1 . 近年来我国新能源汽车产业迅速发展，下表是某地区新能源乘用车的年销售量与年份的统计表：

年份x	2018	2019	2020	2021	2022
销量y（万台）	1.60	1.70	1.90	2.20	2.60

某机构调查了该地区100位购车车主的性别与购车种类情况，得到的部分数据如下表所示：

	购置传统燃油车	购置新能源车	总计
男性车主	35		60
女性车主		25
总计			100

①参考公式：相关系数；
②参考数据：；   ③卡方临界值表：

	0.10	0.05	0.010	0.005	0.001
	2.706	3.841	6.635	7.879	10.828

其中，.
(1)求新能源乘用车的销量y关于年份的线性相关系数，并判断y与之间的线性相关关系的强弱；（若，相关性较强；若，相关性一般；若，相关性较弱）
(2)请将上述列联表补充完整，根据小概率值的独立性检验，分析购车车主购置新能源乘用车与性别是否有关系？

2 . 工厂污水排放量y（吨）与产品年产量x（吨）的折线图：
   
(1)依据折线图计算相关系数r（精确到0.01），并据此判断是否可用线性回归模型拟合y与x的关系？（若，则线性相关程度很高，可用线性回归模型拟合）（）
(2)若可用线性回归模型拟合y与x的关系，请建立y关于x的线性回归方程，预测年产量为10吨时污水排放量．，，，

3 . 某有限公司通过技术革新和能力提升，每月售出的产品数量不断增加，下表为该公司今年月份售出的产品数量.

月份	1	2	3	4
售出的产品数量万件	6.1	6.3	6.7	6.9

(1)试根据样本相关系数的值判断售出的产品数量（万件）与月份线性相关性强弱（若，则认为变量和变量高度线性相关）（结果保留两位小数）；
(2)求关于的线性回归方程，并预测该公司月份售出的产品数量.
参考公式：，，，.

4 . 受疫情影响，某校实行线上教学，为了监控学生的学习情况，每周进行一次线上测评，连续测评5周，得到均分数据见图.

	优秀数	非优秀数	合计
某校	46	54	100
联谊校	56	44	100
合计	102	98	200

(1)请你根据数据利用相关系数判定均分与线上教学周数是否具有显著相关关系，若有，求出线性回归方程，若没有，请说明理由；
(2)为了对比研究，该校和其水平相当的线下教学的联谊校进行同步测评，从两校分别随机抽取100名同学成绩进行优秀学生数统计见上表，试依据的独立性检验，分析优秀学生数与线上学习是否有关联？
附：相关系数：
回归系数：
临界值表：

	0.100	0.050	0.010	0.001
	2.706	3.841	6.635	10.828

6 . 研究表明，如果温差本大，人们不注意保暖，可能会导致自身受到风寒刺激，增加感冒患病概率，特别是对于几童以及年老体弱的人群，要多加防范某中学数学建模社团成员研究了昼夜温差大小与某小学学生患感冒就诊人数多少之间的关系，他们记录了某六天的温差，并到校医室查阅了这六天中每天学生新增感冒就诊的人数，得到数据如下：

日期	第一天	第二天	第三天	第四天	第五天	第六天
昼夜温差x（）	4	7	8	9	14	12
新增感就诊人数y（位）

参考数据：，
(1)已知第一天新增感冒就的学生中有4位男生，从第一天多增的感冒就诊的学生中随机取2位，其中男生人数记为X，若抽取的2人中至少有一位女生的概率为，求随机变量X的分布列和数学期望；
(2)已知两个变量x与y之间的样本相关系数，请用最小二乘法求出y关于x的经验回归方程，据此估计昼夜温差为15时，该校新增感冒就诊的学生人数. 参考数据： ，

10 . 中国在第75届联合国大会上承诺，将采取更加有力的政策和措施，力争于2030年之前使二氧化碳的排放达到峰值，努力争取2060年之前实现碳中和(简称“双碳目标”)，此举展现了我国应对气候变化的坚定决心，预示着中国经济结构和经济社会运转方式将产生深刻变革，极大促进我国产业链的清洁化和绿色化．新能源汽车、电动汽车是重要的战略新兴产业，对于实现“双碳目标”具有重要的作用．为了解某一地区电动汽车销售情况，一机构根据统计数据，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＝4.7x－9495.2，且销量y的方差，年份x的方差为．
(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)该机构还调查了该地区100位购车车主性别与购车种类情况，得到的数据如下表：

	购买非电动汽车	购买电动汽车	总计
男性	30	20	50
女性	15	35	50
总计	45	55	100

能否有99%的把握认为购买电动汽车与性别有关?
(3)在购买电动汽车的车主中按照性别进行分层抽样抽取11人，再从这11人中随机抽取4人，记这4人中，男性的人数为X，求X的分布列和数学期望．
参考公式；
(i)线性回归方程：，其中，；
(ii)相关系数：，若r＞0.9，则可判断y与x线性相关较强；
(iii)，其中n＝a＋b＋c＋d．
附表：

α	0.100	0.050	0.010	0.001
	2.706	3.841	6.635	10.828