1 . 2006年，在国家节能减排的宏观政策指导下，科技部在“十一五”启动了“863”计划新能源汽车重大项目.自2011年起，国家相关部门重点扶持新能源汽车的发展，也逐步得到消费者的认可.如下表是统计的2014年-2023年全国新能源汽车保有量(百万辆)数据：

年份代码	1	2	3	4	5	6	7	8	9	10
年份	2014	2015	2016	2017	2018	2019	2020	2021	2022	2023
保有量	0.12	0.50	1.09	1.60	2.61	3.81	4.92	7.84	13.10	20.41

并计算得:.
(1)根据表中数据，求相关年份与全国新能源汽车保有量的样本相关系数(精确到0.01)；
(2)现苏同学购买第1辆汽车时随机在新能源汽车和非新能源汽车中选择.如果第1辆购买新能源汽车，那么第2辆仍选择购买新能源汽车的概率为0.6；如果第1辆购买非新能源汽车，那么第2辆购买新能源汽车的概率为0.8，计算苏同学第2辆购买新能源汽车的概率；
(3)某汽车网站为调查新能源汽车车主的用车体验，决定从12名候选车主中选3名车主进行访谈，已知有4名候选车主是新能源汽车车主，假设每名候选人都有相同的机会被选到，求被选到新能源汽车车主的分布列及数学期望.
附:相关系数：.

2 . 为丰富第二课堂，拓展素质教育，某校鼓励学生参加书法兴趣小组和绘画兴趣小组，开展相关实践活动．该校共有3000名学生，为了解学生的参加情况，从全校学生中随机抽取150名学生进行调查，发现有5人没有参加兴趣小组，且样本中仅参加书法兴趣小组和仅参加绘画兴趣小组的学生每周投入时间情况如下表：

兴趣小组活动类别	投入时间（小时/周）
				大于10
仅参加书法兴趣小组人数z	25	30	15	10
仅参加绘画兴趣小组人数y	10	20	25	5

(1)用频率估计概率，试估计全校学生中书法兴趣小组和绘画兴趣小组都参加的人数；
(2)从仅参加书法兴趣小组和仅参加绘画兴趣小组的学生中各抽1人，以X表示2人中每周投入时间大于5小时的人数，求X的分布列和数学期望；
(3)根据公式计算仅参加书法兴趣小组和仅参加绘画兴趣小组的学生在各投入时间段人数的样本相关系数，并推断它们的相关程度，其中分别为仅参加书法兴趣小组的学生在各投入时间段人数的均值和标准差，分别为仅参加绘画兴趣小组的学生在各投入时间段人数的均值和标准差．
附：

相关系数r
相关程度	低度线性相关	显著性相关	高度线性相关

4 . 混凝土的抗压强度x较容易测定，而抗剪强度y不易测定，工程中希望建立一种能由x推算y的经验公式，下表列出了现有的9对数据，分别为，，…，．

x	141	152	168	182	195	204	223	254	277
y	23.1	24.2	27.2	27.8	28.7	31.4	32.5	34.8	36.2

以成对数据的抗压强度x为横坐标，抗剪强度y为纵坐标作出散点图，如图所示．

(1)从上表中任选2个成对数据，求该样本量为2的样本相关系数r．结合r值分析，由简单随机抽样得到的成对样本数据的样本相关系数是否一定能确切地反映变量之间的线性相关关系？
(2)根据散点图，我们选择两种不同的函数模型作为回归曲线，根据一元线性回归模型及最小二乘法，得到经验回归方程分别为：①，②．经验回归方程①和②的残差计算公式分别为，，．
（ⅰ）求；
（ⅱ）经计算得经验回归方程①和②的残差平方和分别为，，经验回归方程①的决定系数，求经验回归方程②的决定系数．
附：相关系数，决定系数，．

6 . 某专营店统计了最近天到该店购物的人数和时间第天之间的数据，列表如下：(1)由表中给出的数据，判断是否可用线性回归模型拟合人数与时间之间的关系？（若，则认为线性相关程度高，可用线性回归模型拟合；否则，不可用线性回归模型拟合.计算时精确到）
(2)该专营店为了吸引顾客，推出两种促销方案：方案一，购物金额每满元可减元；方案二，购物金额超过元可抽奖三次，每次中奖的概率均为，且每次抽奖互不影响，中奖一次打折，中奖两次打折，中奖三次打折.某顾客计划在此专营店购买一件价值元的商品，请从实际付款金额的数学期望的角度分析，选哪种方案更优惠？
参考数据：.附：相关系数.

9 . 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	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	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）．
(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”（精确到）．
(3)比较（1）和（2）（ii）的计算结果，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．；；．