1 . 5G技术在我国已经进入高速发展的阶段，5G手机的销量也逐渐上升，某手机商城统计了最近5个月手机的实际销量，如下表所示：

时间	1	2	3	4	5
销售量（千只）	0.5	0.8	1.0	1.2	1.5

若与线性相关，且线性回归方程为，则下列说法不正确的是（       ）

A．由题中数据可知，变量与正相关，且相关系数

B．线性回归方程中

C．残差的最大值与最小值之和为0

D．可以预测时该商场手机销量约为1.72（千只）

2 . 某班5名学生的数学和物理成绩如下：

数学x（分）	93	86	83	72	66
物理y（分）	88	65	72	65	60

(1)画出散点图，判断y与x之间是否具有相关关系；
(2)求物理成绩y关于数学成绩x的回归直线方程（结果保留两位小数）；
(3)平均地看，该班某名同学的数学成绩是60分，那么物理成绩大约是多少分？
（参考公式：）

3 . 推进垃圾分类处理，是落实绿色发展理念的必然选择．为加强社区居民的垃圾分类意识，某社区在健身广场举办了“垃圾分类，从我做起”生活垃圾分类大型宣传活动，号召社区居民用实际行动为建设绿色家园贡献一份力量，为此需要征集一部分垃圾分类志愿者．
(1)为调查社区居民喜欢担任垃圾分类志愿者是否与性别有关，现随机选取了一部分社区居民进行调查，其中被调查的男性居民30人，女性居民20人，男性居民中不喜欢担任垃圾分类志愿者占男性居民的，女性居民中不喜欢担任垃圾分类志愿者占女性居民的，判断能否在犯错误概率不超过0.5%的前提下，认为居民喜欢担任垃圾分类志愿者与性别有关？
附：，．

	0.100	0.050	0.010	0.005	0.001
	2.706	3.841	6.635	7.879	10.828

(2)某垃圾站的日垃圾分拣量y（千克）与垃圾分类志愿者人数x（人）满足回归直线方程，数据统计如表：

志愿者人数x（人）	2	3	4	5	6
日垃圾分拣量y（千克）	24	29	41	46	t

已知，，，根据所给数据求t，预测志愿者人数为10人时，该垃圾站的日垃圾分拣量．
附：，．

4 . 已知某种商品的广告费支出（单位：万元）与销售额（单位：万元）之间有如下对应数据：

	2	4	5	6	8
	30	40	50	60	70

根据上表可得回归方程为，计算得，则当投入10万元广告费时，销售额的预报值为（       ）

A．75万元

B．85万元

C．95万元

D．105万元

5 . 当前“停车难”已成为城市通病，因停车问题引发的纠纷屡见不鲜，无论在北京､上海等超大型城市，还是其它城市，甚至人口只有几万､十几万的县城和乡镇，“停车难”都给群众生活和政府管理带来了深深的烦恼，由于“停车难”是事关百姓生活质量和切身利益的问题，也是建设和谐社会不容忽视的问题之一，某小区物业公司决定动手解决小区“停车难”问题，并统计了近六年小区私家车的数量，以编号1对应2015年，编号2对应2016年，编号3对应2017年，以此类推，得到相应数据如下：

年份编号	1	2	3	4	5	6
数量（辆）	41	96	116	190	218	275

（1）若该小区私家车的数量与年份编号的关系可用线性回归模型来拟合，试用相关指数分析其拟合效果（精确到）；
（2）由于车辆增加，原有停车位已经不能满足有车业主的需求，因此物业公司欲在小区内对原有停车位进行改造，重新规划停车位.若要求在2021年小区停车位数量仍可满足需要，求至少需要规划多少个停车位.
参考数据：，，，.
附：回归方程中斜率和截距的最小二乘法估计公式分别为：，；
相关指数，残差.

7 . 目前，我国老年人口比例不断上升，造成日趋严峻的人口老龄化问题.2019年10月12日，北京市老龄办、市老龄协会联合北京师范大学中国公益研究院发布《北京市老龄事业发展报告（2018）》，相关数据有如下图表.规定年龄在15岁至59岁为“劳动年龄”，具备劳动力，60岁及以上年龄为“老年人”，据统计，2018年底北京市每2.4名劳动力抚养1名老年人.


（Ⅰ）请根据上述图表计算北京市2018年户籍总人口数和北京市2018年的劳动力数；（保留两位小数）
（Ⅱ）从2014年起，北京市老龄人口与年份呈线性关系，比照2018年户籍老年人人口年龄构成，预计到2020年年底，北京市90以上老人达到多少人？（精确到1人）
（附：对于一组数据其回归直线的斜率和截距的最小二乘法估计分别为：，.）

8 . 某车间加工零件的数量与加工时间的统计数据如表：

零件数（个）	18	20	22
加工时间（分）	27	30	33

现已求得上表数据的回归方程中的值为0.9，则据此回归模型可以预测，加工100个零件所需要的加工时间约为（        ）

A．84分钟

B．94分钟

C．102分钟

D．112分钟

9 . 某地区不同身高的未成年男性的体重平均值如下表：

身高x(cm)	60	70	80	90	100	110	120	130	140
体重y(kg)	6.13	7.90	9.99	12.15	15.02	17.50	20.92	26.86	31.11

已知与之间存在很强的线性相关性，
（Ⅰ）是据此建立与之间的回归方程；
（Ⅱ）若体重超过相同身高男性体重平均值的倍为偏胖，低于倍为偏瘦，那么这个地区一名身高体重为的在校男生的体重是否正常？
参考数据：
附：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