1 . 某市政府为调查集贸蔬菜市场个体承包摊户年收入情况，随机抽取了6个摊户进行分析，得到样本数据，），其中和分别表示第个摊户和该摊户年收入（单位：万元），如下

	1	2	3	4	5	6
	5	6	7	7	9	8

(1)请用相关系数判断该组数据中与之间线性相关关系的强弱（若，相关性较强；若，相关性一般；若，相关性较弱）；
(2)求关于的线性回归方程；
(3)若该集贸蔬菜市场个体承包摊户有300个，根据题设估计该集贸蔬菜市场个体承包摊户年收入总值.
参考公式：相关系数，对于一组具有线性相关关系的数据，其回归直线的斜率和截距的最小二乘估计分别为，，.

2 . 如图是某机构统计的某地区2016年至2022年生活垃圾无害化处理量y（单位：万吨）的折线图．

注：年份代码1-7分别对应年份2016-2022．
求y关于t的回归直线方程（系数精确到0.01），并预测2024年该地区生活垃圾无害化处理量．
参考数据：，，，
参考公式：回归方程中斜率和截距的最小乘估计公式分别为，．

3 . 现阶段我国生活垃圾有填埋、焚烧、堆肥等三种处理方式，随着我国生态文明建设的不断深入，焚烧处理已逐渐成为主要方式．根据国家统计局公布的数据，对2013～2020年全国生活垃圾焚烧无害化处理厂的个数y(单位：座)进行统计，得到如下表格：

年份	2013	2014	2015	2016	2017	2018	2019	2020
年份代码x	1	2	3	4	5	6	7	8
垃圾焚烧无害化处理厂 的个数y	166	188	220	249	286	331	389	463

(1)根据表格中的数据，可用一元线性回归模型刻画变量y与变量x之间的线性相关关系，请用相关系数加以说明(精确到0.01).
(2)求出y关于x的线性回归方程，并预测2022年全国生活垃圾焚烧无害化处理厂的个数．
(3)对于2035年全国生活垃圾焚烧无害化处理厂的个数，还能用(2)所求的线性回归方程预测吗？请简要说明理由．

4 . 根据统计，某蔬菜基地西红柿亩产量的增加量y(百千克)与某种液体肥料每亩使用量x(千克)之间的对应数据的散点图如图所示．

(1)依据数据的散点图可以看出，可用线性回归模型拟合y与x的关系，请计算相关系数并加以说明(若|r|>0.75，则线性相关程度很高，可用线性回归模型拟合)；
(2)求y关于x的回归方程，并预测液体肥料每亩使用量为12千克时，西红柿亩产量的增加量约为多少．
参考公式：相关系数

r＝＝，回归直线y＝bx＋a的斜率和截距的最小二乘估计分别为b＝＝，a＝y－bx．

5 . 某地区响应“节能减排，低碳生活”的号召，开展系列的措施控制碳排放．环保部门收集到近5年内新增碳排放数量，如下表所示，其中x为年份代号，y（单位：万吨）代表新增碳排放量．

年份	2019	2020	2021	2022	2023
年份代号	1	2	3	4	5
新增碳排放万吨	6.1	5.2	4.9	4	3.8

(1)请计算并用相关系数的数值说明与间具有较强的线性相关性（若，则线性相关程度较高）；
(2)求关于的线性回归方程，并据此估计该地区年的新增碳排放．
参考数据：，，，，，，．
参考公式：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公式，相关系数r的公式分别为，，．

6 . 下图是某市2016年至2022年生活垃圾无害化处理量y（单位：万吨）与年份t的散点图.

(1)根据散点图推断变量y与t是否线性相关，并用相关系数加以说明；
(2)建立y关于t的回归方程（系数精确到0.01），预测2024年该市生活垃圾无害化处理量.
参考数据：
，，，.
参考公式：，；相关系数.

7 . 某学校为学生开设了一门模具加工课，经过一段时间的学习，拟举行一次模具加工大赛，学生小明、小红打算报名参加大赛．赛前，小明、小红分别进行了为期一周的封闭强化训练，下表记录了两人在封闭强化训练期间每天加工模具成功的次数，其中小明第7天的成功次数忘了记录，但知道，（，分别表示小明、小红第天的成功次数）．

	第一天	第二天	第三天	第四天	第五天	第六天	第七天
序号	1	2	3	4	5	6	7
小明成功次数	16	20	20	25	30	36
小红成功次数	16	22	25	26	32	35	35

(1)求这7天内小明成功的总次数不少于小红成功的总次数的概率；
(2)根据小明这7天内前6天的成功次数，求其成功次数关于序号的线性回归方程，并估计小明第七天成功次数的值．
参考公式：回归方程中斜率与截距的最小二乘估计公式分别为：
，．
参考数据：；．

9 . 某校服生产企业为了使设计所用的数据更精准，随机地抽取了6位高中男生的身高和臂展的数据，数据如下表所示：

身高	167	173	174	176	182	184
臂展	160	165	173	170	170	182

(1)计算相关系数r（精确到0.01）并说明可用线性回归模型拟合y与x的关系：（若，则线性相关程度很高，可用线性回归模型拟合．）
(2)建立y关于x的线性回归方程，并以此估计男装上装XL号（加大号，对应身高）对应的臂展数据．（结果中精确到0.1．参考数据：，．）
相关系数公式：，
回归方程中，，．

10 . 党的十八大以来，全国各地区各部门持续加大就业优先政策实施力度，促进居民收入增长的各项措施持续发力，居民分享到更多经济社会发展红利，居民收入保持较快增长，收入结构不断优化，随着居民总收入较快增长，全体居民人均可支配收入也在不断提升. 下表为重庆市 2014 2022 年全体居民人均可支配收入，将其绘制成散点图 （如图 1），发现全体居民人均可支配收入与年份具有线性相关关系. （数据来源于重庆市统计局 2023-05-06 发布）.

年份	2014	2015	2016	2017	2018	2019	2020	2021	2022
全体居民人均可支配收入 （元）	18352	20110	22034	24153	26386	28920	30824	33803	35666

参考数据：.
参考公式: 对于一组数据 ，其回归直线方程 的斜率和截距的最小二乘估计分别为.
(1)设年份编号为（2014年的编号为1，2015年的编号为2，依此类推），记全体居民人均可支配收入为（单位：万元），求经验回归方程（结果精确到 0.01 ），并根据所求回归方程，预测2023年重庆市全体居民人均可支配收入；
(2)为进一步对居民人均可支配收入的结构进行分析，某分析员从20142022中任取3年的数据进行分析，将选出的人均可支配收入超过3万的年数记为，求随机变量的分布列与数学期望.