1 . 为了研究y关于x的线性相关关系，收集了5组样本数据（见下表）：

x	1	2	3	4	5
y	0.5	0.9	1	1.1	1.5

若已求得一元线性回归方程为，则下列选项中正确的是（       ）

A．

B．当时，y的预测值为2.2

C．样本数据y的第40百分位数为1

D．去掉样本点后，x与y的样本相关系数r不会改变

2 . 下列说法不正确的是（       ）．

A．一组数据10，11，11，12，13，14，16，18，20，22的第60百分位数为14

B．若随机变量服从正态分布，且，则

C．若线性相关系数越接近1，则两个变量的线性相关程度越高

D．对具有线性相关关系的变量、，且回归方程为，若样本点的中心为，则实数的值是

4 . 为帮助乡村脱贫，某勘探队计划了解当地矿脉某金属的分布情况，测得了平均金属含量（单位：克每立方米）与样本对原点的距离（单位：米）的数据，并作了初步处理，得到了下面的一些统计量的值．（表中）．

6	97.90	0.21	240	0.14	14.12	26.13

(1)利用相关系数的知识，判断与哪一个更适宜作为平均金属含量关于样本对原点的距离的回归方程类型；
(2)根据（1）的结果建立关于的回归方程，并估计样本对原点的距离米时，平均金属含量是多少？

5 . 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

6 . 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，，．

7 . 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．

8 . 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，，．

9 . 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

10 . 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