1 . 下列命题中假命题是（       ）

A．一组数据的极差可以表示这组数据的波动范围大小；

B．任意给定统计数据，都可以绘制散点图；

C．茎叶图既可以用于呈现单组数据，也可以用于对两组同类数据的比较分析；

D．一组数据中的百分位数既可能是这组数据中的数，也可能不是这组数据中的数.

2 . 风力发电是指把风的动能转为电能．2021年前11个月，我国新能源发电量首次突破1万亿千瓦时大关，其中风力发电达到5866.7亿千瓦时．某校物理课题小组通过查阅国家统计局网站，得到2012年至2020年风力发电量数据，如下表：

年份	2012	2013	2014	2015	2016	2017	2018	2019	2020
年份代码	1	2	3	4	5	6	7	8	9
风力发电量（亿千瓦时）	955.8	1412	1599.8	1857.7	2370.7	2972.3	3659.7	4060.3	4664.7

下图为2012年至2020年风力发电量散点图：

(1)根据散点图分析与之间的相关关系；
(2)根据相应数据计算得，，，求关于的线性回归方程（精确到0.1）．
附：回归方程中斜率和截距的最小二乘估计公式分别为：，．

3 . 经过分层抽样得到16名学生高一和高二结束时的数学考试成绩（满分：100分），如下表所示．

学生编号	1	2	3	4	5	6	7	8
高一	84	85	71	74	60	58	51	82
高二	84	88	72	73	68	62	60	85
学生编号	9	10	11	12	13	14	15	16
高一	87	69	79	80	83	84	63	54
高二	88	73	84	82	83	83	66	67

(1)绘制这些成对数据的散点图；
(2)计算学生高一和高二数学成绩的相关系数．根据此相关系数，你能得出什么结论？

4 . 习近平总书记在十九大报告中指出，必须树立和践行“绿水青山就是金山银山”的生态文明发展理念，这将进一步推动新能源汽车产业的迅速发展.根据近几年我国某新能源汽车的年销售量的调研，做出如图所示的散点图，给出与销售的两种回归模型①，②，你认为哪个模型更适宜_________.（从①②中选一个填到空格处）

5 . 下列命题中正确的为（       ）
散点图可以直观的判断两个变量是否具有线性相关关系；
经验回归直线就是散点图中经过样本数据点最多的那条直线；
线性相关系数的绝对值越接近于，表明两个变量线性相关性越弱；
同一组样本数据中，决定系数越大的模型拟合效果越好

A．

B．

C．

D．

6 . 某出版社单册图书的成本费y（元）与印刷册数x（千册）有关，经统计得到数据如下：

x	1	2	3	5	7	10	11	20	25	30
y	9.02	5.27	4.06	3.03	2.59	2.28	2.21	1.89	1.80	1.75

11.4	3.39	0.249	934.4	0.825	-139.03	6.196

其中.
(1)根据以上数据画出散点图（可借助统计软件），并根据散点图判断：与中哪一个适宜作为回归方程模型?
(2)根据（1）的判断结果，试建立成本费y关于印刷册数x的回归方程.
(3)利用回归方程估计印刷26000册图书的单册成本（结果保留两位小数）.

7 . 维尼纶纤维的耐热水性能的好坏可以用指标“缩醛化度”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（单位:）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 /（）	18	20	22	24	26	28	30
缩醛化度 /克分子%	26.86	28.35	28.75	28.87	29.75	30.00	30.36

(1)画散点图；
(2)求线性回归方程；
(3)求相关系数

8 . 判断下列说法是否正确，正确的在括号中填写正确，错误的填错误
（1）相关关系与函数关系都是一种确定性的关系，也是一种因果关系．(      )
（2）利用散点图可以直观判断两个变量的关系是否可以用线性关系表示．(      )
（3）线性相关系数r越大，两个变量的线性相关性越强．(      )
（4）线性相关系数r越小，两个变量的线性相关性越弱．(      )
（5）用相关系数r来刻画回归效果，r越小，说明模型的拟合效果越好．(      )

9 . 自动驾驶汽车依靠、人工智能、视觉计算、雷达、监控装置和全球定位系统协同合作，让电脑可以在没有任何人类主动的操作下，自动安全地操作机动车辆.近年来全球汽车行业达成共识，认为自动驾驶代表了未来汽车行业的发展方向.实现自动驾驶是一个渐进过程，国际通用的自动驾驶标准根据自动驾驶程度逐步提升可以分为级.级自动驾驶也是整个自动驾驶技术的分水岭.年全球渗透率（%）统计表及散点图如下.

年份
渗透率（%）

(1)利用散点图判断，和（其中'，为大于的常数）哪一个更适合作为渗透率和年份的回归方程模型（只要给出判断即可，不必说明理由）;
(2)令，求关于的回归方程;
(3)根据（2）中回归模型回答下列问题：
（i）估计年全球渗透率是多少?
（ii）预计至少要到哪一年，全球渗透率能超过?
附：回归直线中斜率和截距的最小二乘估计公式为，.

10 . 人口问题是关乎国计民生的大问题.下表是1949~2016年中国的人口总数（摘自《中国统计年鉴2017》）.

年份	总人口/万人	年份	总人口万人	年份	总人口万人
1949	54167	1982	101654	2000	126743
1950	55196	1983	103008	2001	127627
1951	56300	1984	104357	2002	128453
1955	61465	1985	105851	2003	129227
1960	66207	1986	107507	200	129988
1965	72538	1987	109300	2005	130756
1970	82992	1988	111026	2006	131448
1971	85229	1989	112704	2007	132129
1972	87177	1990	114333	2008	132802
1973	89211	1991	115823	2009	133450
1974	90859	1992	117171	2010	134091
1975	92420	1993	118517	2011	134735
1976	93717	1994	119850	2012	135404
1977	94974	1995	121121	2013	136072
1978	96259	1996	122389	2014	136782
1979	97542	1997	123626	2015	137462
1980	98705	1998	124761	2016	138271
1981	100072	1999	125786

(1)画出散点图；
(2)建立总人口数关于年份的一元线性回归模型；
(3)直接用上面建立的回归模型预测2020年的中国人口总数，得到的结果合理吗？为什么？