1 . 下列说法正确的是（       ）

A．当总体是由差异明显的几个部分组成时，通常采用分层抽样的方法抽样

B．频率分布直方图中每个小矩形的高就是该组的频率

C．若两个满足线性回归的变量负相关，则其回归直线的斜率为负

D．已知随机变量服从正态分布，，则

2 . 下面的表里是统计学家安斯库姆（F. Anscombe）所提供的4组数据．这四组数据的线性相关系数非常接近，均约等于0.8161，它们的线性回归方程也基本一致，均可表示为．
数据组A

x	10	8	13	9	11	14	6	4	12	7	5
y	8.04	6.95	7.58	8.81	8.33	9.96	7.24	4.26	10.84	4.82	5.68

数据组B

x	10	8	13	9	11	14	6	4	12	7	5
y	9.14	8.14	8.74	8.77	9.26	8.10	6.13	3.10	9.13	7.26	4.74

数据组C

x	10	8	13	9	11	14	6	4	12	7	5
y	7.46	6.77	12.74	7.11	7.81	8.84	6.08	5.39	8.15	6.42	5.73

数据组D

x	8	8	8	8	8	8	8	8	8	8	19
y	6.58	5.76	7.71	8.84	8.47	7.04	5.25	5.56	7.91	6.89	12.50

(1)这四组数据的线性相关程度真的如此一致吗？
(2)对哪个（些）组的数据，可以用回归直线来预测时的y值？
(3)分别对四组数据提出自己的见解．

3 . 关于回归分析，下列说法错误的是（       ）

A．回归分析是研究两个具有相关关系的变量的方法

B．散点图中，解释变量在x轴，预报变量在y轴

C．回归模型中一定存在随机误差

D．散点图能明确反映变量间的关系

4 . 如图所示，Geogebra软件中，回归类型分为“线性”“对数”等，分别选择每一种类型进行实验，总结出每一种类型的回归方程的形式．

5 . 下列选项分别为一组观测值的四个一元线性回归模型对应的残差图，则对应的一元线性回归模型的拟合效果最好的残差图是（       ）

A．	B．
C．	D．

6 . 将两个变量的对样本数据在平面直角坐标系中表示为散点图，根据满足一元线性回归模型及最小二乘法，求得其经验回归方程为，设为回归直线上的点，则下列说法正确的是（       ）

A．越小，说明模型的拟合效果越好

B．利用最小二乘法求出的线性回归直线一定经过散点图中的某些点

C．相关系数的绝对值越接近于，说明成对样本数据的线性相关程度越强

D．通过经验回归方程进行预报时，解释变量的取值不能距离样本数据的范围太远，求得的预报值不是响应变量的精确值

7 . 在实际应用中，用回归方程中的估计回归模型中的，下列说法正确的有（       ）

A．随机误差的方差越小，用预报真实值的精度越低

B．越接近于1，线性回归模型的拟合效果越好

C．残差平方和越大，线性回归模型的拟合效果越差

D．对于个样本点，，…，，线性回归直线过样本点的中心

8 . 2021年5月18日，《佛山市第七次全国人口普查公报》发布．公报显示，佛山市常住人口为9498863人．为了进一步分析数据特征，某数学兴趣小组先将近五次人口普查数据作出散点图（横坐标为人口普查的序号，第三次普查记为1，……，第七次普查记为5，纵坐标为当次人口普查佛山市人口数），再利用不同的函数模型作出回归分析，如下图，以下说法正确的是（       ）

A．佛山市人口数与普查序号呈正相关关系

B．散点的分布呈现出很弱的线性相关特征

C．回归方程2的拟合效果更好

D．应用回归方程1可以预测第八次人口普查时佛山市人口会超过1400万

9 . 某服装企业采用服装个性化设计为客户提供服务，即由客户提供身材的基本数据用于个人服装设计．该企业为了设计所用的数据更精准，随机地抽取了10位男子的身高和臂长的数据，数据如下表所示：

身高	164	165	168	172	173	176	178	181	182	191
臂长	160	164	161	170	175	181	170	182	180	187

（1）根据表中的数据，求男子的身高预报臂长的线性回归方程，并预报身高为170cm的男子的臂长（男子臂长计算结果精确到0.01）；
（2）统计学认为，两个变量、的相关系数r的大小可表明两变量间的相关性强弱．一般地，如果|r|[0.75，1]，那么相关性很强；如果|r|[0.30，0.75)，那么相关性一般；如果|r|[0，0.30)，那么没有相关性．求出r的值，并判断变量x､y的相关性强弱（结果精确到0.01）．
附：线性回归方程其中，，，，，，，

10 . 对具有相关关系的两个变量统计分析的一种常用的方法是（       ）

A．回归分析

B．相关系数分析

C．残差分析

D．相关指数分析