1 . 2019年12月以来，湖北省武汉市持续开展流感及相关疾病监测，发现多起病毒性肺炎病例，均诊断为病毒性肺炎/肺部感染，后被命名为新型冠状病毒肺炎（CoronaVirusDisease2019，COVID-19），简称“新冠肺炎”.下图是2020年1月15日至1月24日累计确诊人数随时间变化的散点图.

为了预测在未采取强力措施下，后期的累计确诊人数，建立了累计确诊人数与时间变量的两个回归模型，根据1月15日至1月24日的数据（时间变量的值依次为1,2...,10）建立模型和.
（1）根据散点图判断，与哪一个适宜作为累计确诊人数与时间变量的回归方程类型？（给出判断即可，不必说明理由）
（2）根据（1）的判断结果及附表中数据，建立关于的回归方程；
（3）以下是1月25日至1月29日累计确诊人数的真实数据，根据（2）的结果回答下列问题：

时间	1月25日	1月26日	1月27日	1月28日	1月29日
累计确诊人数的真实数据	1975	2744	4515	5974	7111

（i）当1月25日至1月27日这3天的误差）模型预测数据与真实数据差值的绝对值与真实数据的比值）都小于0.1则认为模型可靠，请判断（2）的回归方程是否可靠？
（ii）2020年1月24日在以习近平同志为核心的党中央坚强领导下，全国人民共同采取了强力的预防“新冠肺炎”的措施，若采取措施5天后，真实数据明显低于预测数据，则认为防护措施有效，请判断预防措施是否有效？
附：一组数据，...，，回归直线公式为，.
参考数据：其中，.

5.5	390	19	385	7640	31525	154700	100	150	225	338	507

2 . 2020年初，武汉出现新型冠状病毒肺炎疫情，并快速席卷我国其他地区，口罩成了重要的防疫物资.某口罩生产厂不断加大投入，高速生产，现对其2月1日~2月9日连续9天的日生产量（单位：十万只，）数据作了初步处理，得到如图的散点图及一些统计量的值；

2.72	19	139.09	1095

注：图中日期代码1~9分别对应2月1日~2月9日；表中，.
（1）由散点图分析，样本点都集中在曲线的附近，请求y关于t的方程；
（2）利用（1）中所求的方程估计该厂从什么时候开始日生产量超过四十万只.
参考公式：回归直线方程是时，，.
参考数据：.

3 . 某公司研发了一种帮助家长解决孩子早教问题的萌宠机器人.萌宠机器人语音功能让它就像孩子的小伙伴一样和孩子交流，记忆功能还可以记住宝宝的使用习惯，很快找到宝宝想听的内容.同时提供快乐儿歌、国学经典、启蒙英语等早期教育内容，且云端内容可以持续更新.萌宠机器人一投放市场就受到了很多家长欢迎.为了更好地服务广大家长，该公司研究部门从流水线上随机抽取100件萌宠机器人（以下简称产品），统计其性能指数并绘制频率分布直方图（如图1）：

产品的性能指数在的适合托班幼儿使用（简称A类产品），在的适合小班和中班幼儿使用（简称B类产品），在的适合大班幼儿使用（简称C类产品），A，B，C，三类产品的销售利润分别为每件1.5，3.5，5.5（单位：元）.以这100件产品的性能指数位于各区间的频率代替产品的性能指数位于该区间的概率.
（1）求每件产品的平均销售利润；
（2）该公司为了解年营销费用（单位：万元）对年销售量（单位：万件）的影响，对近5年的年营销费用，和年销售量数据做了初步处理，得到的散点图（如图2）及一些统计量的值.

16.30	24.87	0.41	1.64

表中，，，.
根据散点图判断，可以作为年销售量（万件）关于年营销费用（万元）的回归方程.
（i）建立关于的回归方程；
（ii）用所求的回归方程估计该公司应投入多少营销费，才能使得该产品一年的收益达到最大？
（收益=销售利润-营销费用，取）.
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分别为，.

4 . 已知某种新型病毒的传染能力很强，给人们生产和生活带来很大的影响，所以创新研发疫苗成了当务之急.为此，某药企加大了研发投入，市场上这种新型冠状病毒的疫苗的研发费用（百万元）和销量（万盒）的统计数据如下：

研发费用（百万元）	2	3	6	10	13	14
销量（万盒）	1	1	2	2.5	4	4.5

（1）根据上表中的数据，建立关于的线性回归方程（用分数表示）；
（2）根据所求的回归方程，估计当研发费用为1600万元时，销售量为多少？
参考公式：，.

5 . “海水稻”就是耐盐碱水稻，是一种介于野生稻和栽培稻之间的普遍生长在海边滩涂地区，具有耐盐碱的水稻，它比其它普通的水稻均有更强的生存竞争能力，具有抗涝，抗病虫害，抗倒伏等特点，还具有预防和治疗多种疾病的功效，防癌效果尤为显著.海水稻的灌溉是将海水稀释后进行灌溉.某试验基地为了研究海水浓度(‰)对亩产量(吨)的影响，通过在试验田的种植实验，测得了某种海水稻的亩产量与海水浓度的数据如表.绘制散点图发现，可用线性回归模型拟合亩产量与海水浓度之间的相关关系，用最小二乘法计算得与之间的线性回归方程为.

海水浓度(‰)	3	4	5	6	7
亩产量(吨)	0.62	0.58	0.49	0.4	0.31
残差

（1）请你估计：当浇灌海水浓度为8‰时，该品种的亩产量.
（2）①完成上述残差表：
②统计学中，常用相关指数来刻画回归效果，越大，模型拟合效果越好，并用它来说明预报变量与解释变量的相关性.你能否利用以上表格中的数据，利用统计学的相关知识，说明浇灌海水浓度对亩产量的贡献率？（计算中数据精确到）
(附：残差公式，相关指数)

6 . 2020年初全球爆发了新冠肺炎疫情，为了防控疫情，某医疗科研团队攻坚克难研发出一种新型防疫产品，该产品的成本由原料成本及非原料成本组成，每件产品的非原料成本y（元）与生产该产品的数量x（千件）有关，根据已经生产的统计数据，绘制了如下的散点图.
观察散点图，两个变量不具有线性相关关系，现考虑用函数对两个变量的关系进行拟合.参考数据（其中）：

0.41	0.1681	1.492	306	20858.44	173.8	50.39

（1）求y关于x的回归方程，并求y关于u的相关系数（精确到0.01）.
（2）该产品采取订单生产模式（根据订单数量进行生产，即产品全部售出）.根据市场调研数据，若该产品单价定为80元，则签订9千件订单的概率为0.7，签订10千件订单的概率为0.3；若单价定为70元，则签订10千件订单的概率为0.3，签订11千件订单的概率为0.7.已知每件产品的原料成本为30元，根据（1）的结果，要想获得更高利润，产品单价应选择80元还是70元，请说明理由.
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分别为：，，相关系数.

7 . 某公司为了对某种商品进行合理定价，需了解该商品的月销售量（单位：万件）与月销售单价（单位：元/件）之间的关系，对近个月的月销售量和月销售单价数据进行了统计分析，得到一组检测数据如表所示：

月销售单价（元/件）
月销售量（万件）

（1）若用线性回归模型拟合与之间的关系，现有甲、乙、丙三位实习员工求得回归直线方程分别为：，和，其中有且仅有一位实习员工的计算结果是正确的．请结合统计学的相关知识，判断哪位实习员工的计算结果是正确的，并说明理由；
（2）若用模型拟合与之间的关系，可得回归方程为，经计算该模型和（1）中正确的线性回归模型的相关指数分别为和，请用说明哪个回归模型的拟合效果更好；
（3）已知该商品的月销售额为（单位：万元），利用（2）中的结果回答问题：当月销售单价为何值时，商品的月销售额预报值最大？（精确到）
参考数据：.

8 . 交通安全法有规定：机动车行经人行横道时，应当减速行驶；遇行人正在通过人行横道，应当停车让行.机动车行经没有交通信号的道路时，遇行人横过马路，应当避让.我们将符合这条规定的称为“礼让斑马线”，不符合这条规定的称为“不礼让斑马线”.下表是六安市某十字路口监控设备所抓拍的5个月内驾驶员“不礼让斑马线”行为的统计数据：

月份	1	2	3	4	5
“不礼让斑马线”的驾驶员人数	120	105	100	85	90

（1）根据表中所给的5个月的数据，可用线性回归模型拟合与的关系，请用相关系数加以说明；
（2）求“不礼让斑马线”的驾驶员人数关于月份之间的线性回归方程；
（3）若从4，5月份“不礼让斑马线”的驾驶员中分别选取4人和2人，再从所选取的6人中任意抽取2人进行交规调查，求抽取的2人分别来自两个月份的概率；
参考公式：线性回归方程，其中，，.

9 . 某小学举办“父母养育我，我报父母恩”的活动，对六个年级（一年级到六年级的年级代码分别为1，2…，6）的学生给父母洗脚的百分比y%进行了调查统计，绘制得到下面的散点图．

（1）由散点图看出，可用线性回归模型拟合y与x的关系，请用相关系数加以说明；
（2）建立y关于x的回归方程，并据此预计该校学生升入中学的第一年（年级代码为7）给父母洗脚的百分比．
附注：参考数据：
参考公式：相关系数，若r＞0.95，则y与x的线性相关程度相当高，可用线性回归模型拟合y与x的关系．回归方程中斜率与截距的最小二乘估计公式分别为＝ ，．

10 . 班主任为了对本班学生的考试成绩进行分析，决定从全班25位女同学，15位男同学中随机抽取一个容量为8的样本进行分析．
（Ⅰ）如果按性别比例分层抽样，可以得到多少个不同的样本（只要求写出算式即可，不必计算出结果）；
（Ⅱ）随机抽取8位同学，
数学分数依次为：60，65，70，75，80，85，90，95；
物理成绩依次为：72，77，80，84，88，90，93，95，
①若规定90分（含90分）以上为优秀，记ξ为这8位同学中数学和物理分数均为优秀的人数，求ξ的分布列和数学期望；
②若这8位同学的数学、物理分数事实上对应下表：

学生编号	1	2	3	4	5	6	7	8
数学分数x	60	65	70	75	80	85	90	95
物理分数y	72	77	80	84	88	90	93	95

根据上表数据可知，变量y与x之间具有较强的线性相关关系，求出y与x的线性回归方程（系数精确到0.01）．（参考公式：，其中，；参考数据：，，，，，，）