1 . 某高三理科班共有名同学参加某次考试，从中随机挑出名同学，他们的数学成绩与物理成绩如下表：

数学成绩
物理成绩

（1）数据表明与之间有较强的线性关系，求关于的线性回归方程；
（2）本次考试中，规定数学成绩达到分为优秀，物理成绩达到分为优秀.若该班数学优秀率与物理优秀率分别为和，且除去抽走的名同学外，剩下的同学中数学优秀但物理不优秀的同学共有人，请写出列联表，判断能否在犯错误的概率不超过的前提下认为数学优秀与物理优秀有关？
参考数据：，；，；

2 . 某同学在研究性学习中，收集到某工厂今年前5个月某种产品的产量(单位：万件)的数据如下表：

x(月份)	1	2	3	4	5
y(产量)	4	4	5	6	6

(1)若从这5组数据中随机抽出2组，求抽出的2组数据恰好是相邻两个月的数据的概率；
(2)求出y关于x的线性回归方程，并估计今年6月份该种产品的产量．
参考公式：，.

3 . 某地随着经济的发展，居民收入逐年增长，如表是该地一建设银行连续五年的储蓄存款（年底余额），如表1

年份x	2011	2012	2013	2014	2015
储蓄存款y（千亿元）	5	6	7	8	10

为了研究计算的方便，工作人员将上表的数据进行了处理，得到表2：

时间代号t	1	2	3	4	5
z	0	1	2	3	5

（1）求z关于t的线性回归方程；
（2）通过（1）中的方程，求出y关于x的回归方程；
（3）用所求回归方程预测到2010年年底，该地储蓄存款额可达多少？
附：对于线性回归方程，
其中, .

4 . 有人收集了春节期间平均气温与某取暖商品销售额的有关数据，如下表所示.

平均气温
销售额/万元

（1）根据以上数据，用最小二乘法求出回归方程;
（2）预测平均气温为时，该商品的销售额为多少万元．
.

5 . 下表是某厂1～4月份用水量(单位：百吨)的一组数据：

月份	1	2	3	4
用水量	4.5	4	3	2.5

由散点图可知，用水量与月份之间有较好的线性相关关系，其线性回归直线方程是，则等于___

6 . 某学习小组在研究性学习中,对昼夜温差大小与绿豆种子一天内出芽数之间的关系进行研究.该小组在4月份记录了1日至6日每天昼夜最高、最低温度(如图1),以及浸泡的100颗绿豆种子当天内的出芽数(如图2).

根据上述数据作出散点图,可知绿豆种子出芽数 (颗)和温差 ()具有线性相关关系.
(1)求绿豆种子出芽数 (颗)关于温差 ()的回归方程；
(2)假如4月1日至7日的日温差的平均值为11,估计4月7日浸泡的10000颗绿豆种子一天内的出芽数.
附：，

7 . 某校20名同学的数学和英语成绩如下表所示：

学号	(1)	(2)	(3)	(4)	(5)	(6)	(7)	(8)	(9)	(10)
数学成绩	99	96	95	97	92	97	81	72	99	79
英语成绩	91	97	89	91	93	95	100	100	94	81

将这20名同学的两颗成绩绘制成散点图如图：

根据该校以为的经验，数学成绩与英语成绩线性相关.已知这名学生的数学平均成绩为，英语平均成绩，考试结束后学校经过调查发现学号为的同学与学号为的同学（分别对应散点图中的）在英语考试中作弊，故将两位同学的两科成绩取消.
取消两位作弊同学的两科成绩后，求其余同学的数学成绩与英语成绩的平均数；
取消两位作弊同学的两科成绩后，求数学成绩x与英语成绩y的线性回归直线方程，并据此估计本次英语考试学号为8的同学如果没有作弊的英语成绩.（结果保留整数）
附：位同学的两科成绩的参考数据：
参考公式：

8 . 某测试团队为了研究“饮酒”对“驾车安全”的影响，随机选取100名驾驶员先后在无酒状态、酒后状态下进行“停车距离”测试. 测试的方案：电脑模拟驾驶，以某速度匀速行驶，记录下驾驶员的“停车距离”（驾驶员从看到意外情况到车子完全停下所需要的距离）.无酒状态与酒后状态下的试验数据分别列于表1和表2.

停车距离d（米）
频数	26	40	24	8	2

表1

平均每毫升血液酒精含量x毫克
平均停车距离y米

表2

统计方法中，同一组数据常用该组区间的中点值例如区间的中点值为1.5)作为代表；
（1）根据最小二乘法，由表2的数据计算y关于x的回归方程；
（2）该测试团队认为：驾驶员酒后驾车的平均“停车距离”y大于无酒状态下（表1）的停车距离平均数的3倍，则认定驾驶员是“醉驾”.请根据（1）中的回归方程，预测当每毫升血液酒精含量大于多少毫克时为“醉驾”？
回归方程中..

9 . 某同学将收集到的六组数据制作成散点图如图所示，并得到其回归直线的方程为，计算其相关系数为，相关指数为.经过分析确定点为“离群点”，把它去掉后，再利用剩下的5组数据计算得到回归直线的方程为，相关系数为，相关指数为.以下结论中，不正确的是

A．	B．
C．	D．

10 . 某农科所对冬季昼夜温差大小与某反季大豆新品种发芽多少之间的关系进行了分析研究，分别记录了2016年12月1日至12月5日每天的昼夜温差以及实验室100颗种子中的发芽数，得到的数据如下表所示：

日期	12月1日	12月2日	12月3日	12月4日	12月5日
温差x/℃	10	11	13	12	8
发芽数y/颗	23	25	30	26	16

该农科所确定的研究方案是：先从这五组数据中选取两组，用剩下的三组数据求线性回归方程，再对被选取的两组数据进行检验．
(1)求选取的两组数据恰好是不相邻的两天数据的概率．
(2)若选取的是12月1日和12月5日的两组数据，请根据12月2日至12月4日的数据，求出y关于x的线性回归方程．
(3)由线性回归方程得到的估计数据与所选出的检验数据的误差均不超过2，则认为得到的线性回归方程是可靠的，据此说明(2)中所得线性回归方程是否可靠？并估计当温差为9 ℃时，100颗种子中的发芽数．
附：回归方程中斜率和截距的最小二乘法估计公式分别为：       ，