1 . 某学习小组对春季昼夜温差大小与某花卉种子发芽多少之间的关系进行研究，他们分别记录了3月11日至3月15日的每天昼夜温差与实验室每天每100颗种子浸泡后的发芽数，得到如下资料：

日期	3月11日	3月12日	3月13日	3月14日	3月15日
昼夜温差（℃）	10	11	13	12	8
发芽数（颗）	23	25	30	26	16

(1)从3月11日至3月15日中任选2天，记发芽的种子数分别为，求事件“均不小于25”的概率；
(2)请根据3月12日至3月14日的三组数据，令昼夜温差为，发芽数为，求出关于的线性回归方程；
(3)若由线性回归方程得到的估计数据与所需要检验的数据误差均不超过2颗，则认为得到的线性回归方程是可靠的，试用3月11日与3月15日的两组数据检验，问（2）中所得的线性回归方程是否可靠？

参考公式：，．

2 . 某科技公司研发了一项新产品，经过市场调研，对公司1月份至6月份销售量及销售单价进行统计，销售单价（千元）和销售量（千件）之间的一组数据如下表所示：

月份	1	2	3	4	5	6
销售单价
销售量

（1）试根据1至5月份的数据，建立关于的回归直线方程；
（2）若由回归直线方程得到的估计数据与剩下的检验数据的误差不超过千件，则认为所得到的回归直线方程是理想的，试问（1）中所得到的回归直线方程是否理想？
参考公式：回归直线方程，其中.
参考数据：，.

3 . 已知具有线性相关的两个变量x，y之间的一组数据如下:且回归方程是，则当时，y的预测值为（       ）

x	0	1	2	3	4
y	2.2	4.3	4.5	4.8	6.7

A．8.4

B．8.3

C．8.2

D．8.1

4 . 某产品的广告费用x与销售额y的统计数据如下表：

广告费用（万元）	4	2	3	5
销售额（万元）	49	26	39	54

根据上表可得回归方程中的为9.4，据此模型预报广告费用为6万元时销售额为

A．63.6万元

B．65.5万元

C．67.7万元

D．72.0万元

5 . 下图是我国2010年至2016年生活垃圾无害化处理量（单位：亿吨）的折线图

注：年份代码1~7分别对应年份2010~2016
（1）由折线图看出，可用线性回归模型拟合y与t的关系，请求出相关系数r，并用相关系数的大小说明y与t相关性的强弱；
（2）建立y关于t的回归方程（系数精确到0.01），预测2018年我国生活垃圾无害化处理量.
附注：
参考数据：，，， .
参考公式：
相关系数
回归方程 中斜率和截距的最小二乘估计公式分别为：