1 . 某统计部门对四组数据进行统计分析后获得如图所示的散点图，关于相关系数的比较，其中正确的是（       ）

A．	B．
C．	D．

2 . 下列命题中错误的是（       ）

A．在回归分析中，相关系数的绝对值越大，两个变量的线性相关性越强

B．对分类变量与，它们的观察值与预期值总体偏差越大，说明“与有关系”的可能性越小

C．线性回归直线恒过样本中心

D．在回归分析中，离差平方和越小，模型的拟合效果越好

3 . 某地区响应“节能减排，低碳生活”的号召，开展系列的措施控制碳排放．环保部门收集到近5年内新增碳排放数量，如下表所示，其中x为年份代号，y（单位：万吨）代表新增碳排放量．

年份	2019	2020	2021	2022	2023
年份代号	1	2	3	4	5
新增碳排放万吨	6.1	5.2	4.9	4	3.8

(1)请计算并用相关系数的数值说明与间具有较强的线性相关性（若，则线性相关程度较高）；
(2)求关于的线性回归方程，并据此估计该地区年的新增碳排放．
参考数据：，，，，，，．
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法估计公式，相关系数r的公式分别为，，．

4 . 对两个变量的三组数据进行统计，得到以下散点图，关于两个变量相关系数的比较，正确的是（       ）

   

A．

B．

C．

D．

5 . 某校服生产企业为了使设计所用的数据更精准，随机地抽取了6位高中男生的身高和臂展的数据，数据如下表所示：

身高	167	173	174	176	182	184
臂展	160	165	173	170	170	182

(1)计算相关系数r（精确到0.01）并说明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)建立y关于x的线性回归方程，并以此估计男装上装XL号（加大号，对应身高）对应的臂展数据．（结果中精确到0.1．参考数据：，．）
相关系数公式：，
回归方程中，，．

6 . 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

7 . 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

9 . 已知变量x，y之间的线性回归方程为，且变量x，y之间的一组相关数据如表所示，则下列说法错误的是（　　）

x	6	8	10	12
y	6	m	3	2

A．变量x，y之间呈现负相关关系

B．m的值等于5

C．变量x，y之间的相关系数

D．由表格数据知，该回归直线必过点

10 . 给出下列有关线性回归分析的四个命题，其中为真命题的是（       ）

A．线性回归直线未必过样本数据点的中心；

B．回归直线就是散点图中经过数据点最多的那条直线；

C．当相关系数时，两个变量正相关；

D．如果两个变量的相关性越强，则相关系数r就越接近于1．