1 . 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y(元)与生产该产品的数量x(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，(反比例函数模型可用转化为线性回归模型；指数函数模型可转化为和x的线性回归模型)现已求得：用指数函数模型拟合的回归方程为，与x的相关系数；

（1）用反比例函数模型求y关于x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.
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法估计分别为：，相关系数

2 . 某果园种植“糖心苹果”已有十余年，根据其种植规模与以往的种植经验，产自该果园的单个“糖心苹果”的果径（最大横切面直径，单位：）在正常环境下服从正态分布.
（1）一顾客购买了20个该果园的“糖心苹果”，求会买到果径小于56的概率；
（2）为了提高利润，该果园每年投入一定的资金，对种植、采摘、包装、宣传等环节进行改进.如图是2009年至2018年，该果园每年的投资金额（单位：万元）与年利润增量（单位：万元）的散点图：

该果园为了预测2019年投资金额为20万元时的年利润增量，建立了关于的两个回归模型；
模型①：由最小二乘公式可求得与的线性回归方程：；
模型②：由图中样本点的分布，可以认为样本点集中在曲线：的附近，对投资金额做交换，令，则，且有，，，.
（I）根据所给的统计量，求模型②中关于的回归方程；
（II）根据下列表格中的数据，比较两种模型的相关指数，并选择拟合精度更高、更可靠的模型，预测投资金额为20万元时的年利润增量（结果保留两位小数）.

回归模型	模型①	模型②
回归方程
	102.28	36.19

附：若随机变量，则，；样本的最小乘估计公式为，；
相关指数.
参考数据：，，，.

3 . 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，.