2 . 某沙漠地区经过治理，生态系统得到很大改善，野生动物数量有所增加.为调查该地区某种野生动物的数量，将其分成面积相近的200个地块，从这些地块中用简单随机抽样的方法抽取20个作为样区，调查得到样本数据(x_i，y_i)(i=1，2，…，20)，其中x_i和y_i分别表示第i个样区的植物覆盖面积(单位：公顷)和这种野生动物的数量，并计算得，，，，.
（1）求该地区这种野生动物数量的估计值（这种野生动物数量的估计值等于样区这种野生动物数量的平均数乘以地块数）；
（2）求样本(x_i，y_i)(i=1，2，…，20)的相关系数（精确到0.01）；
（3）根据现有统计资料，各地块间植物覆盖面积差异很大.为提高样本的代表性以获得该地区这种野生动物数量更准确的估计，请给出一种你认为更合理的抽样方法，并说明理由.

附：相关系数r=，≈1.414.

3 . 下图是我国2008年至2014年生活垃圾无害化处理量（单位：亿吨）的折线图.

   

（Ⅰ）由折线图看出，可用线性回归模型拟合y与t的关系，请用相关系数加以说明；
（Ⅱ）建立y关于t的回归方程（系数精确到0.01），预测2016年我国生活垃圾无害化处理量.
附注：
参考数据：，，
，≈2.646.
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：

4 . 对两个变量和进行回归分析，得到一组样本数据：、、、，则下列说法中不正确的是（       ）

A．由样本数据得到的线性回归方程必过样本点的中心

B．残差平方和越小的模型，拟合的效果越好

C．用相关指数来刻画回归效果，的值越小，说明模型的拟合效果越好

D．若变量和之间的相关系数，则变量与之间具有线性相关关系

5 . 近年来，长安区大力发展大花卉产业，其中玫瑰既有观赏价值也能加工成食品和高档化妆品而得到环山路一带农民大面种植．已知玫瑰的株高y（单位：cm）与一定范围内的温度x（单位：）有关，现收集了玫瑰的13组观测数据，得到如下的散点图：

现根据散点图利用或建立y关于x的回归方程，令，得到如下数据：

10.15		109.94		3.04			0.16
13.94			11.67		0.21	21.22

且与的相关系数分别为，，且．
(1)用相关系数说明哪种模型建立y与x的回归方程更合适；
(2)根据（1）的结果及表中数据，建立y关于x的回归方程；
(3)已知玫瑰的利润z与x、y的关系为，当x为何值时，z的预期最大．
参考数据和公式：，，，对于一组数据，其回归直线方程的斜率和截距的最小二乘法估计分别为，，相关系数．

6 . 下列有关回归分析的说法中不正确的是（       ）

A．回归直线必过点

B．回归直线就是散点图中经过样本数据点最多的那条直线

C．当相关系数时，两个变量正相关

D．如果两个变量的线性相关性越弱，则就越接近于

7 . 全球新能源汽车产量呈上升趋势.以下为年全球新能源汽车的销售量情况统计.

年份	2018	2019	2020	2021	2022	2023
年份编号	1	2	3	4	5	6
销售量/百万辆	2.02	2.21	3.13	6.70	10.80	14.14

若与的相关关系拟用线性回归模型表示，回答如下问题：
(1)求变量与的样本相关系数(结果精确到0.01)；
(2)求关于的线性回归方程，并据此预测2024年全球新能源汽车的销售量.
附：线性回归方程，其中，
样本相关系数.
参考数据：.

8 . 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	56.5	31	22.75	17.8	15.95	14.5	13	12.5

根据以上数据绘制了散点图观察散点图，两个变量间关系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0.001），并用其估计产量为10千件时每件产品的非原料成本；
(3)根据企业长期研究表明，非原料成本y服从正态分布，用样本平均数作为的估计值，用样本标准差s作为的估计值，若非原料成本y在之外，说明该成本异常，并称落在之外的成本为异样成本，此时需寻找出现异样成本的原因.利用估计值判断上述非原料成本数据是否需要寻找出现异样成本的原因？
参考数据（其中）：

0.34	0.115	1.53	184	5777.555	93.06	30.705	13.9

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：，，相关系数.

9 . 新冠肺炎疫情发生以来，中医药全面参与疫情防控救治，做出了重要贡献．某中医药企业根据市场调研与模拟，得到研发投入x（亿元）与产品收益y（亿元）的数据统计如下：

研发投入x（亿元）	1	2	3	4	5
产品收益y（亿元）	3	7	9	10	11

(1)计算x，y的相关系数r，并判断是否可以认为研发投入与产品收益具有较高的线性相关程度？（若，则线性相关程度一般，若，则线性相关程度较高）
(2)求出y关于x的线性回归方程，并预测研发投入20（亿元）时产品的收益．
参考数据：，，．
附：相关系数公式：，回归直线方程的斜率，截距．

10 . 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6，20，16，8．

(1)完成下面的列联表，并判断至少有多大把握认为“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
的平均浓度
的平均浓度
合计

(2)经计算得回归方程为，且这50天的汽车日流量的标准差，的平均浓度的标准差．
①求相关系数，并判断该回归方程是否有价值；
②若这50天的汽车日流量满足，试推算这50天的日均浓度的平均数．（精确到0.1）
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．