1 . 某市旅游局通过文旅度假项目考察后，在“五一”期间推出了多个具体项目，销售火爆.其中乡村旅游项目推出了六条经典路线，六款不同价位的套票与相应价格x的数据如下表.

旅游线路	奇山秀水游	古村落游	慢生活游	亲子游	采摘游	舌尖之旅
套票型号	A	B	C	D	E	F
价格x/元	39	49	58	67	77	86

经数据分析、描点绘图，发现价格x与购买人数y近似满足关系式：，对上述数据进行初步处理，其中.
附：①参考数据：；
②对于一组数据，其回归直线的斜率和截距的最小二乘估计值分别为.
(1)根据所给数据，求y关于x的回归方程；
(2)为进一步优化旅游方面的投资，相关部门在“五一”期间随机调查了200位旅游者，以了解不同年龄段的旅游者对不同项目的关注情况，得到如下信息表：

	50岁以上	50岁以下
关注	80人	40人
关注	40人	40人

问是否有以上的把握认为关注的旅游项目与年龄段有关，并说明理由.
附：

	0.100	0.050	0.025	0.010	0.001
	2.706	3.841	5.024	6.635	10.828

2 . 按照《中华人民共和国环境保护法》的规定，每年生态环境部都会会同国家发展改革委等部门共同编制《中国生态环境状况公报》，并向社会公开发布．下表是2017-2021年五年《中国生态环境状况公报》中酸雨区面积约占国土面积的百分比：

年份	2017年	2018年	2019年	2020年	2021年
年份代码	1	2	3	4	5
	6.4	5.5	5.0	4.8	3.8

(1)求2017—2021年年份代码与的样本相关系数（精确到0.01）；
(2)请用样本相关系数说明该组数据中与之间的关系可用一元线性回归模型进行描述，并求出关于的经验回归方程；
(3)预测2024年的酸雨区面积占国土面积的百分比．
（回归直线的斜率和截距的最小二乘法估计公式分别为：
附：样本相关系数，．

3 . 某公司为考核员工，采用某方案对员工进行业务技能测试，并统计分析测试成绩以确定员工绩效等级．
(1)已知该公司甲部门有3名负责人，乙部门有4名负责人，该公司从甲、乙两部门中随机选取3名负责人做测试分析，记负责人来自甲部门的人数为，求的最有可能的取值：
(2)该公司统计了七个部门测试的平均成绩（满分100分）与绩效等级优秀率，如下表所示：

	32	41	54	68	74	80	92
	0.28	0.34	0.44	0.58	0.66	0.74	0.94

根据数据绘制散点图，初步判断，选用作为回归方程．令，经计算得，
（ⅰ）已知某部门测试的平均成绩为60分，估计其绩效等级优秀率；
（ⅱ）根据统计分析，大致认为各部门测试平均成绩，其中近似为样本平均数，近似为样本方差．经计算，求某个部门绩效等级优秀率不低于的概率．
参考公式与数据：①．
②线性回归方程中，，．
③若随机变量，则，，．

4 . PM2.5是指环境空气中直径小于或等于2.5微米的颗粒物．它能较长时间悬浮于空气中，其在空气中含量越高，说明空气污染越严重．城市中的PM2.5成分除扬尘等自然因素外，燃料的燃烧也是一个重要来源．某市环境检测部门为检测燃油车流量对空气质量的影响，在一个检测点统计每日过往的燃油车流量（单位：辆）和空气中的PM2.5的平均浓度（单位：）．检测人员采集了50天的数据，制成列联表（部分数据缺失）：

	燃油车日流量	燃油车日流量	合计
PM2.5的平均浓度	16		24
PM2.5的平均浓度		20
合计	22

(1)完成上面的列联表，并根据小概率值的独立性检验，能否认为PM2.5的平均浓度小于与燃油车日流量小于1500辆有关联？
(2)经计算得与之间的回归直线方程为，且这50天的燃油车的日流量的标准差，PM2.5的平均浓度的标准差．若相关系数满足，则判定所求回归直线方程有价值；否则判定其无价值．
①判断该回归直线方程是否有价值；
②若这50天的燃油车的日流量满足，试求这50天的PM2.5的平均浓度的平均数（利用四舍五入法精确到0.1）．
参考公式：，其中．

	0.01	0.005	0.001
	6.636	7.879	10.828

回归方程，其中，；
相关系数．
参考数据：，，．

5 . 国内某企业研发了一款产品，根据产品成本，每件产品售价不低于43元，经调研，产品售价（单位：元/件）与月销售量（单位：万件），并得到随机变量相对应的一组数据为．
(1)根据相关系数（结果保留两位小数），判断是否可以用线性回归模型拟合与的关系，当时，可以认为两个变量有很强的线性相关性；否则，没有很强的线性相关性．（参考数据：）
(2)建立关于的经验回归方程，并估计当产品的月销售量86875件时，该产品的售价约为多少？
参考公式：相关系数回归方程中斜率和截距的最小
二乘估计公式分别为：．

6 . 某城市理论预测2015年到2019年人口总数与年份的关系如下表所示

年份	2015	2016	2017	2018	2019
时间代号	0	1	2	3	4
人口总数（十万）	5	7	8	11	19

(1)请用相关系数说明该组数据中与之间的关系可用线性回归模型进行拟合；
(2)求出关于的线性回归方程；
(3)据此估计2021年该城市人口总数．
参考公式：相关系数，对于一组具有线性相关关系的数据，其回归直线的斜率和截距的最小二乘估计分别为．

7 . 某运动服饰公司对产品研发的年投资额（单位：十万元）与年销售量（单位：万件）的数据进行统计，整理后得到如下统计表：

	1	2	3	4	5
	35	40	50	55	70

(1)求和的样本相关系数（精确到0.01），并推断和的线性相关程度；（若，则线性相关程度很强；若，则线性相关程度一般；若，则线性相关程度很弱）
(2)求年销售量关于年投资额的回归直线方程，并据此预测年投资额为60万元时的年销售量．
参考数据：．
参考公式：相关系数；
回归直线方程中，．

8 . 环境监测部门为调研汽车流量对空气质量的影响，在某监测点统计每日过往的汽车流量（单位：辆）和空气中的PM2.5的平均浓度（单位：）.调研人员采集了50天的数据，制作了关于的散点图，并用直线与将散点图分成如图所示的四个区域I，II，III，IV，落入对应区域的样本点的个数依次为.

(1)完成下面的列联表，并判断至少有多大把握认为“PM2.5平均浓度不小于”与“汽车日流量不小于1500辆”有关；

	汽车日流量	汽车日流量	合计
PM2.5的平均浓度
PM2.5的平均浓度
合计

(2)经计算得到回归方程为，且这50天的汽车日流量的标准差252，PM2.5的平均浓度的标准差，求相关系数，并判断该回归方程是否有价值.
参考公式：，其中.

	0.100	0.050	0.010	0.001
	2.706	3.841	6.635	10.828

回归方程，其中.
相关系数.若，则认为与有较强的线性相关性.

9 . 随着科技发展的日新月异，人工智能融入了各个行业，促进了社会的快速发展.其中利用人工智能生成的虚拟角色因为拥有更低的人工成本，正逐步取代传统的真人直播带货.某公司使用虚拟角色直播带货销售金额得到逐步提升，以下为该公司自2023年8月使用虚拟角色直播带货后的销售金额情况统计.

年月	2023年8月	2023年9月	2023年10月	2023年11月	2023年12月	2024年1月
月份编号	1	2	3	4	5	6
销售金额/万元	15.4	25.4	35.4	85.4	155.4	195.4

若与的相关关系拟用线性回归模型表示，回答如下问题：
(1)试求变量与的样本相关系数（结果精确到0.01）；
(2)试求关于的经验回归方程，并据此预测2024年2月份该公司的销售金额.（，均保留一位小数）
附：经验回归方程，其中，
样本相关系数
参考数据：.