1 . 将保护区分为面积大小相近的多个区域，用简单随机抽样的方法抽取其中15个区域进行编号，统计抽取到每个区域的某种水源指标和区域内该植物分布的数量（，2，…，15），得到数组．已知，，．
(1)求样本（，2…，15）的相关系数；
(2)假设该植物的寿命为随机变量X（X可取任意正整数）．研究人员统计大量数据后发现：对于任意的，寿命为的样本在寿命超过k的样本里的数量占比与寿命为1的样本在全体样本中的数量占比相同，均等于0.1，这种现象被称为“几何分布的无记忆性”．
（ⅰ）求（）的表达式；
（ⅱ）推导该植物寿命期望的值．
附：相关系数．

2 . 混凝土的抗压强度x较容易测定，而抗剪强度y不易测定，工程中希望建立一种能由x推算y的经验公式，下表列出了现有的9对数据，分别为，，…，．

x	141	152	168	182	195	204	223	254	277
y	23.1	24.2	27.2	27.8	28.7	31.4	32.5	34.8	36.2

以成对数据的抗压强度x为横坐标，抗剪强度y为纵坐标作出散点图，如图所示．

(1)从上表中任选2个成对数据，求该样本量为2的样本相关系数r．结合r值分析，由简单随机抽样得到的成对样本数据的样本相关系数是否一定能确切地反映变量之间的线性相关关系？
(2)根据散点图，我们选择两种不同的函数模型作为回归曲线，根据一元线性回归模型及最小二乘法，得到经验回归方程分别为：①，②．经验回归方程①和②的残差计算公式分别为，，．
（ⅰ）求；
（ⅱ）经计算得经验回归方程①和②的残差平方和分别为，，经验回归方程①的决定系数，求经验回归方程②的决定系数．
附：相关系数，决定系数，．

3 . 某专营店统计了最近天到该店购物的人数和时间第天之间的数据，列表如下：(1)由表中给出的数据，判断是否可用线性回归模型拟合人数与时间之间的关系？（若，则认为线性相关程度高，可用线性回归模型拟合；否则，不可用线性回归模型拟合.计算时精确到）
(2)该专营店为了吸引顾客，推出两种促销方案：方案一，购物金额每满元可减元；方案二，购物金额超过元可抽奖三次，每次中奖的概率均为，且每次抽奖互不影响，中奖一次打折，中奖两次打折，中奖三次打折.某顾客计划在此专营店购买一件价值元的商品，请从实际付款金额的数学期望的角度分析，选哪种方案更优惠？
参考数据：.附：相关系数.

4 . 第40届中国洛阳牡丹文化节以“花开洛阳、青春登场”为主题，紧扣“颠覆性创意、沉浸式体验、年轻化消费、移动端传播”，组织开展众多文旅项目，取得了喜人的成绩，使洛阳成为最热门的全国“网红打卡城市”之一．其中“穿汉服免费游园”项目火爆“出圈”，倍受广大游客喜爱，带火了以“梦里隋唐尽在洛邑”为主的汉服体验活动为了解汉服体验店广告支出和销售额之间的关系，在洛阳洛邑古城附近抽取7家汉服体验店，得到了广告支出与销售额数据如下：

体验店	A	B	C	D	E	F	G
广告支出/万元	3	4	6	8	11	15	16
销售额/万元	6	10	15	17	23	38	45

对进入G体验店的400名游客进行统计得知，其中女性游客有280人，女性游客中体验汉服的有180人，男性游客中没有体验汉服的有80人．
(1)请将下列2×2列联表补充完整，依据小概率值的独立性检验，能否认为体验汉服与性别有关联；

性别	是否体验汉服		合计
	体验汉服	没有体验汉服
女	180		280
男		80
合计			400

(2)设广告支出为变量x（万元），销售额为变量y（万元），根据统计数据计算相关系数r，并据此说明可用线性回归模型拟合y与x的关系（若，则线性相关程度很强，可用线性回归模型拟合）；
(3)建立y关于x的经验回归方程，并预测广告支出为18万元时的销售额（精确到0.1）．
附：参考数据及公式：，，，，，，
相关系数，
在线性回归方程中中，，．
，．

	0.05	0.01	0.001
	3.841	6.635	10.828

5 . 某校20名学生的数学成绩和知识竞赛成绩如下表：

学生编号	1	2	3	4	5	6	7	8	9	10
数学成绩	100	99	96	93	90	88	85	83	80	77
知识竞赛成绩	290	160	220	200	65	70	90	100	60	270
学生编号	11	12	13	14	15	16	17	18	19	20
数学成绩	75	74	72	70	68	66	60	50	39	35
知识竞赛成绩	45	35	40	50	25	30	20	15	10	5

计算可得数学成绩的平均值是，知识竞赛成绩的平均值是，并且，，．

(1)求这组学生的数学成绩和知识竞赛成绩的样本相关系数（精确到）．
(2)设，变量和变量的一组样本数据为，其中两两不相同，两两不相同．记在中的排名是第位，在中的排名是第位，．定义变量和变量的“斯皮尔曼相关系数”（记为）为变量的排名和变量的排名的样本相关系数．

（i）记，．证明：．

（ii）用（i）的公式求这组学生的数学成绩和知识竞赛成绩的“斯皮尔曼相关系数”（精确到）．

(3)比较（1）和（2）（ii）的计算结果，简述“斯皮尔曼相关系数”在分析线性相关性时的优势．

注：参考公式与参考数据．；；．

6 . 红蜘蛛是柚子的主要害虫之一，能对柚子树造成严重伤害，每只红蜘蛛的平均产卵数y（个）和平均温度x（℃）有关，现收集了以往某地的7组数据，得到下面的散点图及一些统计量的值.

   

(1)根据散点图判断，与（其中…为自然对数的底数）哪一个更适合作为平均产卵数y（个）关于平均温度x（℃）的回归方程类型？（给出判断即可，不必说明理由）
(2)由（1）的判断结果及表中数据，求出y关于x的回归方程.（计算结果精确到0.1）
附：回归方程中，，

参考数据（）
5215	17713	714	27	81.3	3.6

(3)根据以往每年平均气温以及对果园年产值的统计，得到以下数据：平均气温在22℃以下的年数占60%，对柚子产量影响不大，不需要采取防虫措施；平均气温在22℃至28℃的年数占30%，柚子产量会下降20%；平均气温在28℃以上的年数占10%，柚子产量会下降50%.为了更好的防治红蜘蛛虫害，农科所研发出各种防害措施供果农选择.
在每年价格不变，无虫害的情况下，某果园年产值为200万元，根据以上数据，以得到最高收益（收益＝产值－防害费用）为目标，请为果农从以下几个方案中推荐最佳防害方案，并说明理由.
方案1：选择防害措施A，可以防止各种气温的红蜘蛛虫害不减产，费用是18万；
方案2：选择防害措施B，可以防治22℃至28℃的蜘蛛虫害，但无法防治28℃以上的红蜘蛛虫害，费用是10万；
方案3：不采取防虫害措施.

7 . 某地新能源汽车保有量符合阻沛型增长模型，其中为自统计之日起，经过t年后该地新能源汽车保有量、和r为增长系数、M为饱和量．
下表是该地近6年年底的新能源汽车的保有量（万辆）的统计数据：

年份	2018	2019	2020	2021	2022
t	0	1	2	3	4
保有量	9.6	12.9	17.1	23.2	31.4

假设该地新能源汽车饱和量万辆．
(1)若，假设2018年数据满足公式，计算的值（精确到0.01）并估算2023年年底该地新能源汽车保有量（精确到0.1万辆）；
(2)设，则与t线性相关．请依据以上表格中相关数据，利用线性回归分析确定和r的值（精确到0.01）．
附：线性回归方程中回归系数计算公式如下：.

8 . 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.从中国信息通信研究院发布的《云计算白皮书（2022年）》可知，我国2017年至2021年云计算市场规模数据统计表如下：

年份	2017年	2018年	2019年	2020年	2021年
年份代码x	1	2	3	4	5
云计算市场规模y/亿元	692	962	1334	2091	3229

经计算得：=36.33，=112.85.
(1)根据以上数据，建立y关于x的回归方程（为自然对数的底数）.
(2)云计算为企业降低生产成本､提升产品质量提供了强大助推力.某企业未引入云计算前，单件产品尺寸与标准品尺寸的误差，其中m为单件产品的成本（单位：元），且=0.6827；引入云计算后，单件产品尺寸与标准品尺寸的误差.若保持单件产品的成本不变，则将会变成多少？若保持产品质量不变（即误差的概率分布不变），则单件产品的成本将会下降多少？
附：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=，.
若，则，，

9 . 有一个开房门的游戏，其玩法为:
盒中先放入两把钥匙和两把钥匙，能够打开房门，不能打开房门.
每次从盒中随机取一把试开，试开后不放回钥匙.第一次打开房门后，关上门继续试开，第二次打开房门后停止抽取，称为进行了一轮游戏.
若每一轮取钥匙不超过三次，则该轮“成功”，否则为“失败”，如果某一轮“成功”，则游戏终止；若“失败”，则将所有钥匙重新放入盒中，并再放入一把钥匙，继续下一轮抽取，直至“成功”.
(1)有名爱好者独立参与这个游戏，记表示“成功”时抽取钥匙的轮次数，表示对应的人数，部分统计数据如下表:若将作为关于的经验回归方程，估计抽取轮才“成功”的人数（人数精确到个位）；
(2)由于时间关系，规定：进行游戏时，最多进行三轮，若均未“成功”也要终止游戏.求游戏要进行三轮的概率.
参考公式：最小二乘估计，.
参考数据：取，，其中，.

10 . 某公众号根据统计局统计公报提供的数据，对我国2015—2021年的国内生产总值GDP进行统计研究，做出如下2015—2021年GDP和GDP实际增长率的统计图表．通过统计数据可以发现，GDP呈现逐年递增趋势．2020年，GDP增长率出现较明显降幅，但GDP却首次突破100万亿．现统计人员选择线性回归模型，对年份代码x和年度实际GDP增长率进行回归分析．

年份	2015年	2016年	2017年	2018年	2019年	2020年	2021年
年度GDP（亿元）	688858.2	746395.1	832035.9	919281.1	986515.2	1015986.2	1143669.7
年份代码x	1	2	3	4	5	6	7
GDP实际增长率	7.0	6.8	6.9	6.7	6.0	2.3	8.1

(1)用第1到第7年的数据得到年度实际GDP增长率关于年份代码x的回归方程近似为：，对该回归方程进行残差分析，得到下表，视残差的绝对值超过1.5的数据为异常数据．

年份代码x	1	2	3	4	5	6	7
GDP实际增长率	7.0	6.8	6.9	6.7	6.0	2.3	8.1
GDP增长率估计值	6.98		6.50	6.26	6.02		5.54
残差	0.02		0.40	0.74	-0.02		2.56

将以上表格补充完整，指出GDP增长率出现异常数据的年份及异常现象，并根据所学统计学知识，结合生活实际，推测GDP增长率出现异常的可能原因；
(2)剔除（1）中的异常数据，用最小二乘法求出回归方程：，并据此预测数据异常年份的GDP增长率．
附：，