1 . 近年来，国内掀起了全民新中式热潮，新中式穿搭，新中式茶饮，新中式快餐，新中式烘焙等，以下为某纺织厂生产“新中式”面料近5个月的利润（y万元）的统计表.

月份	2023.11	2023.12	2024.01	2024.02	2024.03
月份编号x	1	2	3	4	5
利润（y万元）	27	23	20	17	13

(1)根据统计表，试求y与x之间的相关系数r（精确到0.001），并利用r说明y与x是否具有较强的线性相关关系：（若，则认为两个变量具有较强的线性相关性）；
(2)从这5个月的利润中任选2个月的利润，分别记为m，n，求事件“m，n均不小于20万元”的概率.
附：参考数据：
相关系数.

2 . 对两组呈线性相关的变量进行回归分析，得到不同的两组样本数据，第一组和第二组对应的线性相关系数分别为，则是第一组变量比第二组变量线性相关程度强的（          ）条件.

A．充分不必要

B．必要不充分

C．充要

D．既不充分也不必要

3 . 下列命题中，错误的是（       ）

A．若随机变量，则

B．若随机变量，且，则

C．在回归分析中，若残差的平方和越小，则模型的拟合效果越好

D．在回归分析中，若样本相关系数越大，则成对样本数据的线性相关程度越强

4 . 年月日，由工业和信息化部、安徽省人民政府共同主办的第十七届“中国芯”集成电路产业大会在合肥成功举办．此次大会以“强芯固基以质为本”为主题，旨在培育壮大我国集成电路产业，夯实产业基础、营造良好产业生态.年，全国芯片研发单位相比年增加家，提交芯片数量增加个，均增长超过倍.某芯片研发单位用在“芯片”上研发费用占本单位总研发费用的百分比（）如表所示.

年份
年份代码

(1)根据表中的数据，作出相应的折线图；并结合相关数据，计算相关系数，并推断与线性相关程度；（已知：，则认为与线性相关很强；，则认为与线性相关一般；，则认为与线性相关较弱）
(2)求出与的回归直线方程（保留一位小数）；
(3)请判断，若年用在“芯片”上研发费用不低于万元，则该单位年芯片研发的总费用预算为万元是否符合研发要求?
附：相关数据：，，，.
相关计算公式：①相关系数；
在回归直线方程中，，.

5 . 移动物联网广泛应用于生产制造、公共服务、个人消费等领域．截至2022年底，我国移动物联网连接数达18.45亿户，成为全球主要经济体中首个实现“物超人”的国家．右图是2018-2022年移动物联网连接数W与年份代码t的散点图，其中年份2018-2022对应的t分别为1~5．

(1)根据散点图推断两个变量是否线性相关．计算样本相关系数（精确到0.01），并推断它们的相关程度；
(2)(i)假设变量x与变量Y的n对观测数据为(x₁，y₁)，(x₂，y₂)，…，(x_n，y_n)，两个变量满足一元线性回归模型   （随机误差）．请推导：当随机误差平方和Q＝取得最小值时，参数b的最小二乘估计．
(ii)令变量，则变量x与变量Y满足一元线性回归模型利用(i)中结论求y关于x的经验回归方程，并预测2024年移动物联网连接数．
附：样本相关系数，，，，

6 . 某地经过多年的环境治理，已将荒山改造成了绿水青山．为估计一林区某种树木的总材积量，随机选取了10棵这种树木，测量每棵树的根部横截面积（单位：）和材积量（单位：），得到如下数据：

样本号ｉ	1	2	3	4	5	6	7	8	9	10	总和
根部横截面积	0.04	0.06	0.04	0.08	0.08	0.05	0.05	0.07	0.07	0.06	0.6
材积量	0.25	0.40	0.22	0.54	0.51	0.34	0.36	0.46	0.42	0.40	3.9

并计算得．
(1)估计该林区这种树木平均一棵的根部横截面积与平均一棵的材积量；
(2)求该林区这种树木的根部横截面积与材积量的样本相关系数（精确到0.01）；
(3)现测量了该林区所有这种树木的根部横截面积，并得到所有这种树木的根部横截面积总和为．已知树木的材积量与其根部横截面积近似成正比．利用以上数据给出该林区这种树木的总材积量的估计值．
附：相关系数．

7 . 下图是某地区2001年至2021年环境保护建设投资额（单位：万元）的折线图．

根据该折线图判断，下列结论正确的是（       ）

A．为预测该地2022年的环境保护建设投资额，应用2001年至2021年的数据建立回归模型更可靠

B．为预测该地2022年的环境保护建设投资额，应用2010年至2021年的数据建立回归模型更可靠

C．投资额与年份负相关

D．投资额与年份的相关系数

8 . 为了巩固拓展脱贫攻坚的成果，振兴乡村经济，某知名电商平台决定为脱贫乡村的特色水果开设直播带货专场．该特色水果的热卖黄金时段为2021年7月10日至9月10日，为了解直播的效果和关注度，该电商平台统计了已直播的2021年7月10日至7月14日时段中的相关数据，这5天的第x天到该电商平台专营店购物的人数y（单位：万人）的数据如下表：

日期	7月10日	7月11日	7月12日	7月13日	7月14日
第x天	1	2	3	4	5
人数y（单位：万人）	75	84	93	98	100

(1)依据表中的统计数据，请判断该电商平台的第x天与到该电商平台专营店购物的人数y（单位：万人）是否具有较高的线性相关程度？（参考：若，则线性相关程度一般，若，则线性相关程度较高，计算r时精确度为0.01）
(2)求购买人数y与直播的第x天的线性回归方程；用样本估计总体，请预测从2021年7月10日起的第38天到该专营店购物的人数（单位：万人）．
参考数据：，，．
附：相关系数，回归直线方程的斜率，截距．

9 . 下表是弹簧伸长的长度与拉力值的对应数据：

长度	1	2	3	4	5
拉力值	3	7	8	10	12

(1)求样本相关系数（保留两位小数）；
(2)通过样本相关系数说明与是否线性相关；若是求出与的线性回归方程，若不是，请说明理由．
参考数据和公式：，，，
线性回归方程中，，，其中，为样本平均值．

10 . 芯片作为在集成电路上的载体，广泛应用在手机、军工、航天等多个领域，是能够影响一个国家现代工业的重要因素.根据市场调研与统计，某公司七年时间里在芯片技术上的研发投入（亿元）与收益（亿元）的数据统计如下：

（1）由折线图看出，可用线性回归模型拟合与的关系，请用相关系数加以说明；
（2）根据折线图的数据，求关于的线性回归方程（系数精确到整数部分）；
（3）为鼓励科技创新，当研发技术投入不少于15亿元时，国家给予公司补贴4亿元，预测当芯片的研发投入为16亿元时公司的实际收益.
附：样本的相关系数，线性回归方程中的系数，，当时，两个变量间高度相关.
参考数据：，，.