1 . 移动物联网广泛应用于生产制造、公共服务、个人消费等领域．截至2022年底，我国移动物联网连接数达18.45亿户，成为全球主要经济体中首个实现“物超人”的国家．右图是2018-2022年移动物联网连接数W与年份代码t的散点图，其中年份2018-2022对应的t分别为1~5．

(1)根据散点图推断两个变量是否线性相关．计算样本相关系数（精确到0.01），并推断它们的相关程度；
(2)(i)假设变量x与变量Y的n对观测数据为(x₁，y₁)，(x₂，y₂)，…，(x_n，y_n)，两个变量满足一元线性回归模型   （随机误差）．请推导：当随机误差平方和Q＝取得最小值时，参数b的最小二乘估计．
(ii)令变量，则变量x与变量Y满足一元线性回归模型利用(i)中结论求y关于x的经验回归方程，并预测2024年移动物联网连接数．
附：样本相关系数，，，，

2 . 维尼纶纤维的耐热水性能的好坏可以用指标“缩醛化度”来衡量，这个指标越高，耐热水性能也越好，而甲醛浓度是影响缩醛化度的重要因素，在生产中常用甲醛浓度（单位:）去控制这一指标，为此必须找出它们之间的关系，现安排一批实验，获得如下数据:

甲醛浓度 /（）	18	20	22	24	26	28	30
缩醛化度 /克分子%	26.86	28.35	28.75	28.87	29.75	30.00	30.36

(1)画散点图；
(2)求线性回归方程；
(3)求相关系数

3 . 某统计部门依据《中国统计年鉴——2017》提供的数据，对我国1997-2016年的国内生产总值（GDP）进行统计研究，作出了两张散点图：图1表示1997-2016年我国的国内生产总值（GDP），图2表示2007-2016年我国的国内生产总值（GDP）．


(1)用表示第i张图中的年份与GDP的线性相关系数，，依据散点图的特征分别写出的结果；
(2)分别用线性回归模型和指数回归模型对两张散点图进行回归拟合，分别计算出统计数据——相关指数的数值，部分结果如下表所示：

年份	1997-2016	2007-2016
线性回归模型	0.9306
指数回归模型	0.9899	0.978

①将上表中的数据补充完整（结果保留3位小数，直接写在答题卡上）；
②若估计2017年的GDP，结合数据说明采用哪张图中的哪种回归模型会更精准一些？若按此回归模型来估计，2020年的GDP能否突破100万亿元？事实上，2020年的GDP刚好突破了100万亿元，估计与事实是否吻合？结合散点图解释说明.