3 . 下表是2017年至2021年连续5年全国研究生在学人数的统计表：

年份序号	1	2	3	4	5
人数（万人）	263	273	286	314	334

(1)现用模型作为回归方程对变量与的关系进行拟合，发现该模型的拟合度很高.请计算该模型所表示的回归方程（与精确到0.01）；
(2)已知2021年全国硕士研究生在学人数约为267.2万人，某地区在学硕士研究生人数占该地在学研究生的频率值与全国的数据近似.当年该地区要在本地区在学研究生中进行一项网络问卷调查，每位在学研究生均可进行问卷填写.某天某时段内有4名在学研究生填写了问卷，X表示填写问卷的这4人中硕士研究生的人数，求X的分布列及数学期望.
参考公式及数据：对于回归方程

4 . 某公司自去年2月份某项技术突破以后，生产的产品质量得到改进与提升，经过一年来的市场检验，信誉越来越好，因此今年以来产品的市场份额明显提高，业务订单量明显上升，如下表是2023年6月份到12月份的订单量数据．

月份	6	7	8	9	10	11	12
月份代码t	1	2	3	4	5	6	7
订单量y（万件）	4.7	5.3	5.6	5.9	6.1	6.4	6.6

(1)试根据相关系数r的值判断订单量y与t的线性相关性强弱（，则认为y与t的线性相关性较强；，则认为y与t的线性相关性较弱）；
(2)建立y关于t的线性回归方程，并预测该公司2024年3月份接到的订单数量；
(3)为进一步拓展市场，该公司适时召开了一次产品观摩与宣传会，在所有参会人员（人数很多）中随机抽取部分参会人员进行问卷调查，其中评价“产品质量很好”的占50%，“质量良好”、“质量还需改进”的分别各占30%，20%，然后在所有参会人员中随机抽取5人作为幸运者赠送礼品，记抽取的5人中评价“产品质量很好”的人数为随机变量X，求X的分布列与期望．
附参考公式：，，．
参考数据：，，．

7 . 某网络购物平台专营店统计了某年2月15日至19日这5天在该店购物的人数（单位：人）的数据如下表：

日期	2月15日	2月16日	2月17日	2月18日	2月19日
日期代号	1	2	3	4	5
购物人数	77	84	93	96	100

(1)根据表中数据，建立关于的一元线性回归模型，并根据该回归模型预测当年2月21日在该店购物的人数（人数用四舍五入法取整数）；
(2)为了了解参加网购人群的年龄分布，该店随机抽取了200人进行问卷调查.得到如下所示不完整的列联表：

年龄	不低于40岁	低于40岁	合计
参与过网上购物	30		150
未参与过网上购物		30
合计			200

将列联表补充完整，并依据表中数据及小概率值的独立性检验，能否认为“参与网上购物”与“年龄”有关.
附：回归直线的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

8 . 地区生产总值(地区)是衡量一个地区经济发展的重要指标，在过去五年(2019年-2023年)中，某地区的地区生产总值实现了“翻一番”的飞跃，从1464亿元增长到了3008亿元，若该地区在这五年中的年份编号x(2019年对应的 x值为1，2020 年对应的x值为2，以此类推)与地区生产总值y(百亿元)的对应数据如下表：

年份编号x	1	2	3	4	5
地区生产总值y(百亿元)	14.64	17.42	20.72	25.20	30.08

(1)该地区2023年的人均生产总值为9.39 万元，若2023年全国的人均生产总值X(万元)服从正态分布，那么在全国其他城市或地区中随机挑选2 个，记随机变量 Y为“2023年人均生产总值高于该地区的城市或地区的数量”，求 的概率；
(2)该地区的人口总数t(百万人)与年份编号x的回归方程可以近似为，根据上述的回归方程，估算该地区年份编号x与人均生产总值(人均)u(万元)之间的线性回归方程.
参考公式与数据：人均生产总值=地区生产总值÷人口总数；
线性回归方程中，斜率和截距的最小二乘法估计公式分别是： ，
若，则.