1 . 某汽车的使用年数与所支出的维修费用的统计数据如表：

使用年数（单位：年）	1	2	3	4	5
维修总费用（单位：万元）	0.5	1.2	2.2	3.3	4.5

根据上表可得关于的线性回归方程=，若该汽车维修总费用超过10万元就不再维修，直接报废，据此模型预测该汽车最多可使用（　　）

A．11年

B．10年

C．9年

D．8年

2 . 已知一组数据确定的回归直线方程为，且，发现两组数据，误差较大，去掉这两组数据后，重新求得回归直线的斜率为，当时，____________.

3 . 已知某产品的销售额与广告费用之间的关系如下表：

（单位：万元）	0	1	2	3	4
（单位：万元）	10	15	20	30	35

若求得其线性回归方程为，则预计当广告费用为6万元时的销售额为

A．42万元

B．45万元

C．48万元

D．51万元

4 . COMS温度传感器是一种采用大规模数字集成电路技术的温度传感器，集成了温度传感电路和信号处理电路，可检测芯片温度和环境温度，具有低成本､低功耗､高精度和线性度强的优点，广泛用于环境､医疗､制造业､化工､能源､气象､仓储､冷藏､冰柜､恒温恒湿生产车间､办工场所等领域.下表是通过对某型号COMS高精度温度传感器IC的芯片温度与输出电压进行初步统计得出的相关数据：

芯片温度		20	40	80	100
输出电压测量值	2.49	2.07	1.88	1.45	1.31

(1)已知输出电压U与芯片温度t之间存在线性相关关系，求出其线性回归方程；（精确到小数点后两位）
(2)已知输出电压实际观察值为，估计值（拟合值）为，以上述数据和（1）中的线性回归方程为依据，.若满足，则可判该COMS高精度温度传感器IC工作正常；若不满足，则可判断工作不正常.现某该型号温度传感器在芯片温度为时，其输出电压为，判断该温度传感器工作是否正常.
参考数据：.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.

5 . 某企业为了提高企业利润，从2014年至2018年每年都对生产环节的改进进行投资，投资金额（单位：万元）与年利润增长量（单位：万元）的数据如表：

年份	2014	2015	2016	2017	2018
投资金额/万元	4.0	5.0	6.0	7.0	8.0
年利润增长量/万元	6.0	7.0	9.0	11.0	12.0

（1）记年利润增长量投资金额，现从2014年至2018年这5年中抽出两年进行调查分析，求所抽两年都是万元的概率；
（2）请用最小二乘法求出关于的回归直线方程；如果2019年该企业对生产环节改进的投资金额为10万元，试估计该企业在2019年的年利润增长量为多少？
参考公式：，；
参考数据：，.

6 . 数字经济的发展需要、云计算、大数据及物联网等新型基础设施的支撑，作为新基建之首，对我国数字经济的发展有着重要的意义．技术在我国已经进入高速发展阶段，宽带业务办理量也逐渐上升．某营业厅统计了2021年7月至2022年1月宽带业务办理量（单位：单），如表所示：

时间	2021年7月	2021年8月	2021年9月	2021年10月	2021年11月	2021年12月	2022年1月
月份编号	1	2	3	4	5	6	7
宽带业务办理量/单	290	330	360	440	480	520	590

(1)由表中数据可知，可用线性回归模型拟合与之间的关系，请用相关系数加以说明（结果精确到0．01）；
(2)求出关于的线性回归方程，并估计该营业厅2022年6月的宽带业务办理量．
参考数据：，，，，．
参考公式：相关系数， ，．

7 . 根据如下样本数据：得到回归方程，则（     ）

A．

B．变量与线性正相关

C．当时，可以确定

D．变量与之间是函数关系

8 . 某单位为了了解用电量y度与气温之间的关系，随机统计了某4天的用电量与当天气温．

气温	14	12	8	6
用电量度	22	26	34	38

（I）求线性回归方程；（参考数据：，）
（II）根据（I）的回归方程估计当气温为时的用电量．

附：回归直线的斜率和截距的最小二乘法估计公式分别为：

，．

9 . 已知函数与，若对于任意一点，过点作与轴垂直的直线，交函数的图像于点，交函数的图像于点，定义：，若则用函数来拟合与之间的关系更合适，否则用函数来拟合与之间的关系.
(1)给定一组变量,对于函数与函数，试利用定义求的值，并判断哪一个更适合作为点中的与之间的拟合函数;
(2)若一组变量的散点图符合图像，试利用下表中的有关数据与公式求对的回归方程, 并预测当时，的值为多少.表中的
（附：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）

10 . 某市场研究人员为了了解产业园引进的甲公司前期的经营状况，对该公司2019年连续六个月的利润进行了统计，并根据得到的数据绘制了相应的折线图，如图所示：

（1）由折线图可以看出，可用线性回归模型拟合月利润(单位：百万元)与月份代码之间的关系，求关于的线性回归方程，并预测该公司2020年4月份的利润；
（2）甲公司新研制了一款产品，需要采购一批新型材料，现有A，B两种型号的新型材料可供选择，按规定每种新型材料最多可使用4个月，但新材料的不稳定性会导致材料的使用寿命不同，现对A，B两种型号的新型材料对应的产品各100件进行科学模拟测试，得到两种新型材料使用寿命的频数统计如下表：

经甲公司测算平均每件新型材料每月可以带来6万元收入入，不考虑除采购成本之外的其他成本，A型号材料每件的采购成本为10万元，B型号材料每件的采购成本为12万元.假设每件新型材料的使用寿命都是整月数，且以频率作为每件新型材料使用寿命的概率，如果你是甲公司的负责人，以每件新型材料产生利润的平均值为决策依据，你会选择采购哪款新型材料？
参考数据：，.
参考公式：回归直线方程，其中.