1 . 两个变量与的回归模型中，分别选择了4个不同模型，它们的相关指数如下，其中拟合效果最好的模型是（       ）

A．模型1的相关指数	B．模型2的相关指数
C．模型3的相关指数	D．模型4的相关指数

2 . 对两个变量和进行回归分析，得到一组样本数据：、、、，则下列说法中不正确的是（       ）

A．由样本数据得到的线性回归方程必过样本点的中心

B．残差平方和越小的模型，拟合的效果越好

C．用相关指数来刻画回归效果，的值越小，说明模型的拟合效果越好

D．若变量和之间的相关系数，则变量与之间具有线性相关关系

3 . 指数是用体重公斤数除以身高米数的平方得出的数字，是国际上常用的衡量人体胖瘦程度以及是否健康的一个标准．对于高中男体育特长生而言，当数值大于或等于20.5时，我们说体重较重，当数值小于20.5时，我们说体重较轻，身高大于或等于我们说身高较高，身高小于170cm我们说身高较矮．
（Ⅰ）已知某高中共有32名男体育特长生，其身高与指数的数据如散点图，请根据所得信息，完成下述列联表，并判断是否有的把握认为男生的身高对指数有影响．

	身高较矮	身高较高	合计
体重较轻
体重较重
合计

（Ⅱ）①从上述32名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	166	167	160	173	178	169	158	173
体重	57	58	53	61	66	57	50	66

根据最小二乘法的思想与公式求得线性回归方程为．利用已经求得的线性回归方程，请完善下列残差表，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（kg）	57	58	53	61	66	57	50	66
残差

②通过残差分析，对于残差的最大（绝对值）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．小明重新根据最小二乘法的思想与公式，已算出，请在小明所算的基础上求出男体育特长生的身高与体重的线性回归方程．
参考数据：
，，，，
参考公式：，，，，．

	0.10	0.05	0.01	0.005
	2.706	3.811	6.635	7.879

4 . 给出以下四个说法：①残差点分布的带状区域的宽度越窄，相关指数越小；②在刻画回归模型的拟合效果时，相关指数越接近于，说明拟合的效果越好；③在回归直线方程中，当解释变量每增加一个单位时，预报变量平均增加个单位：④对分类变量与，若它们的随机变量的观测值越小，则判断“与有关系”的把握程度越大.其中正确的说法是（       ）

A．①④

B．②④

C．①③

D．②③

5 . 在建立两个变量与的回归模型中，分别选择了4个不同的模型，结合它们的相关指数判断，其中拟合效果最好的为

A．模型1的相关指数为0.85	B．模型2的相关指数为0.25
C．模型3的相关指数为0.7	D．模型4的相关指数为0.3

6 . 一只药用昆虫的产卵数y与一定范围内的温度x有关，现收集了该种药用昆虫的6组观测数据如下表：

温度x/℃	21	23	24	27	29	32
产卵数y/个	6	11	20	27	57	77

经计算得：
，，线性回归模型的残差平方和，，
其中分别为观测数据中的温度和产卵数，
（1）若用线性回归模型，求y关于x的回归方程（精确到0.1）；
（2）若用非线性回归模型求得y关于x的回归方程为，且相关指数.
①试与1中的回归模型相比，用说明哪种模型的拟合效果更好.
②用拟合效果好的模型预测温度为35℃时该用哪种药用昆虫的产卵数（结果取整数）
附：一组数据其回归直线的斜率和截距的最小二乘估计为，；相关指数.

7 . 在线性回归模型中，分别选择了4个不同的模型，它们的相关指数依次为0.36、0.95、0.74、0.81，其中回归效果最好的模型的相关指数为(　　)

A．0.95

B．0.81

C．0.74

D．0.36

8 . 在一段时间内，某种商品的价格（元）和需求量（件）之间的一组数据如下表所示：

（1）求出关于的线性回归方程；
（2）请用和残差图说明回归方程拟合效果的好坏．
参考数据：回归方程中，，，
参考数据：，