1 . 维尼纶纤维的耐热水性能的好坏可以用指标“缩醛化度”y来衡量，这个指标越高，耐热水性能也越好，而甲醛浓度是影响缩醛化度的重要因素，在生产中常用甲醛浓度x(克/升)去控制这一指标，为此必须找出它们之间的关系，现安排一批实验，获得如下数据.

甲醛浓度x	18	20	22	24	26	28	30
缩醛化度(y)	26.86	28.35	28.75	28.87	29.75	30.00	30.36

求样本相关系数r并判断它们的相关程度.

3 . 为估计一林区某种树木的总材积量，随机选取了10棵这种树木，测量每棵树的根部横截面积（单位：m²）和材积量（单位：m³），得到如下数据：

样本号i	1	2	3	4	5	6	7	8	9	10	总和
根部横截面积xi	0.04	0.06	0.04	0.08	0.08	0.05	0.05	0.07	0.07	0.06	0.6
材积量yi	0.25	0.40	0.22	0.54	0.51	0.34	0.36	0.46	0.42	0.40	3.9

并计算得，，.
(1)估计该林区这种树木平均一棵的根部横截面积与平均一棵的材积量．
(2)现测量了该林区所有这种树木的根部横截面积，并得到所有这种树木的根部横截面积总和为360 m².已知树木的材积量与其根部横截面积近似成正比．利用以上数据给出该林区这种树木的总材积量的估计值．
(3)求该林区这种树木的根部横截面积与材积量的样本相关系数．（精确到0.01）
参考公式和数据：相关系数，≈1.377.

4 . 近年来，共享单车进驻城市，绿色出行引领时尚．某公司计划对未开通共享单车的A县城进行车辆投放，为了确定车辆投放量，对过去在其他县城的投放量情况以及年使用人次进行了统计，得到了投放量x（单位；千辆）与年使用人次y（单位：千次）的数据如下表所示，根据数据绘制投放量x与年使用人次y的散点图如图所示．

   

x	1	2	3	4	5	6	7
y	5	16	28	38	64	108	196

拟用模型① 或模型② 对两个变量的关系进行拟合，令，可得
，，，，，变量y与t的标准差分别为，．
(1)根据所给的统计量，求模型② 中y关于x的回归方程；（结果保留小数点后两位）
(2)计算并比较两种模型的相关系数r（结果保留小数点后三位），求哪种模型预测值精度更高、更可靠；
(3)已知每辆单车的购入成本为200元，年调度费以及维修等的使用成本为每人次0.2元，按用户每使用一次，收费1元计算，若投入8000辆单车，利用（2）中更可靠的模型，预测几年后开始实现盈利．（结果保留整数）
附，样本点的线性回归方程最小二乘估计公式为，，相关系数
参考数据：．

5 . 随着互联网的普及和数字化技术的发展，网络直播成为了一种新型的营销形式，因其更低的营销成本，更快捷的营销覆盖而深受商家青睐．某电商统计了最近5个月某商品的网络直播线上月销售量y（单位：千件）与售价x（单位：元/件）的情况如下表所示．

售价（元/件）	53	49	51	50	47
月销售量（千件）	5	9	7	10	9

(1)求相关系数，并说明是否可以用线性回归模型拟合与的关系（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）（精确到0.01）；
(2)建立关于的线性回归方程，并估计当售价为52元/件时，该商品的线上月销售量为多少千件？
参考公式：对于一组数据，相关系数，其回归直线的斜率和截距的最小二乘估计分别为：．
参考数据：．

6 . 2023年第19届亚运会在杭州举行，亚运会的吉祥物琮琮、莲莲、宸宸深受大家喜爱，某商家统计了最近5个月销量，如下表所示：

时间x	1	2	3	4	5
销售量y/万只	5	4.5	4	3.5	2.5

若y与x线性相关，且线性回归方程为，则下列说法不正确的是（       ）

A．由题中数据可知，变量y与x负相关	B．当时，残差为0.2
C．可以预测当时销量约为2.1万只	D．线性回归方程中

8 . 随着全国新能源汽车推广力度的加大，新能源汽车消费迎来了前所未有的新机遇.某公司生产了A、两种不同型号的新能源汽车，为了解大众对生产的新能源汽车的接受程度，公司在某地区采用随机抽样的方式进行调查，对A、两种不同型号的新能源汽车进行综合评估（得分越高接受程度就越高），综合得分按照，，，分组，绘制成评估综合得分的频率分布直方图（如图）：

(1)以综合得分的平均数为依据，判断A、两种不同型号的新能源汽车哪种型号更受大众喜欢；
(2)为进一步了解该地区新能源汽车销售情况，某机构根据统计数据，用最小二乘法得到该地区新能源汽车销量（单位：万台）关于年份的线性回归方程为，且销量的方差，年份的方差为，求与的相关系数，并据此判断该地区新能源汽车销量与年份的相关性强弱.
参考公式：（ⅰ）线性回归方罡：，其中，；
（ⅱ）相关系数（若，则相关性较弱：若，则相关性较强；若，则相关性很强）.

9 . 已知由样本数据点集合，求得的回归直线方程为，且，现发现两个数据点和误差较大，剔除后重新求得的回归直线的斜率为1.2，则（     ）

A．变量与具有负相关关系	B．剔除后不变
C．剔除后的回归方程为	D．剔除后相应于样本点的残差为0.05

10 . 某城市理论预测2015年到2019年人口总数与年份的关系如下表所示

年份	2015	2016	2017	2018	2019
时间代号	0	1	2	3	4
人口总数（十万）	5	7	8	11	19

(1)请用相关系数说明该组数据中与之间的关系可用线性回归模型进行拟合；
(2)求出关于的线性回归方程；
(3)据此估计2021年该城市人口总数．
参考公式：相关系数，对于一组具有线性相关关系的数据，其回归直线的斜率和截距的最小二乘估计分别为．