1 . 2021年，党中央、国务院印发了《关于进一步减轻义务教育阶段学生作业负担和校外培训负担的意见》，也就是我们现在所称的“双减”政策.某地为了检测双减的落实情况，从某高中选了6名同学，检测课外学习时长（单位：分钟），相关数据如下表所示.

学生序号	1	2	3	4	5	6
学习时长/分	220	180	210	220	200	230

(1)若从被抽中的6名同学中随机抽出2名，则抽出的2名同学课外学习时长都不小于210分钟的概率；
(2)下表是某班统计了本班同学2022年1-7月份的人均月课外劳动时间（单位：小时），并建立了人均月课外劳动时间关于月份的线性回归方程，与的原始数据如下表所示：

月份	1	2	3	4	5	6	7
人均月劳动时间	8	9		12		19	22

由于某些原因导致部分数据丢失，但已知.
（i）求，的值；
（ii）求该班6月份人均月劳动时间数据的残差值（残差即样本数据与预测值之差）.
附：，，.

3 . 为节约资源和保护环境，早在2001年，新能源汽车研究项目就被列入国家“十五”期间的“863”重大科技课题，之后我国不断加大对新能源汽车的扶持力度，至今已经进入产业化阶段，新能源汽车涌入市场，越来越受到人们喜欢.某新能源汽车销售企业统计分析近六年的销售情况，用两种模型①;②+分别进行拟合，得到相应的回归方程==15.1—7.8，进行残差分析得到如下表所示的残差值及一些统计量的值.

年份	2016年	2017年	2018年	2019年	2020年	2021年	=3.5，
年份代号x	1	2	3	4	5	6	=19.5，
销售量：y（万辆）	8	12	20	22	25	30
模型①的残差值	-0.8	-1.1	2.6	0.3	-1	-0.3
模型②的残差值	0.7	-1.6	1.6	-0.4	-1	0.8

(1)残差值的绝对值之和越小说明模型拟合效果越好，据此，比较模型①，②的拟合效果；
(2)本次统计分析中，若认定残差绝对值大于2的数据是异常数据，需要剔除.剔除异常数据后，其它数据保持不变，重新用模型①求出回归方程，并据此预测2022年的销售量.（运算结果保留到小数点后一位数字）
（参考公式:

4 . 新型冠状病毒肺炎COVID-19疫情发生以来，在世界各地逐渐蔓延.在全国人民的共同努力和各级部门的严格管控下，我国的疫情已经得到了很好的控制.然而，小王同学发现，每个国家在疫情发生的初期，由于认识不足和措施不到位，感染人数都会出现快速的增长.下表是小王同学记录的某国连续8天每日新型冠状病毒感染确诊的累计人数.

日期代码x	1	2	3	4	5	6	7	8
累计确诊人数y	4	8	16	31	51	71	97	122

为了分析该国累计感染人数的变化趋势，小王同学分别用两杆模型：①，②对变量x和y的关系进行拟合，得到相应的回归方程并进行残差分析，残差图如下(注：残差)：经过计算得，，，，其中，.

(1)根据残差图，比较模型①，②的拟合效果，应该选择哪个模型?并简要说明理由；
(2)根据（1）问选定的模型求出相应的回归方程（系数均保留两位小数）；
(3)由于时差，该国截止第9天新型冠状病毒感染确诊的累计人数尚未公布.小王同学认为，如果防疫形势没有得到明显改善，在数据公布之前可以根据他在（2）问求出的回归方程来对感染人数做出预测，那么估计该地区第9天新型冠状病毒感染确诊的累计人数是多少?（结果保留整数）
附：回归直线的斜率和截距的最小二乘估计公式分别为：，.

5 . 为研究男体育特长生的身高与体重之间的关系，从某校的男体育特长生中随机选取8名，其身高和体重的数据如表所示：

编号	1	2	3	4	5	6	7	8
身高x（）	178	173	158	167	160	173	166	169
体重y（）	66	61	50	58	53	66	57	57

(1)根据最小二乘法的思想与公式求得身高与体重的线性回归方程为.利用已经求得的线性回归方程，完善下列残差表，并求解释变量（身高）对于预报变量（体重）变化的贡献值（保留两位有效数字）.

编号	1	2	3	4	5	6	7	8
体重y（）	66	61	50	58	53	66	57	57
残差	-0.5	-1.5	-0.5	0.3	0.9

(2)通过残差分析，对于残差绝对值最大的那组数据，需要确认在样本点的采集中是否有人为的错误，已知通过重新采集发现，该组数据的体重应该为58kg.请重新根据最小二乘法的思想与公式，求出男体育特长生的身高与体重的线性回归方程.
参考公式：，，，.参考数据：，，，，.

7 . 为了研究黏虫孵化的平均温度（单位：）与孵化天数之间的关系，重庆八中高2022级某课外兴趣小组通过试验得到如下6组数据：

组号	1	2	3	4	5	6
平均温度	15.3	16.8	17.4	18	19.5	21
孵化天数	16.7	14.8	13.9	13.5	8.4	6.2

他们分别用两种模型①，②分别进行拟合，得到相应的回归方程并进行残差分析，得到如图所示的残差图：

经计算得，，，，
（Ⅰ）根据残差图，比较模型①，②的拟合效果，应选择哪个模型？（给出判断即可，不必说明理由）
（Ⅱ）残差绝对值大于1的数据被认为是异常数据，需要剔除，剔除后应用最小二乘法建立关于的线性回归方程．（系数精确到0.1）
参考公式：回归方程中斜率和截距的最小二乘法估计公式分别为：，．

8 . 近年来，共享单车进驻城市，促进绿色出行引领时尚先锋．某公司计划对未开通共享单车的A县城进行车辆投放，为了确定车辆投放量，对过去在其他县城的投放量情况以及年使用人次进行了统计，得到了投放量x（单位：千辆）与年使用人次y（单位：千次）的数据如下表所示．

x	1	2	3	4	5	6	7
y	7	12	22	35	67	102	197

（1）根据数据绘制投放量x与年使用人次y的散点图如图所示，观察散点图可知，两个变量不具有线性相关关系，拟用对数函数模型或指数函数模型（，）对两个变量的关系进行拟合，请问哪个模型更适宜作为投放量x与年使用人次y的回归方程类型（给出判断即可，不必说明理由），并求出y关于x的回归方程；

（2）根据（1）中求得的回归方程，求此回归模型投放量为5千辆时的残差．
参考数据：

63.14	1.56	2563	50.45

其中，，取，．
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，．

9 . 随着生活水平的逐步提高，人们对文娱活动的需求与日俱增，其中观看电视就是一种老少皆宜的娱乐活动．但是我们在观看电视娱乐身心的同时，也要注意把握好观看时间，近期研究显示，一项久坐的生活指标——看电视时间，是导致视力下降的重要因素，即看电视时间越长，视力下降的风险越大．研究者在某小区统计了每天看电视时间（单位：小时）与视力下降人数的相关数据如下：

编号	1	2	3	4	5
	1	1.5	2	2.5	3
	12	16	22	24	26

（1）请根据上面的数据求关于的线性回归方程
（2）我们用（1）问求出的线性回归方程的 估计回归方程，由于随机误差，所以 是的估计值，成为点（， ）的残差．
①填写下面的残差表，并绘制残差图；

编号	1	2	3	4	5
	1	1.5	2	2.5	3
	12	16	22	24	26

②若残差图所在带状区域宽度不超过4，我们则认为该模型拟合精度比较高，回归方程的预报精度较高，试根据①绘制的残差图分析该模型拟合精度是否比较高？
附：回归直线的斜率和截距的最小二乘估计分别为， ．

10 . 已知与之间的数据如下表：（1）求关于的线性回归方程；
（2）完成下面的残差表：并判断（1）中线性回归方程的回归效果是否良好（若，则认为回归效果良好）.
附：，，，.