1 . 学习于才干信仰，犹如运动于健康体魄，持之已久、行之愈远愈受益．为实现中华民族伟大复兴，全国各行各业掀起了“学习强国”的高潮．某老师很喜欢“学习强国”中“挑战答题”模块，他记录了自己连续七天每天一次最多答对的题数如下表：

天数x	1	2	3	4	5	6	7
一次最多答对题数y	12	15	16	18	21	24	27

参考数据：，，，，，
相关系数
由表中数据可知该老师每天一次最多答对题数y与天数x之间是正相关，其相关系数________________（结果保留两位小数）.

2 . 环境监测部门为调研汽车流量对空气质量的影响，在某监测点统计每日过往的汽车流量（单位：辆）和空气中的的平均浓度（单位：）． 调研人员采集了50天的数据，制作了关于的散点图，并用直线与将散点图分成如图所示的四个区域Ⅰ、Ⅱ、Ⅲ、Ⅳ，落入对应区域的样本点的个数依次为6，20，16，8．

(1)完成下面的列联表，并判断至少有多大把握认为“平均浓度不小于与“汽车日流量不小于1500辆”有关；

	汽车日流量	汽车日流量	合计
的平均浓度
的平均浓度
合计

(2)经计算得回归方程为，且这50天的汽车日流量的标准差，的平均浓度的标准差．
①求相关系数，并判断该回归方程是否有价值；
②若这50天的汽车日流量满足，试推算这50天的日均浓度的平均数．（精确到0.1）
参考公式：，其中．

	0.100	0.050	0.010	0.001
	2.706	3.841	6.635	10.828

回归方程，其中．
相关系数． 若，则认为与有较强的线性相关性．

3 . 某骑行爱好者在专业人士指导下对近段时间骑行锻炼情况进行统计分析，统计每次骑行期间的身体综合指标评分与骑行用时（单位：小时）如下表：

身体综合指标评分	1	2	3	4	5
用时小时）	9.5	8.8	7.8	7	6.1

由上表数据得到的正确结论是（       ）
参考数据：
参考公式：相关系数.

A．身体综合指标评分与骑行用时正相关

B．身体综合指标评分与骑行用时的相关程度较弱

C．身体综合指标评分与骑行用时的相关程度较强

D．身体综合指标评分与骑行用时的关系不适合用线性回归模型拟合

4 . 在一组样本数据（不全相等）的散点图中，若所有样本点都在直线上，则这组样本数据的样本相关系数为（       ）

A．

B．

C．

D．1

5 . 为了解某一地区电动汽车销售情况，某部门根据统计数据，用最小二乘法得到电动汽车销量y（单位：万台）关于x（年份）的线性回归方程为，且销量y的方差，年份x的方差．
(1)求y与x的相关系数r，并据此判断电动汽车销量y与年份x的相关性强弱；
(2)该部门还调查了该地区90位购车车主的性别与购车种类情况，得到的数据如下表：

性别	购买非电动汽车	购买电动汽车	总计
男性	39		45
女性		15
总计

根据调查数据回答：是否有的把握认为购买电动汽车与车主性别有关？
参考公式：（i）线性回归方程：，其中；
（ii）相关系数：，若，则可判断y与x线性相关较强．
（iii），其中．附表：

	0.10	0.05	0.010	0.001
	2.706	3.841	6.635	10.828

6 . 在一组样本数据为，，，（，，，，，不全相等）的散点图中，若所有样本点都在直线上，则这组样本数据的相关系数为（     ）

A．

B．

C．1

D．-1

7 . 能源和环境问题是目前全球性急需解决的问题，虽然近百年人类文明有了前所未有的发展，但对于能源的使用和环境的破坏也造成了严重的后果，发展新能源是时代的要求，是未来生存的要求．新能源汽车不仅对环境保护具有重大的意义而且还能够减少对不可再生资源的开发，是全球汽车发展的重要方向．“保护环境，人人有责”，在政府和有关企业的努力下，某市近几年新能源汽车的购买情况如下表所示：

年份x	2019	2020	2021	2022	2023
汽车购买y（万辆）	0.30	0.60	1.00	1.40	1.70

(1)根据上表数据，计算与的相关系数，并说明与的线性相关性强弱（若，则认为与线性相关性很强；若，则认为与线性相关性一般；若，则认为与线性相关性较弱）；
(2)求关于的线性回归方程，并预测该市2024年新能源汽车购买辆数（精确到个位）．
参考公式：，，
参考数值：．

9 . 对四组数据进行统计，获得以下散点图，关于其样本相关系数的比较，下列结论正确的是（       ）

   

A．	B．
C．	D．

10 . 家居消费是指居民在日常生活中购买和使用的家具、家电、建材、装修等产品和服务所形成的消费行为.长期以来，家居消费一直是居民消费的重要组成部分，对于带动居民消费增长和经济恢复具有重要意义.某家居店为了迎接周年庆举办促销活动，统计了半个月以来天数x与销售额y（万元）的一组数据：.通过分析发现x与y呈线性相关.

(1)求x与y的样本相关系数r（结果保留三位小数）；
(2)求x与y的线性回归方程（，的结果用分数表示）.

参考公式：相关系数，，.

参考数据：，，，.