1 . 某研究公司为了调查公众对某事件的关注程度，在某年的连续6个月内，月份和关注人数（单位：百）（）数据做了初步处理，得到下面的散点图及一些统计量的值.

17.5	35	36.5

（1）由散点图看出，可用线性回归模型拟合y与x的关系，请用相关系数加以说明，并建立y关于x的回归方程；
（2）经统计，调查材料费用v（单位：百元）与调查人数满足函数关系，求材料费用的最小值，并预测此时的调查人数；
（3）现从这6个月中，随机抽取3个月份，求关注人数不低于1600人的月份个数分布列与数学期望.
参考公式：相关系数，若，则y与x的线性相关程度相当高，可用线性回归模型拟合y与x的关系.回归方程中斜率与截距的最小二乘估计公式分别为，.

2 . 一只药用昆虫的产卵数y与一定范围内的温度x有关，现收集了该种药用昆虫的6组观测数据如下表：

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

经计算得：
，，线性回归模型的残差平方和，，
其中分别为观测数据中的温度和产卵数，
（1）若用线性回归模型，求y关于x的回归方程（精确到0.1）；
（2）若用非线性回归模型求得y关于x的回归方程为，且相关指数.
①试与1中的回归模型相比，用说明哪种模型的拟合效果更好.
②用拟合效果好的模型预测温度为35℃时该用哪种药用昆虫的产卵数（结果取整数）
附：一组数据其回归直线的斜率和截距的最小二乘估计为，；相关指数.

3 . 某饮料公司根据市场调查数据分析得到以下结果：如果某款饮料年库存积压率低于千分之一，则该款饮料为畅销产品，可以继续大量生产. 如果年库存积压率高于千分之一，则说明需要调整生产计划. 现公司 2013—2018 年的某款饮料生产，年销售利润及年库存积压相关数据如下表所示：

年份	2013	2014	2015	2016	2017	2018
年生产件数（千万件）	3	5	6	8	9	11
年销售利润（千万元）	22	40	48	68	82	100
年库存积压件数（千件）	29	58	30	90	75	80

注：
（1）从公司 2013—2018 年的相关数据中任意选取 2 年的数据，求该款饮料这 2 年中至少有 1 年畅销的概率.
（2）公司根据上表计算出年销售利润与年生产件数的线性回归方程为.现公司计划 2019 年生产 11 千万件该款饮料，且预计 2019 年可获利 108 千万元. 但销售部 门发现，若用预计的 2019 年的数据与 2013—2018 年中畅销年份的数据重新建立回归方程， 再通过两个线性回归方程计算出来的 2019 年年销售利润误差不超过 4 千万元，该款饮料的 年库存积压率可低于千分之一. 如果你是决策者，你认为 2019 年的生产和销售计划是否需要调整？请说明理由.

4 . 已知变量与正相关，且由观测数据算得样本平均数，，则由该观测的数据算得的线性回归方程可能是

A．	B．
C．	D．

5 . 随着网络的发展，网上购物越来越受到人们的喜爱，各大购物网站为增加收入，促销策略越来越多样化，促销费用也不断增加，下表是某购物网站年月促销费用（万元）和产品销量（万件）的具体数据.

月份	1	2	3	4	5	6	7	8
促销费用	2	3	6	10	13	21	15	18
产品销量	1	1	2	3	3.5	5	4	4.5

(1)根据数据可知与具有线性相关关系，请建立关于的回归方程（系数精确到）；
(2)已知月份该购物网站为庆祝成立周年，特定制奖励制度：用（单位：件）表示日销量，若，则每位员工每日奖励元；若，每位员工每日奖励元；若，则每位员工每日奖励元.现已知该网站月份日销量服从正态分布，请你计算某位员工当月奖励金额总数大约为多少元.（当月奖励金额总数精确到百分位）
参考数据：，，其中分别为第个月的促销费用和产品销量，.
参考公式：①对于一组数据，其回归方程的斜率和截距的最小二乘估计分别为，.
②若随机变量服从正态分布，则，.

6 . 由下表可计算出变量的线性回归方程为（　　）

	5	4	3	2	1
	2	1.5	1	1	0.5

A．	B．
C．	D．