1 . 2018年，中国某农科所对冬季昼夜温差与某反季节西瓜种子发芽数量之间的关系进行分析研究，他们记录了2017年12月1日至2017年12月5日的昼夜温差与每天100颗种子的发芽数，统计数据如下表：

日期	12月1日	12月2日	12月3日	12月4日	12月5日
温差	9	11	13	12	10
发芽数颗	18	25	30	26	21

农科所确定的研究方案：先从五组数据中选取两组，用剩下的三组数据求线性回归方程，再用被选取的两组数据进行检验.
（1）若选取的是2017年12月1日和2017年12月5日的数据，请根据12月2日至12月日的三组数据，求关于的线性回归方程；
（2）若由线性回归方程得到的估计数据与检验数据的误差均不超过2颗，则认为得到的线性回归方程是可靠的，试判断（1）中所得到的线性回归方程是否可靠.
注：

2 . 随着我国中医学的发展，药用昆虫的使用相应愈来愈多.每年春暖以后至寒冬前，是昆虫大量活动与繁殖的季节，易于采集各种药用昆虫.已知一只药用昆虫的产卵数y（单位：个）与一定范围内的温度x（单位：℃）有关，于是科研人员在3月份的31天中随机挑选了5天进行研究，现收集了该种药用昆虫的5组观测数据如表：

日期	2日	7日	15日	22日	30日
温度	10	11	13	12	8
产卵数个	23	25	30	26	16

科研人员确定的研究方案是：先从这五组数据中任选2组，用剩下的3组数据建立y关于x的线性回归方程，再对被选取的2组数据进行检验.
（1）若选取的是3月2日与30日的两组数据，请根据3月7日、15日和22日这三天的数据，求出y关于x的线性回归方程；
（2）若由线性回归方程得到的估计数据与选出的检验数据的误差均不超过2个，则认为得到的线性回归方程是可靠的，试问（i）中所得的线性回归方程是否可靠？
附：回归直线的斜率和截距的最小二乘估计分别为：
，.

3 . 某公司为了解某产品的获利情况，将2019年1至7月份的销售收入(单位：万元)与纯利润(单位：万元)的数据进行整理后，得到如下表格：

月份	1	2	3	4	5	6	7
销售收入	13	13.5	13.8	14	14.2	14.5	15
纯利润	3.2	3.8	4	4.2	4.5	5	5.5

该公司先从这7组数据中选取5组数据求纯利润(单位：万元)关于销售收入(单位：万元)的线性回归方程，再用剩下的2组数据进行检验假设选取的是2月至6月的数据.
（1）求纯利润(单位：万元)关于销售收入(单位：万元)的线性回归方程(精确到0.01)；
（2）若由线性回归方程得到的估计数据与检验数据的误差均不超过0.1万元，则认为得到的线性回归方程是理想的.试问该公司所得的线性回归方程是否理想？
参考公式：，；参考数据：.

4 . 为得到某种作物种子的发芽率，立德中学生物兴趣小组的同学进行了如下研究：在不同的昼夜温差下统计每100颗种子的发芽数，得到了以下数据：

昼夜温差x（℃）	8	10	11	12	13
发芽数y（颗）	79	81	85	86	90

通过画散点图，同学们认为x和y之间存在线性相关关系，经讨论大家制定了如下规则：从这5组数据中选取3组数据求线性回归方程，再用剩下的2组数据进行检验，检验方法如下：用求得的线性回归方程分别计算剩余两组数据中昼夜温差数所对应的发芽数，再求与实际发芽数y的差值，若差值的绝对值都不超过2，则认为所求方程是“合适的回归方程”.
（1）请根据表中的后三组数据，求y关于x的线性回归方程；
（2）按照题目中的检验方法判断（1）中得到的方程是否是“合适的回归方程”；
（3）若100颗该作物种子的发芽率为n颗，则记为的发芽率，当发芽率为时，农户种植该种作物平均每亩地的收益为元，某农户有10亩土地，全部种植这种植物，种植期间昼夜温差大约为9℃，根据（1）中得到的线性回归方程估计该农户种植此种作物所获得的收益.（参考公式：线性回归方程中，的最小二乘估计分别为：.）

5 . 某市2013年至2019年新能源汽车（单位：百台）的数据如表：

年份	2013	2014	2015	2016	2017	2018	2019
年份代号	1	2	3	4	5	6	7
新能源汽车	5	8	8	10	14	15	17

（1）求关于的线性回归方程，并预测该市2021年新能源汽车台数；
（2）该市某公司计划投资600台“双枪同充”（两把充电枪）、“一拖四群充”（四把充电枪）的两种型号的直流充电桩．按要求，充电枪的总把数不少于该市2021年新能源汽车预测台数，若双枪同充、一拖四群充的每把充电枪的日利润分别为25元，10元，问两种型号的充电桩各安装多少台时，才能使日利润最大，求出最大日利润．，
附：回归直线的斜率和截距的最小二乘法估计公式分别为，．

6 . 某企业生产某种产品，为了提高生产效益，通过引进先进的生产技术和管理方式进行改革，并对改革后该产品的产量x（万件）与原材料消耗量y（吨）及100件产品中合格品与不合格品数量作了记录，以便和改革前作对照分析，以下是记录的数据：
表一：改革后产品的产量和相应的原材料消耗量

x	3	4	5	6
y	2.5	3	4	4.5

表二：改革前后定期抽查产品的合格数与不合格数

	合格品的数量	不合格品的数量	合计
改革前	90	10	100
改革后	85	15	100
合计	175	25	200

（1）请根据表一提供数据，用最小二乘法求出y关于x的线性回归方程.
（2）已知改革前生产7万件产品需要6.5吨原材料，根据回归方程预测生产7万件产品能够节省多少原材料？
（3）请根据表二提供的数据，判断是否有90%的把握认为“改革前后生产的产品的合格率有差异”？
参考公式：，
（下面的临界值表供参考）

	0.10	0.05	0.025	0.010	0.005	0.001
	2.706	3.841	5.024	6.635	7.879	10.828

（参考公式，其中）

7 . 已知x与y之间的几组数据如下表：

x	1	2	3	4
y	1	m	n	4

参考公式：线性回归方程，其中，；相关系数.
上表数据中y的平均值为2.5，若某同学对m赋了三个值分别为1.5，2，2.5得到三条线性回归直线方程分别为，，，对应的相关系数分别为，，，下列结论中错误的是（       ）

A．三条回归直线有共同交点	B．相关系数中，最大
C．	D．

8 . 爱心蔬菜超市为确定某种蔬菜的日进货量，需了解日销量（单位：）随上市天数的变化规律.工作人员记录了该蔬菜上市10天来的日销量与上市天数的对应数据，并对数据做了初步处理，得到如图的散点图及一些统计量的值：

55	155.5	15.1	82.5	4.84	94.9	24.2

表中.

（1）根据散点图判断与哪一个更适合作为日销量关于上市天数的回归方程（给出判断即可，不必说明理由）？
（2）根据（1）中的判断结果及表中数据，求日销量关于上市天数的回归方程，并预报上市第12天的日销量.
附：①，.
②对于一组数据，，…，，其回归直线中的斜率和截距的最小二乘估计分别为：，.

9 . 我市农科所对冬季昼夜温差大小与某反季节大豆新品种发芽多少之间的关系进行分析研究，他们分别记录了12月1日至12月5日的每天昼夜温差与实验室每天每100颗种子中的发芽数，得到如下资料：

日期	12月1日	12月2日	12月3日	12月4日	12月5日
温差x（）	10	11	13	12	8
发芽数y(颗)	23	25	30	26	16

该农科所确定的研究方案是：先从这五组数据中选取2组，用剩下的3组数据求线性回归方程，再对被选取的2组数据进行检验．
（1）求选取的2组数据恰好是不相邻2天数据的概率；
（2）若选取的是12月1日与12月5日的两组数据，请根据12月2日至12月4日的数据，求出y关于x的线性回归方程；
（3）若由线性回归方程得到的估计数据与所选出的检验数据的误差均不超过2颗，则认为得到的线性回归方程是可靠的，试问（2）中所得的线性回归方程是否可靠？
附：，
注：参考公式：K²＝，
独立检验临界值表：

P(K2≥k0)	0.50	0.40	0.25	0.15	0.10	0.05	0.025	0.010	0.005	0.001
k0	0.455	0.708	1.323	2.072	2.706	3.841	5.024	6.635	7.879	10.828

10 . 为了了解地区足球特色学校的发展状况，某调查机构得到如下统计数据：

年份	2015	2016	2017	2018	2019
足球特色学校（百个）	0.30	0.60	1.00	1.40	1.70

（1）根据上表数据，利用与的相关系数，说明与的线性相关性强弱（已知：，则认为与线性相关性很强；，则认为与线性相关性一般；，则认为与线性相关性较弱）；
（2）求关于的线性回归方程，并预测地区2020年足球特色学校的个数（精确到个）.
本题参考公式和数据：，，，.