1 . 下表数据为某地区某种农产品的年产量x(单位:吨)及对应销售价格y(单位:千元/吨) ．

x	1	2	3	4	5
y	70	65	55	38	22

（1）若y与x有较强的线性相关关系，根据上表提供的数据，用最小二乘法求出y关于x的线性回归方程．
（2）若该农产品每吨的成本为13.1千元，假设该农产品可全部卖出，利用上问所求的回归方程，预测当年产量为多少吨时，年利润Z最大?
（参考公式：回归直线方程为，，）

2 . 某商店经营一批进价为每件40元的商品，在市场调查时发现，此商品的销售单价x元与日销售量y件之间的关系如下表所示：

x元	50	60	70	80	90
y件	10	8	9	6	1

(1)求回归直线方程；
(2)假设今后销售依然服从中的关系，预测销售单价为多少元时，日利润最大？利润销售收入成本.
参考公式及数据：，，，.

3 . 某调查机构为了了解某产品年产量（吨）对价格（千元/吨）和年利润的影响，对近五年该产品的年产量和价格统计如下表，若．

	1	2	3	4	5
	8	7	6	4

（1）求表格中的值；
（2）求关于的线性回归方程；
（3）若每吨该产品的成本为2千元，假设该产品可全部卖出，预测当年产量为多少时，年利润取得最大值？

5 . 某公司准备投产一种新产品，经测算，已知每年生产万件的该种产品所需要的总成本（万元），依据产品尺寸，产品的品质可能出现优、中、差三种情况，随机抽取了1000件产品测量尺寸，尺寸分别在，，，，，，（单位：）中，经统计得到的频率分布直方图如图所示.

产品的品质情况和相应的价格（元/件）与年产量之间的函数关系如下表所示.

产品品质	产品尺寸的范围	价格与产量的函数关系式
优
中
差

以频率作为概率，求实数的值；

6 . 某商场计划按月订购一种酸奶，每天进货量相同，进货成本每瓶8元，售价每瓶10元，未售出的酸奶降价处理，以每瓶4元的价格当天全部处理完.根据往年销售经验，每天需求量与当天最高气温（单位：℃）有关.如果最高气温不低于25，需求量为600瓶；如果最高气温位于区间，需求量为400瓶；如果最高气温低于20，需求量为300瓶.为了确定六月份的订购计划，统计了前三年六月份各天的最高气温数据，得下面的频数分布表：

最高气温	[10，15）	[15，20）	[20，25）	[25，30）	[30，35）	[35，40）
天数	1	17	38	22	7	5

以最高气温位于各区间的频率估计最高气温位于该区间的概率.
(1)估计六月份这种酸奶一天的需求量不超过400瓶的概率，并求出前三年六月份这种酸奶每天平均的需求量；
(2)设六月份一天销售这种酸奶的利润为Y（单位：元），当六月份这种酸奶一天的进货量为550瓶时，写出Y的所有可能值，并估计Y大于零的概率.

7 . 某图书公司有一款图书的历史收益率（收益率=利润÷每本收入）的频率分布直方图如图所示：

（1）试估计平均收益率；（用区间中点值代替每一组的数值）
（2）根据经验，若每本图书的收入在20元的基础上每增加元，对应的销量（万份）与（元）有较强线性相关关系，从历史销售记录中抽样得到如下5组与的对应数据：

据此计算出的回归方程为
①求参数的估计值；
②若把回归方程当作与的线性关系，取何值时，此产品获得最大收益，并求出该最大收益.

8 . 电动化是汽车工业未来发展的大趋势，在国家的节能减排、排放法规等硬性要求之下，新能源汽车乘势而起，来自中国汽车工业协会的统计数据显示，2018年新能源汽车累计销量已经超过100万辆，意味着我国的新能源汽车市场的正式兴起．某人计划购买一辆某品牌新能源汽车，他从当地该品牌销售网站了解到2018年1月到5月的实际销量如下表：

月份（）	1	2	3	4	5
销量（，单位：辆）	500	600	1000	1400	1700

（1）经分析发现，可用线性回归模型拟合当地该品牌新能源汽车实际销量（辆）与月份之间的相关关系．请用最小二乘法求关于的线性回归方程，并据此预测2018年10月份当地该品牌新能源汽车的销量；
（2）2018年6月12日，中央财政和地方财政将根据新能源汽车的最大续航里程对购车补贴进行新一轮调整．下表为2018年执行的补贴政策．

最大续航里程（单位：km）	补贴金额（单位：万元）
	1.50
	2.40
	3.40
	4.50
	5.00

某企业一次采购了6辆电动汽车，已知其中有2辆最大续航里程，其余车辆的最大续航里程，若从这6辆车中任取3辆，求这3辆车的补贴金额之和的分布列和数学期望．
参考公式：回归方程，其中，．参考数据：．

9 . 某高中生参加社会实践活动，对某公司1月份至6月份销售某种机器配件的销售量及销售单价进行了调查，销售单价和销售量之间的一组数据如下表所示：

月份	1	2	3	4	5	6
销售单价（元/件）	9	9.5	10	10.5	11	8
销售量（件）	11	10	8	6	5	14.2

(1)根据1至5月份的数据，求出关于的线性回归方程；
(2)若由线性回归方程得到的估计数据与剩下的检验数据的误差不超过0.5，则认为所得到的线性回归方程是理想的，试问（1）中所得到的线性回归方程是否理想？
(3)预计在今后的销售中，销售量与销售单价仍然服从（1）中的关系，若该种机器配件的成本是2.5元/件，那么该配件的销售单价应定为多少元/件，才能获得最大利润？（注：销售利润=销售收入-成本）.
参考公式，.参考数据：，.

10 . 某部门经统计，客户对不同款型理财产品的最满意程度百分比和对应的理财总销售量（万元）如下表（最满意度百分比超高时总销售量最高）：

产品款型	A	B	C	D	E	F	G	H	I	J
最满意度%	20	34	25	19	26	20	19	24	19	13
总销量（万元）	80	89	89	78	75	71	65	62	60	52

设表示理财产品最满意度的百分比，为该理财产品的总销售量（万元）.这些数据的散点图如图所示.

（1）在份款型理财产品的顾客满意度调查资料中任取份；只有一份最满意的，求含有最满意客户资料事件的概率.
（2）我们约定：相关系数的绝对值在以下是无线性相关，在以上（含）至是一般线性相关，在以上（含）是较强线性相关，若没有达到较强线性相关则采取“末位”剔除制度（即总销售量最少的那一款产品退出理财销售）；试求在剔除“末位”款型后的线性回归方程（系数精确到）.
数据参考计算值：

项目
值	21.9	72.1	288.9	37.16	452.1	17.00

附：回归直线方程的斜率和截距的最小二乘法估计分别为：
线性相关系数.