1 . 某地经过多年的环境治理，已将荒山改造成了绿水青山．为估计一林区某种树木的总材积量，随机选取了10棵这种树木，测量每棵树的根部横截面积（单位：）和材积量（单位：），得到如下数据：

样本号ｉ	1	2	3	4	5	6	7	8	9	10	总和
根部横截面积	0.04	0.06	0.04	0.08	0.08	0.05	0.05	0.07	0.07	0.06	0.6
材积量	0.25	0.40	0.22	0.54	0.51	0.34	0.36	0.46	0.42	0.40	3.9

并计算得．
(1)估计该林区这种树木平均一棵的根部横截面积与平均一棵的材积量；
(2)求该林区这种树木的根部横截面积与材积量的样本相关系数（精确到0.01）；
(3)现测量了该林区所有这种树木的根部横截面积，并得到所有这种树木的根部横截面积总和为．已知树木的材积量与其根部横截面积近似成正比．利用以上数据给出该林区这种树木的总材积量的估计值．
附：相关系数．

2 . 近期国内疫情反复，对我们的学习生活以及对各个行业影响都比较大，某房地产开发公司为了回笼资金，提升销售业绩，让公司旗下的某个楼盘统一推出了为期10天的优惠活动，负责人记录了推出活动以后售楼部到访客户的情况，根据记录第一天到访了12人次，第二天到访了22人次，第三天到访了42人次，第四天到访了68人次，第五天到访了132人次，第六天到访了202人次，第七天到访了392人次，根据以上数据，用x表示活动推出的天数，y表示每天来访的人次，绘制了以下散点图．

(1)请根据散点图判断，以下两个函数模型与（c，d均为大于零的常数）哪一个适宜作为人次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）；
(2)根据（1）的判断结果及下表中的数据，求y关于x的回归方程，并预测活动推出第8天售楼部来访的人次．
参考数据：其中，

1.84	58.55	6.9

(3)已知此楼盘第一天共有10套房源进行销售，其中6套正价房，4套特价房，设第一天卖出的4套房中特价房的数量为，求的分布列与数学期望．

4 . 规定抽球试验规则如下：盒子中初始装有白球和红球各一个，每次有放回的任取一个，连续取两次，将以上过程记为一轮．如果每一轮取到的两个球都是白球，则记该轮为成功，否则记为失败．在抽取过程中，如果某一轮成功，则停止；否则，在盒子中再放入一个红球，然后接着进行下一轮抽球，如此不断继续下去，直至成功．
(1)某人进行该抽球试验时，最多进行三轮，即使第三轮不成功，也停止抽球，记其进行抽球试验的轮次数为随机变量，求的分布列和数学期望；
(2)为验证抽球试验成功的概率不超过，有1000名数学爱好者独立的进行该抽球试验，记表示成功时抽球试验的轮次数，表示对应的人数，部分统计数据如下：

	1	2	3	4	5
	232	98	60	40	20

求关于的回归方程，并预测成功的总人数（精确到1）；
(3)证明：．
附：经验回归方程系数：，；
参考数据：，，（其中，）．

5 . 人们用大数据来描述和定义信息时代产生的海量数据，并利用这些数据处理事务和做出决策，某公司通过大数据收集到该公司销售的某电子产品1月至5月的销售量如下表.

月份x	1	2	3	4	5
销售量y（万件）	4.9	5.8	6.8	8.3	10.2

该公司为了预测未来几个月的销售量，建立了y关于x的回归模型：.
(1)根据所给数据与回归模型，求y关于x的回归方程（的值精确到0.1）；
(2)已知该公司的月利润z（单位：万元）与x，y的关系为，根据（1）的结果，问该公司哪一个月的月利润预报值最大？
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，.

7 . 2020年9月，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纯电动汽车销售情况，一机构根据统计数据，用最小二乘法得到电汽车销量y（单位：万台）关于x（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：

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

请判断有多大的把握认为购买电动汽车与性别有关；
(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y与x线性相关较强.
（iii），其中.
附表：