1 . 某科技公司研发了一项新产品，经过市场调研，对公司1月份至6月份销售量及销售单价进行统计，销售单价（千元）和销售量（千件）之间的一组数据如下表所示：

月份	1	2	3	4	5	6
销售单价
销售量

（1）试根据1至5月份的数据，建立关于的回归直线方程；
（2）若由回归直线方程得到的估计数据与剩下的检验数据的误差不超过千件，则认为所得到的回归直线方程是理想的，试问（1）中所得到的回归直线方程是否理想？
参考公式：回归直线方程，其中.
参考数据：，.

2 . 某公司为了预测下月产品销售情况，找出了近7个月的产品销售量（单位：万件）的统计表：

月份代码	1	2	3	4	5	6	7
销售量/万件

但其中数据污损不清，经查证.
（1）请用相关系数说明销售量与月份代码之间有很强的线性相关关系（当时认为两个变量有很强的线性相关关系）；
（2）求关于的回归直线方程（结果中保留两位小数）；
（3）公司经营期间的广告宣传费（单位：万元），每件产品的销售价为10元，预测第8个月的毛利润能否突破15万元，请说明理由（毛利润=销售金额-广告宣传费）.
参考数据：，.

3 . 某电脑公司有6名产品推销员，其工作年限与年推销金额数据如下表：

推销员编号	1	2	3	4	5
工作年限x/年	3	5	6	7	9
推销金额y/万元	2	3	3	4	5

（1）求年推销金额y关于工作年限x的线性回归方程；
（2）若第6名推销员的工作年限为11年，试估计他的年推销金额．
附：回归直线的斜率和截距的最小二乘法估计公式分别为．

4 . 哈三中高二数学备课组对学生的记忆力和判断力进行统计分析，所得数据如下表所示：

	4	6	8	10
	2	3	5	6

（1）请根据上表提供的数据，用最小二乘法求出关于的线性回归方程；
（2）根据（1）中求出的线性回归方程，预测记忆力为9的学生的判断力.
（参考公式：，）

5 . 下表是某公司从2014年至2020年某种产品的宣传费用的近似值（单位：千元）

年份	2014	2015	2016	2017	2018	2019	2020
年份代号x	1	2	3	4	5	6	7
该种产品的宣传费用y	59.3	64.1	68.8	74.0	82.1	90.0	99.1

以x为解释变量，y为预报变量，若以为回归方程，则相关指数；若以为回归方程，则相关指数．
（1）判断与，哪一个更适合作为该种产品的宣传费用的近似值y关于年份代号x的回归方程，并说明理由；
（2）根据（1）的判断结果及表中数据，求出y关于年份代号x的回归方程（系数精确到0.1）．
参考数据：．参考公式：．

6 . 已知关于的一组有序数对分别为，，，，，，，对应的散点图如下．

（1）根据散点图，判断（，）和（，）中哪个模型的拟合效果更好；
（2）请用你在（1）中选出的模型对变量，的关系进行拟合，求出关于的回归方程．
参考数据：，，，．
参考公式：在线性回归方程中，，．

7 . 为实施乡村振兴，科技兴农，某村建起了田园综合体，并从省城请来专家进行技术指导．根据统计，该田园综合体西红柿亩产量的增加量（千克）与某种液体肥料每亩使用量（千克）之间的对应数据如下.

（千克）	2	4	5	6	8
（千克）	300	400	400	400	500

（1）由上表数据可知，可用线性回归模型拟合与的关系，请计算相关系数并加以说明（若，则线性相关程度很高，可用线性回归模型拟合）；
（2）求关于的回归方程，并预测当液体肥料每亩使用量为15千克时，西红柿亩产量的增加量约为多少千克?
附：相关系数公式，参考数据：．
回归方程中斜率和截距的最小二乘估计公式分别为，．

9 . 足不出户，手机下单，送菜到家，轻松逛起手机“菜市场”，拎起手机“菜篮子”，省心又省力.某手机App(应用程序)公司为了了解居民使用这款App使用者的人数及满意度，对一大型小区居民开展5个月的调查活动，从使用这款App的人数的满意度统计数据如下：

月份	1	2	3	4	5
不满意的人数	120	105	100	95	80

（1）请利用所给数据求不满意人数与月份之间的回归直线方程，并预测该小区10月份的对这款App不满意人数：
（2）工作人员发现使用这款App居民的年龄近似服从正态分布，求的值；
（3）工作人员从这5个月内的调查表中随机抽查100人，调查是否使用这款App与性别的关系，得到如表：

	使用App	不使用App
女性	48	12
男性	22	18

能否据此判断有99%的把握认为是否使用这款App与性别有关？
参考公式：，.附：随机变量：，则，，
(其中)

	0.15	0.10	0.05	0.025	0.010
	2.072	2.706	3.841	5.024	6.635

10 . 某汽车公司拟对“东方红”款高端汽车发动机进行科技改造，根据市场调研与模拟，得到科技改造投入x（亿元）与科技改造直接收益y（亿元）的数据统计如下：

x	2	3	4	6	8	10	13	21	22	23	24	25
y	12	22	31	42	50	56	58	68.5	68	67.5	66	68

当时，建立了y与x的两个回归模型：模型①：；模型②：；当时，确定y与x满足的经验回归方程为：．
（1）根据下列表格中的数据，比较当时模型①、②的相关指数，并选择拟合精度更高、更可靠的模型，预测对“东方红”款汽车发动机科技改造的投入为16亿元时的直接收益．

回归模型	模型①	模型②
回归方程
	182.4	79.2

（附：刻画回归效果的相关指数）
（2）为鼓励科技创新，当科技改造的投入不少于20亿元时，国家给予公司补贴收益10亿元，以回归方程为预测依据，比较科技改造投入16亿元与20亿元时公司实际收益的大小．
（附：用最小二乘法求经验回归方程的系数公式）