1 . 下列说法中正确的个数为（       ）个
①互斥事件一定是对立事件.
②在回归直线方程中，当解释变量每增加一个单位时，预报变量增加个单位；
③两个随机变量的线性相关性越强，相关系数的绝对值越接近于；
④在回归分析模型中，若相关指数越大，则残差平方和越小，模型的拟合效果越好.

A．

B．

C．

D．

2 . 有一散点图如图所示，在5个数据中去掉后，给出下列说法：①相关系数r变大；②相关指数变大；③残差平方和变小；④变量x与变量y的相关性变强．其中正确说法的个数为（     ）

A．1个

B．2个

C．3个

D．4个

3 . 某企业为响应国家号召，汇聚科研力量，加强科技创新，准备加大研发资金投入，为了解年研发资金投入额（单位：亿元）对年盈利额（单位：亿元）的影响，通过对“十二五”和“十三五”规划发展10年期间年研发资金投入额和年盈利额数据进行分析，建立了两个函数模型：；，其中、、、均为常数，为自然对数的底数，令，，经计算得如下数据：
(1)请从相关系数的角度，分析哪一个模型拟合度更好？
(2)根据（1）的选择及表中数据，建立关于的回归方程．（系数精确到0.01）
附：相关系数
回归直线中：，．

5 . 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 . 3月14日OpenAI公司宣布正式发布为ChatGPT提供支持的更强大的下一代人工智能技术GPT-4，科技产业的发展迎来新的格局，数据显示，它在各种专业和学术基准上与人类水平相当，优秀到令人难以置信，虽然给各行业带来了不同程度的挑战，但是也孕育了新的发展机遇.下表是某教育公司从2019年至2023年人工智能上的投入情况，其中表示年份代码（2019年用1表示，2020年用2表示，以此类推），表示投入资金（单位：百万元）.

	1	2	3	4	5
	3	7	8	10	12

(1)已知可用线性回归模型拟合与的关系，请用相关系数加以说明；（若，则线性相关程度很高）（运算结果保留两位小数）
(2)求关于的线性回归方程，并预测该公司2024年的投入资金.
参考公式与数据：

7 . 某骑行爱好者近段时间在专业人士指导下对骑行情况进行了统计，各次骑行期间的身体综合指标评分x与对应用时y（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	8.6	7.8	7	6.1

(1)由上表数据看出，可用线性回归模型拟合与的关系，请用相关系数加以说明；
(2)建立关于的回归方程.
参考数据和参考公式：相关系数，，，

9 . 近年来，长安区大力发展大花卉产业，其中玫瑰既有观赏价值也能加工成食品和高档化妆品而得到环山路一带农民大面种植．已知玫瑰的株高y（单位：cm）与一定范围内的温度x（单位：）有关，现收集了玫瑰的13组观测数据，得到如下的散点图：

现根据散点图利用或建立y关于x的回归方程，令，得到如下数据：

10.15		109.94		3.04			0.16
13.94			11.67		0.21	21.22

且与的相关系数分别为，，且．
(1)用相关系数说明哪种模型建立y与x的回归方程更合适；
(2)根据（1）的结果及表中数据，建立y关于x的回归方程；
(3)已知玫瑰的利润z与x、y的关系为，当x为何值时，z的预期最大．
参考数据和公式：，，，对于一组数据，其回归直线方程的斜率和截距的最小二乘法估计分别为，，相关系数．

10 . 近年来，我国新能源汽车技术水平不断进步、产品性能明显提升，产销规模连续六年位居世界首位.我国新能源汽车行业取得的成就离不开国家政策的支持，为支持我国新能源汽车行业发展，国家出台了一系列政策，其中《新能源汽车产业发展规划（2021－2035年）》提出，到2025年，新能源汽车新车销售量达到汽车新车销售总量的20％左右，力争经过15年的持续努力，我国新能源汽车核心技术达到国际先进水平，质量品牌具备较强国际竞争力.某汽车城从某天开始连续的营业天数x与新能源汽车销售总量y（单位：辆）的统计数据如表所示：

从某天开始连续的营业天数x	10	20	30	40	50
新能源汽车销售总量y/辆	62	68	75	81	89

(1)已知可用线性回归模型拟合y与x的关系，请用相关系数加以说明（结果精确到0.001）；
(2)求y关于x的线性回归方程，并预测该汽车城连续营业130天的汽车销售总量.
参考数据：，，.
参考公式：相关系数，
线性回归方程中斜率与截距的最小二乘估计公式分别为，.