【推荐1】随着网络的发展，网上购物越来越受到人们的喜爱，各大购物网站为增加收入，促销策略越来越多样化，促销费用也不断增加.下表是某购物网站2017年1-8月促销费用（万元）和产品销量（万件）的具体数据.

（1）根据数据绘制的散点图能够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；（系数精确到0.001）
（2）建立关于的回归方程（系数精确到0.01）；如果该公司计划在9月份实现产品销量超6万件，预测至少需投入促销费用多少万元（结果精确到0.01）.
参考数据：，，，，，其中，分别为第个月的促销费用和产品销量，.
参考公式：（1）样本的相关系数
（2）对于一组数据，，，，其回归方程的斜率和截距的最小二乘估计分别为，.

【推荐2】2019年的流感来得要比往年更猛烈一些据四川电视台“新闻现场”播报，近日四川省人民医院一天的最高接诊量超过了一万四千人，成都市妇女儿童中心医院接诊量每天都在九千人次以上这些浩浩荡荡的看病大军中，有不少人都是因为感冒来的医院某课外兴趣小组趁着寒假假期空闲，欲研究昼夜温差大小与患感冒人数之间的关系，他们分别到成都市气象局与跳伞塔社区医院抄录了去年1到6月每月20日的昼夜温差情况与患感冒就诊的人数，得到如下资料：

日期	1月20日	2月20日	3月20日	4月20日	5月20日	6月20日
昼夜温差	10	11	13	12	8	6
就诊人数人	22	25	29	26	16	12

该兴趣小组确定的研究方案是：先从这六组数据中选取2组，用剩下的4组数据求线性回归方程，再用被选取的2组数据进行检验．
若选取的是1月与6月的两组数据，请根据2月至5月份的数据，求出y关于x的线性回归方程；
若由线性回归方程得到的估计数据与所选出的检验数据的误差均不超过2人，则认为得到的线性回归方程是理想的，试问该小组所得线性回归方程是否理想？
参考公式：，

【推荐3】某机构为了调查某市同时符合条件与(条件：营养均衡，作息规律；条件：经常锻炼，劳逸结合)的高中男生的体重(单位:)与身高(单位: )是否存在较好的线性关系，该机构搜集了位满足条件的高中男生的数据，得到如下表格:

身高/
体重/

根据表中数据计算得到关于的线性回归方程对应的直线的斜率为.
(1)求关于的线性回归方程(精确到整数部分)；
(2)已知，且当时，回归方程的拟合效果较好．试结合数据，判断(1)中的回归方程的拟合效果是否良好？
(3)该市某高中有位男生同时符合条件与，将这位男生的身高(单位:)的数据绘制成如下的茎叶图．利用（1）中的回归方程估计这位男生的体重未超过的所有男生体重（单位：）的平均数（结果精确到整数部分）.

【推荐1】随着智能手机的普及，使用手机上网成为了人们日常生活的一部分，很多消费者对手机流量的需求越来越大，某通信公司为了更好地满足消费者对流量的需求，准备推出一款流量包.该通信公司选了5个城市（总人数、经济发展情况、消费能力等方面比较接近）采用不同的定价方案作为试点，经过一个月的统计，发现该流量包的定价（单位：元/月）和购买人数（单位：万人）的关系如下表：

	30	35	40	45	50
	18	14	10	8	5

（1）根据表中的数据，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?并指出与是正相关还是负相关.
（2）①求出关于的回归方程；
②若该通信公司在一个类似于试点的城市中将这款流量包的价格定为25元/月，请用所求回归方程预测该市一个月内购买该流量包的人数能否超过20万人.
参考公式及数据：相关系数，，，.

【推荐2】自新冠肺炎疫情爆发以来，国内外数学专家纷纷利用数学模型对新冠病毒的可能感染规模和传播风险等进行预测，为疫情防控作出数据指导．某同学从国家卫健委获取了2020年1月20日至2020年1月25日全国累计报告确诊病例数据如下表．

日期	1月20日	1月21日	1月22日	1月23日	1月24日	1月25日
时间（天）	1	2	3	4	5	6
确诊数（人）	291	440	571	830	1287	1975

其中，，．
（1）该同学通过观察散点图，发现累计确诊病例数y（人）与时间t（天）大致呈现指数增长关系，求出该回归方程（保留两位小数）；
（2）若该同学想从这6天的数据中选出2天来进行进一步的数据分析，求这2天确诊病例数恰好都小于600的概率．
参考公式：，．

【推荐3】《厉害了，我的国》这部电影记录：到2017年底，我国高铁营运里程达2.5万公里，位居世界第一位，超过第二名至第十名的总和，约占世界高铁总量的三分之二.如图是我国2009年至2017年高铁营运里程（单位：万公里）的折线图.

根据这9年的高铁营运里程，甲、乙两位同学分别选择了与时间变量的两个回归模型①：；②.
(1)求，（精确到0.01）；
(2)乙求得模型②的回归方程为，你认为哪个模型的拟合效果更好？并说明理由.
附：参考公式：，，.
参考数据：

1.39	76.94	285	0.22	0.09	3.72