1 . 某校20名学生的数学成绩和知识竞赛成绩如下表：

学生编号i	1	2	3	4	5	6	7	8	9	10
数学成绩	100	99	96	93	90	88	85	83	80	77
知识竞赛成绩	290	160	220	200	65	70	90	100	60	270
学生编号i	11	12	13	14	15	16	17	18	19	20
数学成绩	75	74	72	70	68	66	60	50	39	35
知识竞赛成绩	45	35	40	50	25	30	20	15	10	5

计算可得数学成绩的平均值是，知识竞赛成绩的平均值是，并且，，.
(1)求这组学生的数学成绩和知识竞赛成绩的样本相关系数（精确到0.01）；
(2)设，变量和变量的一组样本数据为，其中两两不相同，两两不相同.记在中的排名是第位，在中的排名是第位，.定义变量和变量的“斯皮尔曼相关系数”（记为）为变量的排名和变量的排名的样本相关系数.
（i）记，.证明：；
（ii）用（i）的公式求得这组学生的数学成绩和知识竞赛成绩的“斯皮尔曼相关系数”约为0.91，简述“斯皮尔曼相关系数”在分析线性相关性时的优势.
注：参考公式与参考数据.
；；.

2 . 中国在第75届联合国大会上承诺，将采取更加有力的政策和措施，力争于2030年之前使二氧化碳的排放达到峰值，努力争取2060年之前实现碳中和（简称“双碳目标”），此举展现了我国应对气候变化的坚定决心，预示着中国经济结构和经济社会运转方式将产生深刻变革，极大促进我国产业链的清洁化和绿色化.新能源汽车､电动汽车是重要的战略新兴产业，对于实现“双碳目标”具有重要的作用.为了解某一地区电动汽车销售情况，一机构根据统计数据，用最小二乘法得到电动汽车销量（单位：万台）关于（年份）的线性回归方程为，且销量的方差为，年份的方差为.
(1)求与的相关系数，并据此判断电动汽车销量与年份的相关性强弱；
(2)该机构还调查了该地区90位购车车主的性别与购车种类情况，得到的数据如下表：

性别	购买非电动汽车	购买电动汽车	总计
男性	39	6	45
女性	30	15	45
总计	69	21	90

依据小概率值的独立性检验，能否认为购买电动汽车与车主性别有关；
(3)在购买电动汽车的车主中按照性别进行分层抽样抽取7人，再从这7人中随机抽取3人，记这3人中，男性的人数为，求的分布列和数学期望.
①参考数据：；
②参考公式：（i）线性回归方程：，其中；
（ii）相关系数：，若，则可判断与线性相关较强.
（iii），其中.附表：

3 . 某企业新研发了一种产品，产品的成本由原料成本及非原料成本组成．每批产品的非原料总成本（元）与生产该产品的数量（千件）有关，经统计得到如下数据：

	1	2	3	4	5	6	7
	6	11	21	34	66	101	196

根据以上数据，绘制如图所示的散点图．

观察散点图，两个变量不具有线性相关关系，现考虑用对数函数模型和指数函数模型分别对两个变量的关系进行拟合．
（1）根据散点图判断，与（，均为大于零的常数）哪一个适宜作为非原料总成本关于生产该产品的数量的回归方程类型；（给出判断即可，不必说明理由）
（2）根据（1）的判断结果及表1中的数据，建立关于的回归方程；
（3）已知每件产品的原料成本为10元，若该产品的总成本不得高于123470元，请估计最多能生产多少千件产品．
参考数据：

62.14	1.54	2535	50.12	3.47

其中，．
参考公式：对于一组数据，，…，，其回归直线的斜率和截距的最小二乘估计公式分别为，．

4 . 近期，某公交公司分别推出支付宝和微信扫码支付乘车活动，活动设置了一段时间的推广期，由于推广期内优惠力度较大，吸引越来越多的人开始使用扫码支付，某线路公交车队统计了活动刚推出一周内每一天使用扫码支付的人次，用x表示活动推出的天数，y表示每天使用扫码支付的人次（单位：十人次），绘制了如图所示的散点图：

（I）根据散点图判断在推广期内，与（c，d为为大于零的常数）哪一个适宜作为扫码支付的人次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）
（Ⅱ）根据（I）的判断结果求y关于x的回归方程，并预测活动推出第8天使用扫码支付的人次.
参考数据：

4	62	1.54	2535	50.12	140	3.47

其中，
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：，．