1 . 已知某绿豆新品种发芽的适宜温度在之间，一农学实验室研究人员为研究温度x（）与绿豆新品种发芽数y（颗）之间的关系，每组选取了成熟种子50颗，分别在对应的的温度环境下进行实验，得到如下散点图：
   
其中，，．
(1)运用相关系数进行分析说明，是否可以用线性回归模型拟合与的关系？
(2)求出关于的线性回归方程，并预测在的温度下，种子的发芽的颗数．
参考公式：相关系数，回归直线方程，其中，．参考数据：．

2 . 抗体药物的研发是生物技术制药领域的一个重要组成部分，抗体药物的摄入量与体内抗体数量的关系成为研究抗体药物的一个重要方面.某研究团队收集了10组抗体药物的摄入量与体内抗体数量的数据，并对这些数据作了初步处理，得到了如图所示的散点图及一些统计量的值，抗体药物摄入量为x（单位：），体内抗体数量为y（单位：）.

29.2	12	16	34.4

   

(1)根据经验，我们选择作为体内抗体数量y关于抗体药物摄入量x的回归方程，将两边取对数，得，可以看出与具有线性相关关系，试根据参考数据建立关于的回归方程，并预测抗体药物摄入量为时，体内抗体数量的值；
(2)经技术改造后，该抗体药物的有效率z大幅提高，经试验统计得z服从正态分布，那这种抗体药物的有效率超过0.54的概率约为多少？
附：①对于一组数据，其回归直线的斜率和截距的最小二乘估计分别为，；
②若随机变量，则有，，；
③取.

3 . 某公司是一家集无人机特种装备的研发、制造与技术服务的综合型科技创新企业，产品主要应用于森林消防、物流运输、航空测绘、军事侦察等领域，获得市场和广大观众的一致好评，该公司生产的甲、乙两种类型无人运输机性能都比较出色，但操控水平需要十分娴熟，才能发挥更大的作用．该公司分别收集了甲、乙两种类型无人运输机在5个不同的地点测试的某项指标数，，数据如下表所示：

	地点1	地点2	地点3	地点4	地点5
甲型无人运输机指标数x	2	4	5	6	8
乙型无人运输机指标数y	3	4	4	4	5

(1)试求y与x间的相关系数r，并利用r说明y与x是否具有较强的线性相关关系；（若，则线性相关程度很高）
(2)从这5个地点中任抽2个地点，求抽到的这2个地点，甲型无人运输机指标数均高于乙型无人运输机指标数的概率．
附：相关公式及数据：，．

4 . 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）

5 . 下图是遂宁市2022年4月至2023年3月每月最低气温与最高气温（℃）的折线统计图：已知每月最低气温与最高气温的线性相关系数，则下列结论正确的是（       ）
     

A．月温差（月最高气温﹣月最低气温）的最大值出现在8月

B．每月最低气温与最高气温有较强的线性相关性，且二者为线性负相关

C．每月最高气温与最低气温的平均值在4-8月逐月增加

D．9﹣12月的月温差相对于5﹣8月，波动性更小

6 . 下列说法正确的是（       ）

A．在做回归分析时，残差图中残差点分布的带状区域的宽度越窄表示回归效果越差

B．某地气象局预报：6月9日本地降水概率为90%，结果这天没下雨，这表明天气预报并不科学

C．数据2，3，4，5的方差是数据4，6，8，10的方差的一半

D．在回归直线方程，当解释变量每增加1个单位时，预报变量多增加0.1个单位

7 . 某县依托种植特色农产品，推进产业园区建设，致富一方百姓．已知该县近年人均可支配收入如下表所示，记年为，年为，…以此类推．

年份
年份代号
人均可支配收入（万元）

(1)使用两种模型：①；②的相关指数分别约为，，请选择一个拟合效果更好的模型，并说明理由；
(2)根据（1）中选择的模型，试建立关于的回归方程．（保留位小数）
附：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：，令，．

8 . 以模型去拟合一组数据，设将其变换后得到线性回归方程，则原模型中的值分别是（       ）

A．，	B．，
C．，	D．，

9 . 我国北方广大农村地区、一些城镇以及部分大中城市的周边区域，还在大量采用分散燃煤和散烧煤取暖，既影响了居民基本生活的改善，也加重了北方地区冬季的雾霾天气．推进北方地区冬季清洁取暖，是重大民生工程、民心工程，关系北方地区广大群众温暖过冬，关系雾霾天能不能减少，是能源生产和消费革命、农村生活方式革命的重要内容．2017年9月国家发改委制定了煤改气、煤改电价格扶植新政策，从而使得煤改气、煤改电用户大幅度增加．图1所示的条形图反映了某省2018年1~7月份煤改气、煤改电的用户数量．

(1)在图2给定坐标系中作出煤改气、煤改电用户数量y随月份t变化的散点图，并用散点图和相关系数说明y与t之间具有线性相关性；
(2)建立y关于t的回归方程（系数精确到0.01），预测11月份该省煤改气、煤改电的用户数量．
参考数据：，，．

10 . 在下列4组样本数据的散点图中，样本相关系数最小的是（       ）

A．

B．

C．

D．