1 . 某企业新研发了一种产品，产品的成本由原料成本及非原料成本组成.每件产品的非原料成本y(元)与生产该产品的数量x(千件)有关，经统计得到如下数据：

x	1	2	3	4	5	6	7	8
y	112	61	44.5	35	30.5	28	25	24

根据以上数据，绘制了散点图.观察散点图，两个变量不具有线性相关关系，现考虑用反比例函数模型和指数函数模型分别对两个变量的关系进行拟合，(反比例函数模型可用转化为线性回归模型；指数函数模型可转化为和x的线性回归模型)现已求得：用指数函数模型拟合的回归方程为，与x的相关系数；

（1）用反比例函数模型求y关于x的回归方程；
（2）用相关系数判断上述两个模型哪一个拟合效果更好(精确到0.01)，并用其估计产量为10千件时每件产品的非原料成本.
参考数据：，，，，，，(其中，
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分别为：，相关系数

2 . 某公司为了预测下月产品销售情况，找出了近7个月的产品销售量（单位：万件）的统计表：

月份代码	1	2	3	4	5	6	7
销售量（万件）

但其中数据污损不清，经查证，，.
（1）请用相关系数说明销售量与月份代码有很强的线性相关关系；
（2）求关于的回归方程（系数精确到0.01）；
（3）公司经营期间的广告宣传费（单位：万元）（），每件产品的销售价为10元，预测第8个月的毛利润能否突破15万元，请说明理由.（毛利润等于销售金额减去广告宣传费）
参考公式及数据：，相关系数，当时认为两个变量有很强的线性相关关系，回归方程中斜率和截距的最小二乘估计公式分别为，.