1 . 某企业在一段时期内为准确把握市场行情做了如下调研：每投入金额为（单位：万元），企业获得收益金额为（单位：万元），现将投入金额与收益金额数据作初步统计整理如下表：（表中，）(1)利用样本相关系数的知识，判断与哪一个更适宜作为收益金额关于投入金额的回归方程模型？
(2)根据（1）的结果解答下列问题.
①建立关于的回归方程；
②样本对投入金额时，企业收益预报值是多少万元？
附：对于一组数据、、、，其线性相关系数，其回归直线的斜率和截距的最小二乘估计分别为：，.

2 . 在1G和2G时代，我们的听觉得以随时随地的延伸，掏出手机拨通电话，地球那头的声音近在咫尺．到了3G时代，我们的视觉也开始同步延伸，视频通话随时随地，一个手机像一个小小窗口，面对面轻声闲聊笑靥如花，天涯若比邻．4G时代，我们的思想和观念得以延伸，随时的灵感随时传上网，随手的视频随手拍和发，全球同步可读可转可评，个人所有的思想和观点能够在全球的信息网络中延伸、保存、碰撞、交流，博客、微博、微信朋友圈、抖音等等这些我们生活中极其常见的社交网络正是延伸与交流之所．现在，5G的到来给人们的生活带来更加颠覆性的变革，某科技创新公司基于领先技术的支持，5G经济收入在短期内逐月攀升，该创新公司在1月份至6月份的5G经济收入y（单位：百万元）关于月份x的数据如下表所示，并根据数据绘制了如图所示的散点图．

月份x	1	2	3	4	5	6
收入y（百万元）	6.6	8.6	16.1	21.6	33.3	41.0

(1)根据散点图判断，y＝ax＋b与（a，b，c，d均为常数）哪一个更适宜作为5G经济收入y关于月份x的回归方程类型？（给出判断即可，不必说明理由）
(2)根据（1）的结果及表中的数据，求出y关于x的回归方程，并预测该公司7月份的5G经济收入；（结果保留小数点后一位）
参考数据：

3.50	21.15	2.85	17.50	125.35	6.73	4.57	14.30

其中，设u＝lny，4，（i＝1，2，3，4，5，6）．
参考公式：对于一组具有线性相关关系的数据（i＝1，2，3，…，n），其回归直线的斜率和截距的最小二乘估计公式分别为，．

3 . 区块链技术被认为是继蒸汽机、电力、互联网之后，下一代颠覆性的核心技术区块链作为构造信任的机器，将可能彻底改变整个人类社会价值传递的方式，2015年至2019年五年期间，中国的区块链企业数量逐年增长，居世界前列现收集我国近5年区块链企业总数量相关数据，如表

年份	2015	2016	2017	2018	2019
编号x	1	2	3	4	5
企业总数量y（单位：千个）	2.156	3.727	8.305	24.279	36.224

注：参考数据，，，（其中）.
附：样本的最小二乘法估计公式为，
(1)根据表中数据判断，与（其中，为自然对数的底数），哪一个回归方程类型适宜预测未来几年我国区块链企业总数量？（给出结果即可，不必说明理由）
(2)根据（1）的结果，求y关于x的回归方程；
(3)为了促进公司间的合作与发展，区块链联合总部决定进行一次信息化技术比赛，邀请甲、乙、丙三家区块链公司参赛比赛规则如下：①每场比赛有两个公司参加，并决出胜负；②每场比赛获胜的公司与未参加此场比赛的公司进行下一场的比赛；③在比赛中，若有一个公司首先获胜两场，则本次比赛结束，该公司就获得此次信息化比赛的“优胜公司”，已知在每场比赛中，甲胜乙的概率为，甲胜丙的概率为，乙胜丙的概率为，若首场由甲乙比赛，则求甲公司获得“优胜公司”的概率.

4 . 某企业新研发了一种产品，产品的成本由原料成本及非原料成本组成.每件产品的非原料成本（元）与生产该产品的数量（千件）有关，经统计得到如下数据：

x	1	2	3	4	5	6	7	8
y	56.5	31	22.75	17.8	15.95	14.5	13	12.5

根据以上数据绘制了散点图观察散点图，两个变量间关系考虑用反比例函数模型和指数函数模型分别对两个变量的关系进行拟合.已求得用指数函数模型拟合的回归方程为，与x的相关系数.

(1)用反比例函数模型求y关于x的回归方程；
(2)用相关系数判断上述两个模型哪一个拟合效果更好（精确到0.001），并用其估计产量为10千件时每件产品的非原料成本；
(3)根据企业长期研究表明，非原料成本y服从正态分布，用样本平均数作为的估计值，用样本标准差s作为的估计值，若非原料成本y在之外，说明该成本异常，并称落在之外的成本为异样成本，此时需寻找出现异样成本的原因.利用估计值判断上述非原料成本数据是否需要寻找出现异样成本的原因？
参考数据（其中）：

0.34	0.115	1.53	184	5777.555	93.06	30.705	13.9

参考公式：对于一组数据，其回归直线的斜率和截距的最小二乘估计公式分别为：，，相关系数.

5 . 某学校开展研究性学习活动，某同学获得一组实验数据如下表：

x	1.99	3	4	5.1	6.12
y	1.5	4.04	7.5	12	18.01

对于表中数据，现给出以下拟合曲线，其中拟合程度最好的是（       ）

A．

B．

C．

D．

6 . 如图是某市2011年至2020年当年在售二手房均价（单位：千元/平方米）的散点图（图中年份代码1~10分别对应2011年~2020年）.现根据散点图选择用和两个模型对年份代码和房价的关系进行拟合，经过数据处理得到两个模型对应回归方程的相关指数和一些统计量的值，如下表：

模型
相关指数		0.8821			0.9046
6.81	1.89		82.5	44.55		6.6

表中，.
(1)请利用相关指数判断：哪个模型的拟合效果更好；并求出该模型对应的回归方程（参数估计值精确到0.01）；
(2)根据（1）得到的方程预计；到哪一年，该市的当年在售二手房均价能超过10.5千元/平方米.
参考公式：对于一组数据，，…，，其回归线的斜率和截距的最小二乘估计分别为：，.参考数据：，.

7 . 某电器企业统计了近年的年利润额（千万元）与投入的年广告费用（十万元）的相关数据，散点图如图，对数据作出如下处理：令，，得到相关数据如表所示：

	15	15

（1）从①；②；③三个函数中选择一个作为年广告费用和年利润额的回归类型，判断哪个类型符合，不必说明理由；
（2）根据（1）中选择的回归类型，求出与的回归方程；
（3）预计要使年利润额突破亿，下一年应至少投入多少广告费用？结果保留到万元
参考数据：，
参考公式：回归方程中斜率和截距的最小二乘估计公式分别为

8 . 下列关于回归分析的说法中错误的是（       ）

A．线性回归方程对应的直线不一定经过其样本数据中的点

B．残差图中的残差点比较均匀地落在水平的带状区域中，宽度越窄，则说明模型拟合精度越高

C．若回归方程为，则当时，的值必为58.79

D．以模型去拟合一组数据时，为了求出回归方程，设，将其变换后得到线性方程，则，的值分别是和0.3

9 . 为了迎接十四运，提高智慧城市水平，西安公交公司近期推出支付宝和微信扫码支付乘车活动，活动设置了一段时间的推广期，由于推广期内优惠力度较大，吸引越来越多的人开始使用扫码支付．某线路公交车队统计了活动刚推出一周内每一天使用扫码支付的人次，表示活动推出的天数，表示每天使用扫码支付的人次（单位：十人次），统计数据如表下所示：

	1	2	3	4	5	6	7
	6	11	21	34	66	101	196

根据以上数据，绘制了散点图．

（1）根据散点图判断，在推广期内，与（均为大于零的常数），哪一个适宜作为扫码支付的人次关于活动推出天数的回归方程类型？（给出判断即可，不必说明理由）；
（2）根据（1）的判断结果及表中的数据，建立与的回归方程，并预测活动推出第天使用扫码支付的人次；
（3）推广期结束后，车队对乘客的支付方式进行统计，结果如下表：

支付方式	现金	乘车卡	扫码
比例

西安公交六公司车队为缓解周边居民出行压力，以万元的单价购进了一批新车，根据以往的经验可知，每辆车每个月的运营成本约为万元．已知该线路公交车票价为元，使用现金支付的乘客无优惠，使用乘车卡支付的乘客享受折优惠，扫码支付的乘客随机优惠，根据统计结果得知，使用扫码支付的乘客中有的概率享受折优惠，有的概率享受折优惠，有的概率享受折优惠．预计该车队每辆车每个月有万人次乘车，根据所给数据以事件发生的频率作为相应事件发生的概率，在不考虑其它因素的条件下，按照上述收费标准，请你估计这批车辆需要几年（结果取整数年）才能盈利？
参考数据：其中其中，，
参考公式：对于一组数据，，…，，其回归直线的斜率和截距的最小二乘估计公式分别为：，．

10 . 有一种速度叫中国速度，有一种骄傲叫中国高铁.中国高铁经过十几年的发展，取得了举世瞩目的成就，使我国完成了从较落后向先进铁路国的跨越式转变.中国的高铁技术不但越来越成熟，而且还走向国外，帮助不少国家修建了高铁.高铁可以说是中国一张行走的名片.截至到2020年，中国高铁运营里程已经达到3.9万公里.下表是2013年至2020年中国高铁每年的运营里程统计表，它反映了中国高铁近几年的飞速发展：

年份	2013	2014	2015	2016	2017	2018	2019	2020
年份代码	1	2	3	4	5	6	7	8
运营里程万公里	1.3	1.6	1.9	2.2	2.5	2.9	3.5	3.9

根据以上数据，回答下面问题.
（1）甲同学用曲线y=bx+a来拟合，并算得相关系数r₁=0.97，乙同学用曲线y=ce^dx来拟合，并算得转化为线性回归方程所对应的相关系数r₂=0.99，试问哪一个更适合作为y关于x的回归方程类型，并说明理由；
（2）根据（1）的判断结果及表中数据，求y关于x的回归方程(系数精确到0.01).
参考公式：用最小二乘法求线性回归方程的系数公式：；参考数据：令