1 . 如图是我国2014年至2020年年生活垃圾无害化处理量（单位：亿吨）的折线图.

注：年份代码1～7分别对应年份2014～2020.
由折线图看出，可用线性回归模型拟合y与t的关系，请用相关系数加以说明.
参考数据：＝9.32，＝40.17，＝0.55，≈2.646.
参考公式：相关系数

2 . 某公司为了提升一款产品的市场竞争力和市场占有率，对该款产品进行了科技创新和市场开发，经过一段时间的运营后，统计得到x，y之间的五组数据如表所示：

x	1	2	3	4	5
y	9	11	14	26	20

其中，x（单位：百万元）是科技创新和市场开发的总投入，y（单位：百万元）是科技创新和市场开发后的收益．
(1)求样本相关系数r的大小（精确到0.01），并判断科技创新和市场开发后的收益y与科技创新和市场开发的总投入x的线性相关程度；
(2)该公司对该产品的满意程度进行了调研，在调研100名男、女性消费者后，得到数据如表所示：

性别	满意程度		合计
	满意	不满意
男性	45	10	55
女性	25	20	45
合计	70	30	100

根据小概率值的独立性检验，判断消费者满意程度是否与性别有关；
(3)对（2）中调研的45名女性消费者，按照其满意程度进行比例分配的分层随机抽样，从中抽出9名女性消费者到公司进行现场考察，再从这9名女性消费者中随机抽取4人进行深度调研，记这4人中“满意”的人数为X，求X的分布列及均值．
参考公式：
①②，其中临界值表：

α	0.1	0.05	0.01	0.001
xα	2.706	3.841	6.635	10.828

参考数据：.

4 . 直播带货是一种直播和电商相结合的销售手段，目前已被广大消费者所接受．针对这种现状，某公司决定逐月加大直播带货的投入，直播带货金额稳步提升，以下是该公司2023年前5个月的带货金额：

月份	1	2	3	4	5
带货金额/万元	350	440	580	700	880

(1)计算变量，的相关系数（结果精确到0.01）．
(2)求变量，之间的线性回归方程，并据此预测2023年7月份该公司的直播带货金额．
(3)该公司随机抽取55人进行问卷调查，得到如下不完整的列联表：

	参加过直播带货	未参加过直播带货	总计
女性	25		30
男性		10
总计

请填写上表，并判断是否有90%的把握认为参加直播带货与性别有关．
参考数据：，，，
，．
参考公式：相关系数，线性回归方程的斜率，截距．
附：，其中．

	0.15	0.10	0.05	0.025
	2.072	2.706	3.841	5.024

5 . 2015—2019年，中国社会消费品零售额占GDP的比重超过4种，2020年后，中国社会消费品零售额占GDP的比重逐年下降．下表为2018—2022年中国社会消费品零售额（单位：万亿元）及其占GDP的比重y（单位：%）的数据，其中2018—2022年对应的年份代码x依次为1~5．

年份代码x	1	2	3	4	5
社会消费品零售额	37.8	40.8	39.2	44.1	44.0
社会消费品零售额占 GDP的比重y/%	41.3	41.5	39.0	38.6	36.7

(1)由上表数据，是否可用一元线性回归模型拟合y与x的关系，请用相关系数加以说明．
(2)请建立y关于x的一元线性回归方程．
(3)从2018—2022年中国社会消费品零售额这5个数据中随机抽取2个数据．若抽取的2个数据中至少有1个数据大于40.0，求这2个数据恰好有1个数据不小于44.0的概率．

附：，，，，

相关系数．

对于一组数据，其一元线性回归直线的斜率和截距的最小二乘估计公式分别为，．

6 . 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亿户，成为全球主要经济体中首个实现“物超人”的国家．现有年移动物联网连接数与年份代码的散点图，其中年份对应的分别为．

(1)根据参考数据计算样本相关系数（精确到）；
(2)令变量，，利用（1）中结论求关于的经验回归方程，并预测年移动物联网连接数．
附注：（i）回归方程中斜率和截距最小二乘估计公式分别为，，样本相关系数；
（ii）参考数据：，，，

7 . 某校数学建模学生社团进行了一项实验研究，采集了的一组数据如下表所示：

	2	3	4	5	6	7
	52.5	45	40	30	25	17.5

该社团对上述数据进行了分析，发现与之间具有线性相关关系．
附：在线性回归方程中，，其中为样本平均值．
(1)画出表中数据的散点图，并指出与之间的相关系数是正还是负；
(2)求出关于的线性回归方程，并写出当时，预测数据的值．

9 . 某校20名学生的数学成绩和知识竞赛成绩如下表：

学生编号i	1	2	3	4	5	6	7	8	9	10
数学成绩	100	99	96	93	90	88	85	83	80	77
知识竞赛成绩	290	160	220	200	65	70	90	100	60	270
学生编号i	11	12	13	14	15	16	17	18	19	20
数学成绩	75	74	72	70	68	66	60	50	39	35
知识竞赛成绩	45	35	40	50	25	30	20	15	10	5

计算可得数学成绩的平均值是，知识竞赛成绩的平均值是，并且，，.
(1)求这组学生的数学成绩和知识竞赛成绩的样本相关系数（精确到0.01）；
(2)设，变量和变量的一组样本数据为，其中两两不相同，两两不相同.记在中的排名是第位，在中的排名是第位，.定义变量和变量的“斯皮尔曼相关系数”（记为）为变量的排名和变量的排名的样本相关系数.
（i）记，.证明：；
（ii）用（i）的公式求得这组学生的数学成绩和知识竞赛成绩的“斯皮尔曼相关系数”约为0.91，简述“斯皮尔曼相关系数”在分析线性相关性时的优势.
注：参考公式与参考数据.
；；.

10 . 用向量夹角分析表中平均气温与海拔之间、平均气温与纬度之间的相关关系．

气温/℃	6.9	17	16.9	11.3	14.2	12.3	18.2	17.3	10.4	13.3	6.4	8.6
海拔/m	3640	4420	4220	2840	3200	3140	3360	4650	2680	3970	2080	2260
纬度	32.2	33.8	35	36.3	37.1	38.4	38.9	35.3	36.8	33.8	35.9	36.6