1 . 近期，济南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，用表示活动推出的天数，表示每天使用扫码支付的人次（单位：十人次），统计数据如表所示：表：根据以上数据，绘制了散点图.

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

（1）根据散点图判断，在推广期内与（，均为大于零的常数）哪一个适宜作为扫码支付的人次关于活动推出天数的回归方程类型？（给出判断，不必说明理由）；
（2）根据（1）的判断结果及表中的数据，建立关于的回归方程，并预测活动推出第8天使用扫码支付的人次；
（3）推广期结束后，车队对乘客的支付方式进行统计，结果如下表：

支付方式	现金	乘车卡	扫码
比例	10%	60%	30%

车队为缓解周边居民出行压力，以80万元的单价购进了一批新车，根据以往的经验可知，每辆车每个月的运营成本约为0.66万元.已知该线路公交车票价为2元，使用现金支付的乘客无优惠，使用乘车卡支付的乘客享受8折优惠，扫码支付的乘客随机优惠，根据统计结果得知，使用扫码支付的乘客中有的概率享受7折优惠，有的概率享受8折优惠，有的概率享受9折优惠，预计该车队每辆车每个月有1万人次乘车，根据所给数据以事件发生的频率作为相应事件发生的概率，在不考虑其它因素的条件下，按照上述收费标准，假设这批车需要年才能开始盈利，求的值.
参考数据：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：，.

66	1.54	2.711	50.12	3.47

2 . “绿水青山就是金山银山”的生态文明发展理念已经深入人心,这将推动新能源汽车产业的迅速发展，下表是近几年我国某地区新能源乘用车的年销售量与年份的统计表：

年份	2014	2015	2016	2017	2018
销量（万台）	8	10	13	25	24

某机构调查了该地区30位购车车主的性别与购车种类情况，得到的部分数据如下表所示：

	购置传统燃油车	购置新能源车	总计
男性车主		6	24
女性车主	2
总计			30

（1）求新能源乘用车的销量关于年份的线性相关系数，并判断与是否线性相关；
（2）请将上述列联表补充完整，并判断是否有的把握认为购车车主是否购置新能源乘用车与性别有关；
参考公式：，，其中.，若，则可判断与线性相关.
附表：

	0．10	0.05	0.025	0.010	0.001
	2.706	3.841	5.024	6.635	10.828

3 . 下面给出了根据我国2012年~2018年水果人均占有量（单位：）和年份代码绘制的散点图和线性回归方程的残差图（2012年~2018年的年份代码分别为1~7）．

（1）根据散点图分析与之间的相关关系；
（2）根据散点图相应数据计算得，求关于的线性回归方程；
（3）根据线性回归方程的残差图，分析线性回归方程的拟合效果．（精确到0．01）
附：回归方程中斜率和截距的最小二乘估计公式分别为：．

4 . 一只药用昆虫的产卵数y与一定范围内的温度x有关，现收集了该种药用昆虫的6组观测数据如下表：

温度x/℃	21	23	24	27	29	32
产卵数y/个	6	11	20	27	57	77

经计算得：
，，线性回归模型的残差平方和，，
其中分别为观测数据中的温度和产卵数，
（1）若用线性回归模型，求y关于x的回归方程（精确到0.1）；
（2）若用非线性回归模型求得y关于x的回归方程为，且相关指数.
①试与1中的回归模型相比，用说明哪种模型的拟合效果更好.
②用拟合效果好的模型预测温度为35℃时该用哪种药用昆虫的产卵数（结果取整数）
附：一组数据其回归直线的斜率和截距的最小二乘估计为，；相关指数.

5 . 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：，．

6 . 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.每件产品的非原料成本（元）与生产该产品的数量（千件）有关，经统计得到如下数据：

x	1	2	3	4	5	6	7	8
y	112	61	44.5	35	30.5	28	25	24

根据以上数据，绘制了散点图.

观察散点图，两个变量不具有线性相关关系，现考虑用反比例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.已求得用指数函数模型拟合的回归方程为，与的相关系数.参考数据（其中）：

183.4	0.34	0.115	1.53	360	22385.5	61.4	0.135

（1）用反比例函数模型求关于的回归方程；
（2）用相关系数判断上述两个模型哪一个拟合效果更好（精确到0.01），并用其估计产量为10千件时每件产品的非原料成本；
（3）该企业采取订单生产模式（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100元，则签订9千件订单的概率为0.8，签订10千件订单的概率为0.2；若单价定为90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10元，根据（2）的结果，企业要想获得更高利润，产品单价应选择100元还是90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 . 某手机公司生产某款手机，如果年返修率不超过千分之一，则生产部门当年考核优秀，现获得该公司2010-2018年的相关数据如下表所示：

年份	2010	2011	2012	2013	2014	2015	2016	2017	2018
年生产量（万台）	3	4	5	6	7	7	9	10	12
产品年利润（千万元）	3.6	4.1	4.4	5.2	6.2	7.8	7.5	7.9	9.1
年返修量（台）	47	42	48	50	92	83	72	87	90

（1）从该公司2010-2018年的相关数据中任意选取3年的数据，以表示3年中生产部门获得考核优秀的次数，求的分布列和数学期望；
（2）根据散点图发现2015年数据偏差较大，如果去掉该年的数据，试用剩下的数据求出年利润（千万元）关于年生产量（万台）的线性回归方程（精确到0.01）.部分计算结果：，，.
附：；线性回归方程中，，.

8 . 随着人民生活水平的日益提高，某小区居民拥有私家车的数量与日俱增．由于该小区建成时间较早，没有配套建造地下停车场，小区内无序停放的车辆造成了交通的拥堵．该小区的物业公司统计了近五年小区登记在册的私家车数量（累计值，如147表示2016年小区登记在册的所有车辆数，其余意义相同），得到如下数据：

编号	1	2	3	4	5
年份	2014	2015	2016	2017	2018
数量（单位：辆）	37	104	147	196	216

（1）若私家车的数量与年份编号满足线性相关关系，求关于的线性回归方程，并预测2020年该小区的私家车数量；
（2）小区于2018年底完成了基础设施改造，划设了120个停车位．为解决小区车辆乱停乱放的问题，加强小区管理，物业公司决定禁止无车位的车辆进入小区．由于车位有限，物业公司决定在2019年度采用网络竞拍的方式将车位对业主出租，租期一年，竞拍方案如下：①截至2018年已登记在册的私家车业主拥有竞拍资格；②每车至多中请一个车位，由车主在竞拍网站上提出申请并给出自己的报价；③根据物价部门的规定，竞价不得超过1200元；④申请阶段截止后，将所有申请的业主报价自高到低排列，排在前120位的业主以其报价成交；⑤若最后出现并列的报价，则以提出申请的时间在前的业主成交，为预测本次竞拍的成交最低价，物业公司随机抽取了有竞拍资格的40位业主，进行了竞拍意向的调查，并对他们的拟报竞价进行了统计，得到如图频率分布直方图：

（i）求所抽取的业主中有意向竞拍报价不低于1000元的人数；
（ii）如果所有符合条件的车主均参与竞拍，利用样本估计总体的思想，请你据此预测至少需要报价多少元才能竞拍车位成功？（精确到整数）
参考公式及数据：对于一组数据，其回归方程的斜率和截距的最小二乘估计分别为：；．

9 . 某公司为了预测下月产品销售情况，找出了近7个月的产品销售量（单位：万件）的统计表：

月份代码	1	2	3	4	5	6	7
销售量（万件）

但其中数据污损不清，经查证，，.
（1）请用相关系数说明销售量与月份代码有很强的线性相关关系；
（2）求关于的回归方程（系数精确到0.01）；
（3）公司经营期间的广告宣传费（单位：万元）（），每件产品的销售价为10元，预测第8个月的毛利润能否突破15万元，请说明理由.（毛利润等于销售金额减去广告宣传费）
参考公式及数据：，相关系数，当时认为两个变量有很强的线性相关关系，回归方程中斜率和截距的最小二乘估计公式分别为，.

10 . 混凝土具有原材料丰富、抗压强度高、耐久性好等特点,是目前使用量最大的土木建筑材料.抗压强度是混凝土质量控制的重要技术参数,也是实际工程对混凝土要求的基本指标.为了解某型号某批次混凝土的抗压强度(单位: )随龄期(单位:天)的发展规律,质检部门在标准试验条件下记录了10组混凝土试件在龄期分别为2,3,4,5,7,9,12,14,17,21时的抗压强度的值,并对数据作了初步处理,得到下面的散点图及一些统计量的值.

		2	366			55

表中,.
(1)根据散点图判断与哪一个适宜作为抗压强度关于龄期的回归方程类型?选择其中的一个模型,并根据表中数据,建立关于的回归方程；
(2)工程中常把龄期为28天的混凝土试件的抗压强度视作混凝土抗压强度标准值.已知该型号混凝土设置的最低抗压强度标准值为.
(ⅰ)试预测该批次混凝土是否达标?
(ⅱ)由于抗压强度标准值需要较长时间才能评定，早期预测在工程质量控制中具有重要的意义.经验表明，该型号混凝土第7天的抗压强度与第28天的抗压强度具有线性相关关系，试估计在早期质量控制中，龄期为7天的试件需达到的抗压强度.
附: ,，
参考数据: ,