1 . 直播带货是一种直播和电商相结合的销售手段，目前已被广大消费者所接受．针对这种现状，某公司决定逐月加大直播带货的投入，直播带货金额稳步提升，以下是该公司2023年前5个月的带货金额：

月份	1	2	3	4	5
带货金额/万元	350	440	580	700	880

(1)计算变量，的相关系数（结果精确到0.01）．
(2)求变量，之间的线性回归方程，并据此预测2023年7月份该公司的直播带货金额．
(3)该公司随机抽取55人进行问卷调查，得到如下不完整的列联表：

	参加过直播带货	未参加过直播带货	总计
女性	25		30
男性		10
总计

请填写上表，并判断是否有90%的把握认为参加直播带货与性别有关．
参考数据：，，，
，．
参考公式：相关系数，线性回归方程的斜率，截距．
附：，其中．

	0.15	0.10	0.05	0.025
	2.072	2.706	3.841	5.024

2 . 最近几年，老百姓的储蓄意愿越来越强，某统计机构统计了最近五年年末安徽省金融机构人民币各项存款余额如下表所示：

年份	2018年	2019年	2020年	2021年	2022年
年份代码	1	2	3	4	5
人民币各项存款余额（万亿元）	5.1	5.4	6.0	6.6	7.4

(1)根据表中所给数据，用相关系数加以判断，是否可用线性回归模型拟合与的关系？若可以，求出关于之间的经验回归方程；若不可以，请说明理由；（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）
(2)为调查老百姓的储蓄意愿强弱，该机构随机抽查了300人，得到如下列联表，请填写列联表，并判断依据的独立性检验，能否认为“储蓄意愿强弱与性别有关联”？

	储蓄意愿强	储蓄意愿弱	总计
男			150
女		60
总计	140

附：相关系数，经验回归方程中斜率和截距的最小二乘估计公式分别为．

	0.10	0.05	0.010	0.005	0.001
	2.706	3.841	6.635	7.879	10.828

3 . 热心网友们调查统计了柳州市某网红景点在2022年6月至10月的旅游收入（单位：万元），得到以下数据：

月份	6	7	8	9	10
旅游收入	10	12	11	12	20

(1)根据表中所给数据，用相关系数加以判断，是否可用线性回归模型拟合与的关系？若可以，求出关于之间的线性回归方程；若不可以，请说明理由；
(2)为调查游客对该景点的评价情况，网友们随机抽查了200名游客，得到如图列联表，请填写列联表，并判断能否有99.9%的把握认为“游客是否喜欢该网红景点与性别有关联”？

	喜欢	不喜欢	总计
男			100
女		60
总计	110

参考数据：，，，，注：与的计算结果精确到0.001.参考公式：相关系数，线性回归方程：，其中，，.
临界值表：

	0.010	0.005	0.001
	6.635	7.879	10.828

4 . 文旅部门统计了某网红景点在2022年3月至7月的旅游收入（单位：万），得到以下数据：

月份	3	4	5	6	7
旅游收入	10	12	11	12	20

(1)根据表中所给数据，用相关系数加以判断，是否可用线性回归模型拟合与的关系？若可以，求出关于之间的线性回归方程；若不可以，请说明理由；
(2)为调查游客对该景点的评价情况，随机抽查了200名游客，得到如下列联表，请填写下面的列联表，依据的独立性检验，能否认为“游客是否喜欢该网红景点与性别有关联”.

	喜欢	不喜欢	总计
男			100
女		60
总计	110

参考公式：相关系数，参考数据：.线性回归方程：，其中，.
临界值表：

5 . 金月网站统计了某网红火锅店在2021年8月至12月的顾客人数y（单位：千人），得到以下数据：
（表1）

月份x	8	9	10	11	12
顾客人数y	10	12	14	13	16

（表2）

	喜欢	不喜欢	总计
男			100
女		55
总计	110

(1)根据表1中所给数据，用相关系数r加以判断，是否可用线性回归模型拟合y与x的关系？
(2)为调查顾客对该网红火锅的喜欢情况，随机抽查了200名顾客，得到如上列联表，请填写上面的2×2列联表（表2），并判断是否有99%的把握认为“顾客是否喜欢该网红火锅与性别有关”
（参考公式：相关系数，，，参考数据：）注：r与的计算结果精确到0.001．
临界值表：

	0.10	0.05	0.01
k	2.706	3.841	6.635

7 . 某公司为了做好产品生产计划，准确地把握市场，对过去四年的产品数据进行整理得到了第年与年销售量（单位：万件）之间的关系如下表：

第年
销售量（万件）

(1)在图中画出表中数据的散点图；

(2)根据（1）中的散点图选择用于拟合与的回归模型，并用相关系数加以说明；
(3)建立关于的回归方程，预测第年的销售量．
（参考数据：，）

8 . 某数学小组从气象局和医院分别获得了2019年1月至2019年6月每月20日的昼夜温差x（单位：，）和患感冒人数y（单位：人）的数据，并根据所得数据画出如图所示的折线图.

参考数据：，，，.
参考公式：相关系数，线性回归方程是，.
(1)求y与x之间的线性相关系数r；
(2)建立y关于x的线性回归方程（精确到0.01），预测昼夜温差为4时患感冒的人数（精确到整数）.