重/	6.13	7.90	9.90	12.15	15.02	17.50	20.92	26.86	31.11	38.85	47.25	55.05

（1）根据散点图判断，与哪一个能比较近似地反映这个地区未成年男性体重与身高的回归方程类型？（给出判断即可，不必说明理由）
（2）根据（1）的判断结果及下表中数据，建立关于的回归方程（表中，，）.

115	24.053	2.96	14200	6143.3	284

参考公式：，.

5 . 近年来，随着国家综合国力的提升和科技的进步，截至2018年底，中国铁路运营里程达13,2万千米，这个数字比1949年增长了5倍；高铁运营里程突破2.9万千米，占世界高铁运营里程的60%以上，居世界第一位下表截取了2012--2016年中国高铁密度的发展情况（单位：千米/万平方千米）.

年份	2012	2013	2014	2015	2016
年份代码	1	2	3	4	5
高铁密度	9.75	11.49	17.14	20.66	22.92

已知高铁密度y与年份代码x之间满足关系式（为大于0的常数）若对两边取自然对数，得到，可以发现与线性相关.
（1）根据所给数据，求y关于x的回归方程（保留到小数点后一位）；
（2）利用（1）的结论，预测到哪一年高铁密度会超过30千米/平方千米.
参考公式设具有线性相关系的两个变量的一组数据为，
则回归方程的系数：，.
参考数据：，，，，，.

6 . 近年来，随着国家综合国力的提升和科技的进步，截至年底，中国铁路运营里程达万千米，这个数字比年增长了倍；高铁运营里程突破万千米，占世界高铁运营里程的以上，居世界第一位．如表截取了年中国高铁密度的发展情况（单位：千米/万平方千米）．

年份
年份代码
高铁密度

已知高铁密度与年份代码之间满足关系式（为大于的常数）．
（1）根据所给数据，求关于的回归方程（精确到位）；
（2）利用（1）的结论，预测到哪一年，高铁密度会超过千米/万平方千米．
参考公式：设具有线性相关系的两个变量的一组数据为，则回归方程的系数：，
参考数据：，，，，，．

7 . 下表提供了某厂节能降耗技术改造后生产甲产品过程中记录的产量(吨)与相应的生产能耗(吨标准煤)的几组对照数据．（1）请画出上表数据的散点图；
（2）请根据上表提供的数据，用最小二乘法求出关于的线性回归方程；
（3）已知该厂技改前吨甲产品的生产能耗为吨标准煤，试根据（2）求出的线性回归方程，预测生产吨甲产品的生产能耗比技改前降低多少吨标准煤．
参考公式：，．

8 . 在一段时间内，某种商品的价格(元)和需求量(件)之间的一组数据如下表所示：

价格/元	14	16	18	20	22
需求量/件	56	50	43	41	37

求出关于的线性回归方程，并说明拟合效果的好坏．（参考数据：，）

9 . 一只药用昆虫的产卵数与一定范围内与温度有关, 现收集了该种药用昆虫的6组观测数据如下表：

温度/℃	21	23	24	27	29	32
产卵数/个	6	11	20	27	57	77

(1)若用线性回归模型，求关于的回归方程=x+（精确到0.1）；
(2)若用非线性回归模型求关的回归方程为 且相关指数
( i )试与 (1)中的线性回归模型相比，用 说明哪种模型的拟合效果更好.
( ii )用拟合效果好的模型预测温度为时该种药用昆虫的产卵数（结果取整数）.
附：一组数据(x₁,y₁), (x₂,y₂), ...,(x_n,y_n), 其回归直线=x+的斜率和截距的最小二乘估计为，，相关指数．
．

10 . 已知回归直线斜率的估计值为1.23，样本点的中心为点，当时，估计的值为

A．6.46

B．7.46

C．2.54

D．1.39