1 . 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

2 . 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．

3 . 某统计部门依据《中国统计年鉴——2017》提供的数据，对我国1997-2016年的国内生产总值（GDP）进行统计研究，作出了两张散点图：图1表示1997-2016年我国的国内生产总值（GDP），图2表示2007-2016年我国的国内生产总值（GDP）．


(1)用表示第i张图中的年份与GDP的线性相关系数，，依据散点图的特征分别写出的结果；
(2)分别用线性回归模型和指数回归模型对两张散点图进行回归拟合，分别计算出统计数据——相关指数的数值，部分结果如下表所示：

年份	1997-2016	2007-2016
线性回归模型	0.9306
指数回归模型	0.9899	0.978

①将上表中的数据补充完整（结果保留3位小数，直接写在答题卡上）；
②若估计2017年的GDP，结合数据说明采用哪张图中的哪种回归模型会更精准一些？若按此回归模型来估计，2020年的GDP能否突破100万亿元？事实上，2020年的GDP刚好突破了100万亿元，估计与事实是否吻合？结合散点图解释说明.

4 . 近年来，由于耕地面积的紧张，化肥的施用量呈增加趋势．一方面，化肥的施用对粮食增产增收起到了关键作用，另一方面，也成为环境污染、空气污染、土壤污染的重要来源之一，如何合理地施用化肥，使其最大程度地促进粮食增产，减少对周围环境的污染成为需要解决的重要问题，研究粮食产量与化肥施用量的关系，成为解决上述问题的前提某研究团队收集了10组化肥施用量和粮食亩产量的数据并对这些数据作了初步处理，得到了如图所示的散点图及一些统计量的值化肥施用量为（单位：公斤），粮食亩产量为（单位：百公斤）．

参考数据：

650	91.5	52.5	1478.6	30.5	15	15	46.5

表中．
(1)根据散点图判断，与，哪一个适宜作为粮食亩产量关于化肥施用量的回归方程类型（给出判断即可，不必说明理由）；
(2)根据（1）的判断结果及表中数据，建立关于的回归方程；
(3)根据（2）的回归方程，并预测化肥施用量为27公斤时，粮食亩产量的值；
附：①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；②取．

5 . 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，.

6 . 研究某灌溉渠道水的流速与水深之间的关系，测得一组数据如表：

水深
流速

（1）画出散点图，并求对的回归直线方程；
（2）预测水深为时水的流速是多少？

7 . 经验表明，一般树的胸径(树的主干在地面以上处的直径)越大，树就越高.由于测量树高比测量胸径困难，因此研究人员希望由胸径预测树高.下面给出了某林场在研究树高与胸径之间的关系时收集的某种树的数据.

编号
胸径
树高
编号
胸径
树高

（1）根据表格绘制树高与胸径之间关系的散点图；
（2）分析树高与胸径之间的相关关系，并求关于的线性回归方程；
（3）预测当树的胸径为时，树的高度约为多少.(精确)
附：回归方程中斜率和截距的最小二乘估计公式分别为：，；参考数据：，.