1 . 移动物联网广泛应用于生产制造、公共服务、个人消费等领域．截至2022年底，我国移动物联网连接数达18.45亿户，成为全球主要经济体中首个实现“物超人”的国家．右图是2018-2022年移动物联网连接数W与年份代码t的散点图，其中年份2018-2022对应的t分别为1~5．

(1)根据散点图推断两个变量是否线性相关．计算样本相关系数（精确到0.01），并推断它们的相关程度；
(2)(i)假设变量x与变量Y的n对观测数据为(x₁，y₁)，(x₂，y₂)，…，(x_n，y_n)，两个变量满足一元线性回归模型   （随机误差）．请推导：当随机误差平方和Q＝取得最小值时，参数b的最小二乘估计．
(ii)令变量，则变量x与变量Y满足一元线性回归模型利用(i)中结论求y关于x的经验回归方程，并预测2024年移动物联网连接数．
附：样本相关系数，，，，

2 . 某地经过多年的环境治理，已将荒山改造成了绿水青山．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：）和材积量（单位：），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	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	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)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）；
(3)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．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．
附：相关系数．

3 . 为迎接年北京冬奥会，践行“更快更高更强”的奥林匹克格言，落实全民健身国家战略.某校高二年级发起了“发扬奥林匹克精神，锻炼健康体魄”的年度主题活动，经过一段时间后，学生的身体素质明显提高.

(1)为了解活动效果，该年级对开展活动以来近个月体重超重的人数进行了调查，调查结果统计如上图，根据上面的散点图可以认为散点集中在曲线的附近，请根据下表中的数据求出该年级体重超重人数与月份之间的经验回归方程（系数和的最终结果精确到），并预测从开展活动以来第几个月份开始该年级体重超标的人数降至人以下？

月份
体重超标人数

(2)在某次足球训练课上，球首先由队员控制，此后足球仅在、、三名队员之间传递，假设每名队员控球时传给其他队员的概率如下表所示：

控球队员
接球队员
概率

若传球次，记队员控球次数为，求的分布列及均值.
附：经验回归方程：中，，；
参考数据：，，，.

4 . 近期国内疫情反复，对我们的学习生活以及对各个行业影响都比较大，某房地产开发公司为了回笼资金，提升销售业绩，让公司旗下的某个楼盘统一推出了为期10天的优惠活动，负责人记录了推出活动以后售楼部到访客户的情况，根据记录第一天到访了12人次，第二天到访了22人次，第三天到访了42人次，第四天到访了68人次，第五天到访了132人次，第六天到访了202人次，第七天到访了392人次，根据以上数据，用x表示活动推出的天数，y表示每天来访的人次，绘制了以下散点图．

(1)请根据散点图判断，以下两个函数模型与（c，d均为大于零的常数）哪一个适宜作为人次y关于活动推出天数x的回归方程类型？（给出判断即可，不必说明理由）；
(2)根据（1）的判断结果及下表中的数据，求y关于x的回归方程，并预测活动推出第8天售楼部来访的人次．
参考数据：其中，

1.84	58.55	6.9

(3)已知此楼盘第一天共有10套房源进行销售，其中6套正价房，4套特价房，设第一天卖出的4套房中特价房的数量为，求的分布列与数学期望．

5 . 某地为调查国家提出的乡村振兴战略目标实施情况，随机抽查了100件某乡村企业生产的产品，经检验，其中一等品80件，二等品15件，次品5件，若销售一件产品，一等品利润为30元，二等品利润为20元，次品直接销毁，亏损40元.
(1)用频率估计概率，求从中随机抽取一件产品的利润的期望值.
(2)根据统计，由该乡村企业的产量y（万只）与月份编号x（记年份2021年10月，2021年11月，…分别为，…，依此类推）的散点图，得到如下判断：产量y（万只）与月份编号x可近似满足关系式（c，b为大于0的常数），相关统计量的值如下表所示：

-1.87	6.60	-2.70	9.46

根据所给统计量，求y关于x的回归方程；并估计该企业今年6月份的利润为多少万元（估算取 ，精确到0.1）？
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

6 . 某服装企业采用服装个性化设计为客户提供服务，即由客户提供身材的基本数据用于个人服装设计．该企业为了设计所用的数据更精准，随机地抽取了10位男子的身高和臂长的数据，数据如下表所示：

身高	164	165	168	172	173	176	178	181	182	191
臂长	160	164	161	170	175	181	170	182	180	187

（1）根据表中的数据，求男子的身高预报臂长的线性回归方程，并预报身高为170cm的男子的臂长（男子臂长计算结果精确到0.01）；
（2）统计学认为，两个变量、的相关系数r的大小可表明两变量间的相关性强弱．一般地，如果|r|[0.75，1]，那么相关性很强；如果|r|[0.30，0.75)，那么相关性一般；如果|r|[0，0.30)，那么没有相关性．求出r的值，并判断变量x､y的相关性强弱（结果精确到0.01）．
附：线性回归方程其中，，，，，，，