1 . 某市春节期间7家超市的广告费用支出（万元）和销售额（万元）数据如下表：

超市	A	B	C	D	E	F	G
广告费支出	1	2	4	6	11	13	19
销售额	19	32	40	44	52	53	54

(1)若用线性回归模型拟合y与x的关系，求y关于x的线性回归方程；
(2)用二次函数回归模型拟合y与x的关系，可得回归方程，经过计算二次函数回归模型和线性回归模型的相关指数分别约为0.92和0.75，请用说明选择哪个回归模型更合适，并用此模型预测A超市广告费用支出3万元时的销售额．
参考数据及公式：，，，，，．

2 . 研究变量x，y得到一组样本数据，进行回归分析，有以下结论：
①残差平方和越小的模型，拟合的效果越好；
②用相关指数来刻画回归效果，越小说明拟合效果越好；
③若变量y和x之间的相关系数为，则变量y和x之间的负相关很强；
④残差点比较均匀地落在水平的带状区域中，说明选用的模型比较合适．
以上正确说法的序号是______________．

3 . 某市春节期间家超市的广告费用支出（万元）和销售额（万元）数据如下表：

超市
广告费支出
销售额

(1)若用线性回归模型拟合与的关系，求关于的线性回归方程；
(2)用二次函数回归模型拟合与的关系，可得回归方程，经过计算二次函数回归模型和线性回归模型的相关指数分别约为和，请用说明选择哪个回归模型更合适，并用此模型预测超市广告费用支出万元时的销售额．

4 . 流行性感冒（简称流感）是流感病毒引起的急性呼吸道感染，是一种传染性强、传播速度快的疾病．其主要通过空气中的飞沫、人与人之间的接触或与被污染物品的接触传播．流感每年在世界各地均有传播，在我国北方通常呈冬春季流行，南方有冬春季和夏季两个流行高峰，某幼儿园将去年春季该园患流感小朋友按照年龄与人数统计，得到如下数据：

年龄x	2	3	4	5	6
患病人数y	22	22	17	14	10

(1)求y关于x的线性回归方程；
(2)计算变量x，y的样本相关系数r（计算结果精确到0.01），并判断是否可以认为该幼儿园去年春季患流感人数与年龄负相关程度很强．（若，则x，y相关程度很强；若，则x，y相关程度一般；若，则x，y相关程度较弱．）
参考数据：．参考公式：相关系数，
线性回归方程

5 . 以模型去拟合一组数据时，为了求出回归方程，设，其变换后得到线性回归方程z=0.3x+4.则c=___________.

6 . 某企业为确定下一年投入某种产品的研发费用，需了解年研发费用（单位：千万元）对年销售量（单位：千万件）的影响，统计了近10年投入的年研发费用与年销售量（）的数据，得到散点图如图所示：

（1）利用散点图判断，和（其中，为大于0的常数）哪一个更适合作为年研发费用和年销售量的回归方程类型（只要给出判断即可，不必说明理由）.
（2）对数据作出如下处理：令，，得到相关统计量的值如下表：根据（1）的判断结果及表中数据，求关于的回归方程；
（3）已知企业年利润（单位：千万元）与，的关系为（其中），根据（2）的结果，要使得该企业下一年的年利润最大，预计下一年应投入多少研发费用？
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，.

7 . 对两个变量、进行线性相关检验，得线性相关系数，对两个变量、进行线性相关检验，得线性相关系数，则下列判断正确的是（       ）

A．变量与正相关，变量与负相关，变量与的线性相关性较强

B．变量与负相关，变量与正相关，变量与的线性相关性较强

C．变量与正相关，变量与负相关，变量与的线性相关性较强

D．变量与负相关，变量与正相关，变量与的线性相关性较强

8 . 下列说法正确的是（       ）
①当相关系数时，表明变量x和y正相关；
②用相关系数r来衡量两个变量之间线性关系的强弱时，越接近于1，相关性越弱；
③回归直线过样本点的中心；
④若回归方程为，则当x=170时，y的值必为58.79.

A．①②

B．①③④

C．①②③

D．①③

9 . 2020年3月15日，某市物价部门对5家商场的某商品一天的销售量及其价格进行调查，5家商场的售价(元)和销售量(件)之间的一组数据如表所示：

价格	9	9.5	10	10.5	11
销售量	11	10	8	6	5

按公式计算，与的回归直线方程是：，相关系数，则下列说法正确的有（       ）

A．变量，线性负相关且相关性较强；	B．；
C．当时，的估计值为12.8；	D．相应于点的残差约为0.4.

10 . 某地区2009年至2015年农村居民家庭人均纯收入y(单位：千元）的数据如下表：

年份	2009	2010	2011	2012	2013	2014	2015
年份代号	1	2	3	4	5	6	7
人均纯收入	2.9	3.3	3.6	4.4	4.8	5.2	5.9

（1）求关于的线性回归方程.
（2）利用（1）中的线性回归方程，分析2009年至2015年该地区农村居民家庭人均纯收入的变化情况，并预测该地区2018年农村居民家庭纯收入.
参考公式： ， .