1 . 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.
；；.

2 . 下列命题中错误的是（       ）

A．将一组数据中的每个数都加上或减去同一个常数后，均值与方差都不变

B．在一组样本数据，（，，不全相等）的散点图中，若所有样本点，，2，，都在直线上，则这组样本数据的线性相关系数为

C．在吸烟与患肺病这两个分类变量的计算中，若由独立性检验知，在犯错误率不超过0.01的前提下，认为吸烟与患肺病有关系．若某人吸烟，则他有的可能性患肺病

D．以模型去拟合一组数据时，为了求出回归方程，设，求得线性回归方程为，则，的值分别是和

3 . 随着科技的发展，网购成了人们购物的重要选择，并对实体经济产生了一定影响．为了解实体经济的现状，某研究机构统计了一个大商场2018—2022年的线下销售额如下：

年份编号	1	2	3	4	5
年份	2018	2019	2020	2021	2022
销售额（单位：万元）	1513	1465	1202	1060	860

(1)由表中数据可以看出，可用线性回归模型拟合销售额与年份编号的关系，请用相关系数加以说明；
(2)建立关于的回归方程，并预测2023年该商场的线下销售额．
参考公式及数据：， ，

4 . 已知某绿豆新品种发芽的适宜温度在之间，一农学实验室研究人员为研究温度x（）与绿豆新品种发芽数y（颗）之间的关系，每组选取了成熟种子50颗，分别在对应的的温度环境下进行实验，得到如下散点图：
   
其中，，．
(1)运用相关系数进行分析说明，是否可以用线性回归模型拟合与的关系？
(2)求出关于的线性回归方程，并预测在的温度下，种子的发芽的颗数．
参考公式：相关系数，回归直线方程，其中，．参考数据：．

6 . 对两个变量，进行线性相关检验，得线性相关系数，对两个变量，进行线性相关检验，得线性相关系数，则下列判断正确的是（       ）

A．变量与正相关，变量与负相关，变量与的线性相关性较强

B．变量与负相关，变量与正相关，变量与的线性相关性较强

C．变量与正相关，变量与负相关，变量与的线性相关性较强

D．变量与负相关，变量与正相关，变量与的线性相关性较强

7 . 为研究女儿身高与母亲身高的关系，现经过随机抽样获得成对样本数据，，下列说法正确的是（       ）

A．落在回归直线上的样本点越多，回归直线方程的拟合效果越好

B．样本相关系数越大，变量线性相关程度越强

C．决定系数越小，残差平方和越大，模型的拟合效果越好

D．决定系数越大，残差平方和越小，模型的拟合效果越好

8 . 某新能源汽车销售部对今年1月至7月的销售量进行统计与分析，因不慎丢失一些数据，现整理出如下统计表与一些分析数据：

月份	1月	2月	3月	4月	5月	6月	7月
月份代号	1	2	3	4	5	6	7
销售量（单位：万辆）	15.6				37.7	39.6	44.5

其中.
(1)若，，成递增的等差数列，求从7个月的销售量中任取1个，月销售量不高于27万辆的概率；
(2)若，与的样本相关系数，求关于的线性回归方程，并预测今年8月份的销售量（精确到0.1）.
附：相关系数，线性回归方程中斜率和截距的最小二乘估计公式分别为，.
参考数据：，.

9 . 下列说法正确的是（       ）

A．相关系数r越大，两变量的线性相关程度越强

B．若一组数据，，，…，的方差为2，则，，，…，的方差为2

C．若随机变量X服从正态分布，，则

D．若，，，则

10 . 为了研究昼夜温差与引发感冒的关系，医务人员对某高中在同一时间段相同温差下的学生感冒情况进行抽样调研，所得数据统计如表1所示，并将男生感冒的人数与温差情况统计如表2所示．
表1

性别	患感冒的情况		合计
	患感冒人数	不患感冒人数
男生	30	70	100
女生	42	58	p
合计	m	n	200

表2

温差x	6	7	8	9	10
患感冒人数y	8	10	14	20	23

(1)写出m，n，p的值；
(2)依据小概率值的独立性检验判断是否可以认为在相同的温差下“性别”与“患感冒的情况”具有相关性；
(3)根据表2数据，计算y与x的相关系数r，并说明y与x的线性相关性强弱（若，则认为y与x线性相关性很强；若，则认为y与x线性相关性一般；若，则认为y与x线性相关性较弱）．
附表：

	0.100	0.050	0.010	0.001
	2.706	3.841	6.635	10.828

参考公式及数据：，其中．
，，，．