2 . 党的十八大以来，全国各地区各部门持续加大就业优先政策实施力度，促进居民收入增长的各项措施持续发力，居民分享到更多经济社会发展红利，居民收入保持较快增长，收入结构不断优化，随着居民总收入较快增长，全体居民人均可支配收入也在不断提升. 下表为重庆市 2014 2022 年全体居民人均可支配收入，将其绘制成散点图 （如图 1），发现全体居民人均可支配收入与年份具有线性相关关系. （数据来源于重庆市统计局 2023-05-06 发布）.

年份	2014	2015	2016	2017	2018	2019	2020	2021	2022
全体居民人均可支配收入 （元）	18352	20110	22034	24153	26386	28920	30824	33803	35666

(1)设年份编号为（2014年的编号为1，2015年的编号为2，依此类推），记全体居民人均可支配收入为（单位：万元），求经验回归方程（结果精确到 0.01 ），并根据所求回归方程，预测2023年重庆市全体居民人均可支配收入；
(2)为进一步对居民人均可支配收入的结构进行分析，某分析员从20142022中任取3年的数据进行分析，将选出的人均可支配收入超过3万的年数记为，求随机变量的分布列与数学期望.
参考数据：.
参考公式: 对于一组数据 ，其回归直线方程 的斜率和截距的最小二乘估计分别为.

5 . 为调研加工零件效率，调研员通过试验获得加工零件个数与所用时间（单位：）的5组数据为：，根据以上数据可得经验回归方程为：，则（       ）

A．

B．回归直线必过点

C．加工60个零件的时间大约为

D．若去掉，剩下4组数据的经验回归方程会有变化

6 . 新能源渗透率是指在一定时期内，新能源汽车销量占汽车总销量的比重.在2022年，新能源汽车的渗透率达到了，提前三年超过了“十四五”预定的的目标.2023年，随着技术进步，新能源车的渗透率还在继续扩大.将2023年1月视为第一个月，得到2023年1-10月，我国新能源汽车渗透率如下表：

月份代码	1	2	3	4	5	6	7	8	9	10
渗透率	29	32	34	32	33	34	36	36	36	38

(1)假设自2023年1月起的第个月的新能源渗透率为，试求关于的回归直线方程，并由此预测2024年1月的新能源渗透率；
(2)为了鼓励大家购买新能源汽车，国家在2024年继续执行新能源车购置税优惠政策：在2024年6月1日前购买的新能源车无需支付购置税，而燃油车需按照车价支付购置税.2024年1月小张为自己的客户代付购置税，当月他的客户购买了3辆车价格均为20万元，假设以（1）中预测的新能源渗透率作为当月客户购买新能源车的概率，设小张总共需要代付的购置税为万元，求的分布列和期望.
附：一组数据，，的线性回归直线方程的系数公式为：，

7 . 在入室盗窃类案件中，出现频率最高的痕迹物证之一就是足迹． 负重行走对足迹步伐特征影响的规律强，而且较为稳定． 正在行走的人在负重的同时，步长变短，步宽变大，步角变大． 因此， 以身高分别为170cm， 175cm， 180cm的人员各 20名作为实验对象，让他们采取双手胸前持重物的负重方式行走，得到实验对象在负重0kg，5kg，10kg，15kg，20kg状态下相对稳定的步长数据平均值． 并在不同身高情况下，建立足迹步长s(单位：cm)关于负重x(单位：kg)的三个经验回归方程． 根据身高 170cm组数据建立线性回归方程①： ；根据身高 175cm组数据建立线性回归方程②： 根据身高 180cm 组数据建立线性回归方程③： ．
(1)根据身高 180cm组的统计数据，求，的值，并解释参数的含义；

身高 180cm不同负重情况下的步长数据平均值
负重x/kg	0	5	10	15	20
足迹步长s/cm	74.35	73.50	71.80	68.60	65.75

(2)在一起盗窃案中，被盗窃物品重为9kg，在现场勘查过程中，测量得犯罪嫌疑人往返时足迹步长的差值为4.464cm，推测该名嫌疑人的身高，并说明理由．
附： ．为回归方程， ，，，

9 . 习近平总书记2021年10月22日在深入推动黄河流域生态保护和高质量发展座谈会上的讲话中讲到：“要统筹发展和安全两件大事，提高风险防范和应对能力．高度重视水安全风险，大力推动全社会节约用水，”节约用水对民生各个方面都有着积极影响，某校为开展“节约用水一起行”活动，对20位同学进行了调查，调查了他们每户近9个月每个月的月用水量的平均值y．其中某两个月的月用水量数据分别如下：
15.90 17.47 14.15 13.08 16.98       14.46 14.85 15.03 12.72 16.02
16.30 17.17 17.61 19.39 15.66       17.46 12.07 16.29 13.67 16.31
17.85 16.93 18.49 13.34 15.74       13.04 16.64 13.00 15.89 14.47
17.69 16.20 14.60 13.38 16.07       14.48 14.32 12.76 14.96 15.56
M月                                 N月（第九个月）
且根据近9个月每个月的月用水量，得到了月平均用水量的回归方程，其中x为月份序数．则（       ）

A．月份M为第五个月．	B．月份N的残差的平均值为0.54．
C．月份M的80百分位数为17.65．	D．预报第12个月月平均用水量为14.52．