【推荐1】最近几年，老百姓的储蓄意愿越来越强，某统计机构统计了最近五年年末安徽省金融机构人民币各项存款余额如下表所示：

年份	2018年	2019年	2020年	2021年	2022年
年份代码	1	2	3	4	5
人民币各项存款余额（万亿元）	5.1	5.4	6.0	6.6	7.4

(1)根据表中所给数据，用相关系数加以判断，是否可用线性回归模型拟合与的关系？若可以，求出关于之间的经验回归方程；若不可以，请说明理由；（当时，可以认为两个变量有很强的线性相关性；否则没有很强的线性相关性）
(2)为调查老百姓的储蓄意愿强弱，该机构随机抽查了300人，得到如下列联表，请填写列联表，并判断依据的独立性检验，能否认为“储蓄意愿强弱与性别有关联”？

	储蓄意愿强	储蓄意愿弱	总计
男			150
女		60
总计	140

附：相关系数，经验回归方程中斜率和截距的最小二乘估计公式分别为．

	0.10	0.05	0.010	0.005	0.001
	2.706	3.841	6.635	7.879	10.828

【推荐2】某制造企业从生产的产品中随机抽查了1000件，经检验，其中一等品有800件，二等品有150件，次品有50件.若销售1件该产品，一等品的利润为200元，二等品的利润为100元，次品直接销毁，亏损200元.
(1)用样本估计总体，估计该制造企业随机销售1件产品的利润的期望值.
(2)根据统计，该制造企业在2021年12月至2022年5月的产量（万件）与月份编号（记2021年12月，2022年1月，编号分别为近似满足关系式，相关统计量的值如下：.根据所给的统计量，求关于的回归方程，并估计该制造企业2022年8月份的利润为多少万元.（结果精确到）
附：对于一组数据，其回归直线的斜率和截距的最小二乘估计分别为

【推荐1】为了加快实现我国高水平科技自立自强，某科技公司逐年加大高科技研发投入.下图1是该公司2013年至2022年的年份代码x和年研发投入y（单位：亿元）的散点图，其中年份代码1∼10分别对应年份2013∼2022.

   

根据散点图，分别用模型①，②作为年研发投入y（单位：亿元）关于年份代码x的经验回归方程模型，并进行残差分析，得到图2所示的残差图.结合数据，计算得到如下表所示的一些统计量的值：

75	2.25	82.5	4.5	120	28.35

表中，.
(1)根据残差图，判断模型①和模型②哪一个更适宜作为年研发投入y（单位：亿元）关于年份代码x的经验回归方程模型?并说明理由；
(2)（i）根据（1）中所选模型，求出y关于x的经验回归方程；
（ii）设该科技公司的年利润（单位：亿元）和年研发投入y（单位：亿元）满足（且），问该科技公司哪一年的年利润最大?
附：对于一组数据，，…，，其经验回归直线的斜率和截距的最小二乘估计分别为，.

【推荐2】为了研究某种细菌随时间x变化的繁殖个数y，收集数据如下：

天数x	1	2	3	4	5	6
繁殖个数y	6	12	25	49	95	190

求y关于x的回归方程．
参考数据：ln 6≈1.79，ln 12≈2.48，ln 25≈3.22，ln 49≈3.89，ln 95≈4.55，ln 190≈5.25.

【推荐3】2019年，中国的国内生产总值（）已经达到约100万亿元人民币，位居世界第二，这其中实体经济的贡献功不可没实体经济组织一般按照市场化原则运行，某生产企业一种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（元）与生产该产品的数量（千件）有关，经统计得到如下数据：

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

根据以上数据，绘制了如下的散点图.

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.为此变换如下：令，则，即与满足线性关系；令，则，即与也满足线性关系.这样就可以使用最小二乘法求得非线性的回归方程.已求得用指数函数模型拟合的回归方程为，与的相关系数，其他参考数据如表（其中）.

183.4	0.34	0.115	1.53	360	22385.5	61.4	0.135	4.6	3.7

（1）求指数函数模型和反比例函数模型中关于的回归方程；
（2）试计算与的相关系数，并用相关系数判断：选择反比例函数和指数函数两个模型中的哪一个拟合效果更好（计算精确到0.01）？
（3）根据（2）小题的选择结果，该企业采取订单生产模式（即根据订单数量进行生产，产品全部售出）.根据市场调研数据，该产品单价定为100元时得到签订订单的情况如表：

订单数（千件）	1	2	3	4	5	6	7	8	9	10	11
概率

已知每件产品的原料成本为10元，试估算企业的利润是多少？（精确到1千元）
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分别为：，，相关系数.