1 . 2023年入冬以来，流感高发，某医院统计了一周中连续5天的流感就诊人数y与第天的数据如表所示．

x	1	2	3	4	5
y	21	10a	15a	90	109

根据表中数据可知x，y具有较强的线性相关关系，其经验回归方程为，则（       ）

A．样本相关系数在内	B．当时，残差为-2
C．点一定在经验回归直线上	D．第6天到该医院就诊人数的预测值为130

2 . 云南省统计局发布《全省旅游业发展情况（2015-2022年）》报告，其中2015年至2022年游客总人数y（单位：亿人次）的数据如下表：

年份	2015	2016	2017	2018	2019	2020	2021	2022
年份代号x	1	2	3	4	5	6	7	8
游客总人数y	3.3	4.3	5.7	6.9	8.1	5.3	6.5	8.4

为了预测2023年云南省游客总人数，根据2015年至2022年游客总人数y的数据建立线性回归模型一，得到回归方程：，但由于受到2020年疫情影响，估计预测不准确，若用2015年至2019年数据建立线性回归模型二，得到回归方程：
(1)根据和预测2023年云南省游客总人数（预测数据精确到0.1）；
(2)为了检验两种模型的预测效果，对两种模型作残差分析得到：
模型一：总偏差平方和，残差平方和；
模型二：总偏差平方和，残差平方和，
用来比较模型一与模型二的拟合效果（精确到0.001）；
(3)根据2020年至2022年游客总人数y的数据建立线性回归模型三，求回归方程，并根据预测2023年云南省游客总人数（预测数据精确到0.1）.
参考公式：，，，.

3 . 某科研所为了研究土豆膨大素对土豆产量的影响，在某大型土豆种植基地随机抽取了10亩土质相同的地块，以每亩为单位分别统计了在土豆快速生长期使用的膨大素剂量x_i（单位：g），以及相应的产量y_i（单位：t），数据如下表：

膨大素用量xi	8	12	8	16	16	10	10	14	14	12
亩产量yi	2.5	4	2.2	5.4	5.1	3.4	3.6	4.6	4.2	4

并计算得，，.
(1)估计该试验田平均每亩使用膨大素的剂量与平均每亩的土豆产量;
(2)求该试验田平均每亩使用膨大素的剂量与土豆产量的样本相关系数（精确到0.01）;
(3)现统计了该大型土豆种植基地所有地块（每块1亩）的膨大素使用剂量，并计算得总使用剂量为1080g. 已知土豆的产量与其使用膨大素的剂量近似成正比.利用以上数据估计该基地土豆的产量.
附: 相关系数r=，.

4 . 以下是标号分别为①、②、③、④的四幅散点图，它们的样本相关系数分别为，那么相关系数的大小关系为_____（按由小到大的顺序排列）.

5 . 近年我国新能源产业的发展取得了有目共睹的巨大成果．2020年国务院在正式发布的《新能源汽车产业发展规划（2021-2035年）》中提出，到2025年，新能源汽车新车销售量达到汽车新车销售总量的20%左右．力争经过15年的持续努力，使纯电动汽车成为新销售车辆的主流．在此大背景下，某市新能源汽车保有量持续增加，有关部门将该市从2018年到2022年新能源汽车保有量y（单位：万辆）作了统计，得到y与年份代码t（如代表2018年）的统计表如下所示．

t	1	2	3	4	5
y	1.5	3.2	4	5.3	6

(1)请通过计算相关系数r说明y与t具有较强的线性相关性；（若，则变量间具有较强的线性相关性）
(2)求出线性回归方程，并预测2023年新能源汽车的保有量．
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，．
参考数据：，，，．

6 . 云计算是信息技术发展的集中体现，近年来，我国云计算市场规模持续增长.已知某科技公司2018年至2022年云计算市场规模数据，且市场规模y与年份代码x的关系可以用模型（其中e为自然对数的底数）拟合，设，得到数据统计表如下：

年份	2018年	2019年	2020年	2021年	2022年
年份代码x	1	2	3	4	5
云计算市场规模y/千万元	7.4	11	20	36.6	66.7
	2	2.4	3	3.6	4

由上表可得经验回归方程，则2025年该科技公司云计算市场规模y的估计值为（       ）

A．

B．

C．

D．

7 . 已知建筑地基沉降预测对于保证施工安全，实现信息化监控有着重要意义．某工程师建立了四个函数模型来模拟建筑地基沉降随时间的变化趋势，并用相关指数、误差平方和、均方根值三个指标来衡量拟合效果．相关指数越接近1表明模型的拟合效果越好，误差平方和越小表明误差越小，均方根值越小越好．依此判断下面指标对应的模型拟合效果最好的是（       ）．

A． 相关指数 误差平方和 均方根值 0.949 5.491 0.499

B． 相关指数 误差平方和 均方根值 0.933 4.179 0.436

C． 相关指数 误差平方和 均方根值 0.997 1.701 0.141

D． 相关指数 误差平方和 均方根值 0.997 2.899 0.326

8 . 移动物联网广泛应用于生产制造、公共服务、个人消费等领域．截至2022年底，我国移动物联网连接数达18.45亿户，成为全球主要经济体中首个实现“物超人”的国家．右图是2018-2022年移动物联网连接数W与年份代码t的散点图，其中年份2018-2022对应的t分别为1~5．

(1)根据散点图推断两个变量是否线性相关．计算样本相关系数（精确到0.01），并推断它们的相关程度；
(2)(i)假设变量x与变量Y的n对观测数据为(x₁，y₁)，(x₂，y₂)，…，(x_n，y_n)，两个变量满足一元线性回归模型   （随机误差）．请推导：当随机误差平方和Q＝取得最小值时，参数b的最小二乘估计．
(ii)令变量，则变量x与变量Y满足一元线性回归模型利用(i)中结论求y关于x的经验回归方程，并预测2024年移动物联网连接数．
附：样本相关系数，，，，

9 . 某部门统计了某地区今年前7个月在线外卖的规模如下表：

月份代号x	1	2	3	4	5	6	7
在线外卖规模y（百万元）	11	13	18	★	28	★	35

其中4、6两个月的在线外卖规模数据模糊，但这7个月的平均值为23．若利用回归直线方程来拟合预测，且7月相应于点的残差为，则（       ）

A．1.0

B．2.0

C．3.0

D．4.0

10 . 某加工工厂加工产品A，现根据市场调研收集到需加工量X（单位：千件）与加工单价Y（单位：元/件）的四组数据如下表所示：

X	6	8	10	12
Y	12	m	6	4

根据表中数据，得到Y关于X的线性回归方程为，其中．
(1)若某公司产品A需加工量为1.1万件，估计该公司需要给该加工工厂多少加工费；
(2)通过计算线性相关系数，判断Y与X是否高度线性相关．
参考公式：     ，时，两个相关变量之间高度线性相关．