【推荐1】基于移动互联技术的共享单车被称为“新四大发明”之一，短时间内就风靡全国，带给人们新的出行体验，某共享单车运营公司的市场研究人员为了解公司的经营状况，对该公司最近六个月的市场占有率进行了统计，结果如表：

月份
月份代码x	1	2	3	4	5	6
y	11	13	16	15	20	21

请用相关系数说明能否用线性回归模型拟合y与月份代码x之间的关系，如果能，请计算出y关于x的线性回归方程，并预测该公司2018年12月的市场占有率如果不能，请说明理由．
根据调研数据，公司决定再采购一批单车扩大市场，现有采购成本分别为1000元辆和800元辆的A，B两款车型，报废年限各不相同考虑公司的经济效益，该公司决定对两款单车进行科学模拟测试，得到两款单车使用寿命频数表如表：

报废年限 车型	1年	2年	3年	4年	总计
A	10	30	40	20	100
B	15	40	35	10	100

经测算，平均每辆单车每年可以为公司带来收入500元不考虑除采购成本以外的其他成本，假设每辆单车的使用寿命都是整数年，用频率估计每辆车使用寿命的概率，分别以这100辆单车所产生的平均利润作为决策依据，如果你是该公司的负责人，会选择采购哪款车型？
参考数据：，，
参考公式：相关系数
回归直线方程中的斜率和截距的最小二乘估计公式分别为：，．

【推荐2】某校在一次强基计划模拟考试后，从全体考生中随机抽取52名，获取他们本次考试的数学成绩(x)和物理成绩（y），绘制成如图散点图：
   
根据散点图可以看出y与x之间有线性相关关系，但图中有两个异常点A，B．经调查得知，A考生由于重感冒导致物理考试发挥失常，B考生因故未能参加物理考试．为了使分析结果更科学准确，剔除这两组数据后，对剩下的数据作处理，得到一些统计的值：，，，，，其中，分别表示这50名考生的数学成绩､物理成绩，，2，…，50，y与x的相关系数．
(1)若不剔除A，B两名考生的数据，用52组数据作回归分析，设此时y与x的相关系数为r₀．试判断r₀与r的大小关系（不必说明理由）；
(2)求y关于x的线性回归方程（系数精确到0.01），并估计如果B考生加了这次物理考试（已知B考生的数学成绩为125分），物理成绩是多少？（精确到0.1）
附：线性回归方程中中：，．

【推荐3】某种产品的广告费用支出与销售额之间有如下的对应数据：

	2	4	5	6	8
	30	40	60	50	70

（1）画出散点图；
（2）求回归直线方程；
（3）据此估计广告费用为10时，销售收入的值.
用最小二乘法求线性回归方程系数公式   ，.线性回归方程.

【推荐1】某市2017年至2023年城镇居民人均可支配收入如下表，将其绘制成散点图（如下图），发现城镇居民人均可支配收入y（单位：万元）与年份代号x具有线性相关关系．

年份	2017	2018	2019	2020	2021	2022	2023
年份代号	1	2	3	4	5	6	7
人均可支配收入	3.65	3.89	4.08	4.30	4.65	4.90	5.12

(1)求y关于x的线性回归方程，并根据所求回归方程，预测2024年该市城镇居民人均可支配收入；
(2)某分析员从2017年至2023年人均可支配收入中，任取3年的数据进行分析，记其中人均可支配收入超过4.5万的年份个数为随机变量X，求X的分布列与数学期望．
参考数据及公式：，，，．

【推荐2】某地最近十年粮食需求量逐年上升，下表是部分统计数据：

年份	2006	2008	2010	2012	2014
需求量/万吨	236	246	257	276	286

（1）利用所给数据求年需求量与年份之间的线性回归方程；
（2）利用（1）中所求出的线性回归方程预测该地2018年的粮食需求量.
参考公式：，.

【推荐3】在“一带一路”的建设中，中石化集团获得了某地深海油田区块的开采权，集团在该地区随机初步勘探了几口井，取得了地质资料.进入全面勘探时期后，集团按网络点来布置井位进行全面勘探.由于勘探一口井的费用很高，如果新设计的井位与原有井位重合或接近，便利用旧井的地质资料，不必打这口新井，以节约勘探费用.勘探初期数据资料下表：

井号I	1	2	3	4	5	6
坐标
钻探深度	2	4	5	6	8	10
出油量	40	70	110	90	160	205

（1）在散点图中号旧井位置大致分布在一条直线附近，借助前5组数据求得回归线方程为，求，并估计的预报值；
（2）现准备勘探新井，若通过1、3、5、7号井计算出的的值（精确到0.01）相比于（1）中的值之差（即：）不超过10%，则使用位置最接近的已有旧井，否则在新位置打井，请判断可否使用旧井？（参考公式和计算结果：）
（3）设出油量与钻探深度的比值不低于20的勘探井称为优质井，在原有井号的井中任意勘探3口井，求恰好2口是优质井的概率．

【推荐1】某企业新研发了一种产品，产品的成本由原料成本及非原料成本组成.每件产品的非原料成本y(元)与生产该产品的数量x(千件)有关，经统计得到如下数据：

x	1	2	3	4	5	6	7	8
y	112	61	44.5	35	30.5	28	25	24

根据以上数据，绘制了散点图.观察散点图，两个变量不具有线性相关关系，现考虑用反比例函数模型和指数函数模型分别对两个变量的关系进行拟合，(反比例函数模型可用转化为线性回归模型；指数函数模型可转化为和x的线性回归模型)现已求得：用指数函数模型拟合的回归方程为，与x的相关系数；

（1）用反比例函数模型求y关于x的回归方程；
（2）用相关系数判断上述两个模型哪一个拟合效果更好(精确到0.01)，并用其估计产量为10千件时每件产品的非原料成本.
参考数据：，，，，，，(其中，
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分别为：，相关系数

【推荐2】近年来，明代著名医药学家李时珍的故乡黄冈市蕲春县大力发展大健康产业，蕲艾产业化种植已经成为该县的主要产业之一.已知蕲艾的株高（单位：cm）与一定范围内的温度（单位：）有关，现收集了蕲艾的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关于的回归方程，令，，得到如下表所示的数据：

10.15		109.94		3.04		0.16
13.94			11.67		0.21		21.22

与的相关系数分别为，，且.
（1）用相关系数说明哪种模型建立关于的回归方程更合适；
（2）根据（1）的结果及表中数据，建立关于的回归方程；
（3）已知蕲艾的利润与，的关系为，当为何值时，的估计值最大？
参考数据：，，.

【推荐3】为了研究昼夜温差与引发感冒的关系，医务人员对某高中在同一时间段相同温差下的学生感冒情况进行抽样调研，所得数据统计如表1所示，并将男生感冒的人数与温差情况统计如表2所示．
表1

性别	患感冒的情况		合计
	患感冒人数	不患感冒人数
男生	30	70	100
女生	42	58	p
合计	m	n	200

表2

温差x	6	7	8	9	10
患感冒人数y	8	10	14	20	23

(1)写出m，n，p的值；
(2)依据小概率值的独立性检验判断是否可以认为在相同的温差下“性别”与“患感冒的情况”具有相关性；
(3)根据表2数据，计算y与x的相关系数r，并说明y与x的线性相关性强弱（若，则认为y与x线性相关性很强；若，则认为y与x线性相关性一般；若，则认为y与x线性相关性较弱）．
附表：

	0.100	0.050	0.010	0.001
	2.706	3.841	6.635	10.828

参考公式及数据：，其中．
，，，．